- •010400 Информационные технологии
- •Часть 2
- •Случайные величины. Функция распределения случайной величины и ее свойства
- •5. Для любого
- •7. Для любого
- •Дискретные случайные величины. Закон распределения дискретной случайной величины.
- •Важнейшие дискретные случайные величины и их законы распределения
- •Непрерывные случайные величины. Плотность вероятностей
- •1. Для любого .
- •Важнейшие непрерывные случайные величины
- •Числовые характеристики случайных величин
- •Математическое ожидание случайной величины
- •Моменты. Дисперсия. Среднее квадратическое отклонение.
- •Примеры вычисления числовых характеристик дискретных и непрерывных случайных величин
Непрерывные случайные величины. Плотность вероятностей
Определение. СВ называется непрерывной или имеющей непрерывный закон распределения (НСВ), если существует такая функция , что для любого ФР СВ допускает представление:
. (2.3)
При этом функция называется плотностью вероятностей (ПВ) (плотностью распределения вероятностей, плотностью распределения) СВ .
Замечание. Для существования интеграла (2.3) предполагается, что ПВ является функцией непрерывна всюду, за исключением, может быть, конечного числа точек.
Из определения следует:
1. Если СВ является непрерывной, то ее ФР непрерывна на всей числовой прямой.
(Следует из свойств интеграла с переменным верхним пределом).
Следствие. Если СВ является непрерывной, то
для любого . (2.4)
2. Если СВ является непрерывной, то ее ФР является дифференцируемой во всех точках, где ПВ непрерывна, и при этом справедливо равенство
. (2.5)
(Также следует из свойств интеграла с переменным верхним пределом).
В точках, где ПВ непрерывной не является, производная ФР не существует. Это означает, что в этих точках ФР , являясь функцией непрерывной, имеет излом, так что . Но таких точек в соответствии с замечанием не более конечного числа и в них ПВ может быть задана произвольно (на величине интеграла (2.3) и на вероятностях событий, связанных с НСВ, в соответствии с (2.4) это никак не отражается).
Графическая иллюстрация.
Из равенства (2.5) и определения производной следует, что
.
Интерпретируя вероятность как массу, приходящуюся на интервал , отношение представляет собой среднюю плотность массы на этом интервале, а в пределе при получаем плотность массы в точке х. Это оправдывает использование термина «плотность» для функции .
Формулы (2.3) и (2.5) показывают, что между ФР и ПВ существует взаимно однозначное соответствие. Поэтому по аналогии с дискретным случаем ПВ можно называть ЗР НСВ.
Свойства плотности вероятностей.
1. Для любого .
▲ Поскольку ФР является функцией неубывающей, то ее производная . Поэтому свойство следует из равенства (2.5) ■.
2. - условие нормировки.
▲ Из представления (2.3) следует, что , а в соответствии со свойством 3 ФР ■.
3. Вероятность попадания НСВ в интервал определяется как интеграл от ПВ по этому интервалу:
для любых
. (2.6)
▲ Поскольку в соответствии со свойством 5 ФР , то свойство непосредственно вытекает из представления (2.3):
■.
Следствие. Для непрерывной СВ
и все вероятности определяются с помощью интеграла (2.6).
Графическая иллюстрация ФР и ПВ НСВ.
Важнейшие непрерывные случайные величины
1. Равномерная СВ.
Говорят, что НСВ имеет равномерное распределение (равномерный ЗР) на отрезке , если множество ее возможных значений , а ПВ постоянна на этом отрезке:
Константа С при этом однозначно определяется из условия нормировки:
, то есть .
Таким образом, равномерно распределенная СВ имеет ПВ:
и для нее используется сокращенная запись: .
Найдем ФР СВ .
Для этого рассмотрим три случая:
а) если , то ;
б) если ,то ;
в) если , то .
Окончательно имеем:
Графики ПВ и ФР СВ имеют вид:
2. Показательная (экспоненциальная) СВ.
Говорят, что НСВ имеет показательное распределение (показательный, экспоненциальный ЗР), если множество ее возможных значений , а ПВ имеет вид:
- параметр показательного распределения.
Сокращенная запись для показательной СВ: .
Проверим условие нормировки.
при любом .
Найдем ФР СВ .
Для этого рассмотрим два случая:
а) если , то ;
б) если , то .
Окончательно имеем:
Графики ПВ и ФР СВ имеют вид:
3. Нормальная (гауссовская) СВ.
Говорят, что НСВ имеет нормальное распределение (нормальный, гауссовский ЗР) с параметрами , если множество ее возможных значений , а ПВ имеет вид:
.
Сокращенная запись:
Кривая ПВ СВ имеет симметричный вид относительно прямой и имеет максимум в точке .
Проверим условие нормировки:
для любых значений параметров а и (при этом был использован известный в анализе факт, что - интеграл Пуассона).
В зависимости от изменения параметров ПВ нормального закона распределения меняется следующим образом.
Если параметр фиксирован, то при изменении а кривая , не изменяя своей формы, просто смещается вдоль оси абсцисс. Таким образом, параметр а является параметром сдвига (положения). Также параметр а характеризует среднее значение СВ.
Изменение при фиксированном а равносильно изменению масштаба кривой по обеим осям: при увеличении ПВ становится более плоской, растягиваясь вдоль оси абсцисс; при уменьшении - вытягивается вверх, одновременно сжимаясь с боков (эффект действия условия нормировки). Таким образом, параметр является параметром масштаба.
Также параметр характеризует степень разброса значений СВ около среднего значения а в следующем смысле. Чем меньше , тем больше при фиксированном вероятность вида , как площадь под соответствующей ПВ или, другими словами, тем при меньшем можно получить заданную вероятность вида . Это означает, что при уменьшении значения СВ более плотно группируются около а, то есть степень разброса значений СВ около среднего значения а меньше.
Если и , то нормальный ЗР называется стандартным, его ПВ имеет вид:
и называется функцией Гаусса.
ФР СВ имеет вид:
и не выражается в элементарных функциях. Функцию называют функцией Лапласа (или интегралом вероятностей). Графическая иллюстрация приведена на рисунке ниже.
Свойства функции Лапласа :
1. ;
2. для .
Значения функции Лапласа для табулированы.
ФР СВ также выражается через функцию Лапласа :
.
Вероятность попадания СВ в заданный интервал определяется по формуле:
.
Наиболее просто выражается через функцию Лапласа вероятность попадания СВ в интервал длины , симметричный относительно точки .
.
Далее, если положить и учесть, что , то получаем:
.
Полученный результат носит название «Правило трех сигма». Он означает, что «практически все» значения СВ находятся внутри интервала в том смысле, что вероятность СВ принять значение, не принадлежащее этому интервалу, пренебрежимо мала ( ).
Графическая иллюстрация.
Нормальный закон распределения очень распространен и имеет чрезвычайно большое значение для практики.
5. СВ, имеющая распределение Коши.
Говорят, что НСВ имеет ЗР Коши, если множество ее возможных значений , а ПВ имеет вид:
.
ФР СВ, распределенной по закону Коши, имеет вид:
.
Графики ПВ и ФР СВ, распределенной по закону Коши, выглядят следующим образом: