Вопрос 19

Моменты распределения. При решении многих практических задач нет особой необходимости в полной вероятностной характеристике каких-либо случайных величин, которую дает функция плотности распределения вероятностей. Очень часто приходится также иметь дело с анализом случайных величин, плотности вероятностей которых не отображаются аналитическими функциями либо вообще неизвестны. В этих случаях достаточно общее представление о характере и основных особенностях распределения случайных величин можно получить на основании усредненных числовых характеристик распределений.

Числовыми характеристиками случайных величин, которые однозначно определяются функциями распределения их вероятностей, являются моменты.

Начальные моменты n-го порядка случайной величины X (или просто моменты) представляют собой усредненные значения n-й степени случайной переменной: m_n  М{Xⁿ} = xⁿ p(x) dx, где M{Xⁿ} и - символические обозначения математического ожидания и усреднения величины Хⁿ, которые вычисляются по пространству состояний случайной величины Х.

Соответственно, для случайных дискретных величин: m_n  М{Xⁿ} = x_iⁿ p_i.

Центральные моменты n-го порядка, это моменты относительно центров распределения (средних значений) случайных величин:

_n  M{(X- )ⁿ} = (x-m₁)ⁿ p(x) dx

_n  M{(X- )ⁿ} = (x_i-m₁)ⁿ p_i, где - начальный момент 1-го порядка (среднее значение величины Х), X₀ = X- - центрированные значения величины Х.

Связь между центральными и начальными моментами достаточно проста:

₁=0, ₂=m₂-m₁², ₃=m₃-3m₂m₁+2m₁³, ₄=m₄-4m₁m₃+6m₁²m₂-3m₁⁴, и т.д.

Соответственно, для случайных величин с нулевыми средними значениями начальные моменты равны центральным моментам.

По результатам реализации случайных величин может производиться только оценка моментов, т.к. количество измерений всегда конечно и не может с абсолютной точностью отражать все пространство состояний случайных величин. Результаты измерений - выборка из всех возможных значений случайной величины (генеральной совокупности). Оценка моментов, т.е. определение средних значений n-й степени по выборке из N зарегистрированных значений, производится по формулам: = (1/N) x_iⁿ  , = (1/N) (x_i- )ⁿ 

Вопрос 20

Равномерным называют распределение вероятностей Н.С.В. Х, если на интервале (а,b), которому принадлежат все возможные значения Х, плотность сохраняет постоянное значение, а именно f(x)=1/(b-a); вне этого интервала f(x)=0. Нетрудно убедиться, что интеграл от –бесконечности до бесконечности р(х)dx=1. Для С.В., имеющей равномерное распределение , вероятность того, что С.В. примет значения из заданного интервала (х,х+дельта) прин. [a,b], не зависит от положения этого интервала на числовой оси и пропорциональна длине этого интервала дельта: P{x<X<x+дельта}=интеграл от х до х+дельта 1/b-adt=дельта/b-a. Функция распределения Х имеет вид: F(x)=0, при х<=a, x-a/b-a,при a<x<=b,1при х>b.

Вопрос 21

Случайная величина Х с функцией распределения

F(x)= {0, x<0,

{1- e ^–μx x0

называется распределённой по показательному закону с параметром μ. Плотность распределения этой случайной величины получается путём дифференцирования:

f(x)={0, x<0,

{μe^–μx x0.

Интервал времени между двумя последовательными появлениями некоторого редкого события описывается случайной величиной, распределённой по показательному закону.

MX=1/μ DX=1/μ²