- •2 Классическое определение вероятности
- •3. Относительная частота
- •4 Понятие суммы событий
- •6 Произведение событий
- •7 Независимые события. Теорема умножения для независимых событий
- •8 Вероятность появления хотя бы одного события
- •9 Теорема сложения вероятностей совместных событий
- •10 Формула полной вероятности
- •14 Биномиальное распределение
- •15 Математическое ожидание дискретной случайной величины
- •16 Дисперсией (рассеянием) дискретной случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
- •19. Числовые характеристики непрерывных случайных величин
- •20 Нормальное распределение
- •21 Влияние параметров нормального распределения на форму нормальной кривой
- •22 Вычисление вероятности заданного отклонения
- •23 . Закон равномерного распределения вероятностей
- •25 Показательное распределение
- •26 . Задачи математической статистики
- •27 . Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •28 . Статистические оценки параметров распределения
- •29 . Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •30 Полигон и гистограмма
- •31 Распределение «хи квадрат»
- •33 . Функция распределения двумерной случайной величины.
- •34 Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
19. Числовые характеристики непрерывных случайных величин
Распространим определения числовых характеристик дискретных величин на величины непрерывные. Начнем с математического ожидания.
Пусть непрерывная случайная величина X задана плотностью распределения f(x). Допустим, что все возможные значения X принадлежат отрезку [а, b]. Разобьем этот отрезок на п частичных отрезков длиной , ,..., и выберем в каждом из них произвольную точку xi (i = 1, 2, ..., п). Нам надо определить математическое ожидание непрерывной величины по аналогии с дискретной; составим сумму произведений возможных значений xi на вероятности попадания их в интервал ; (напомним, что произведение f(х) приближенно равно вероятности попадания X в интервал ):
Перейдя к пределу при стремлении к нулю длины наибольшего из частичных отрезков, получим определенный интеграл
Математическим ожиданием непрерывной случайной величины- X, Возможные значения которой принадлежат отрезку [a,b], называют определенный интеграл
M(X)= (*)
Если возможные значения принадлежат всей оси Ох, то
M(X)=
Предполагается, что несобственный интеграл сходится абсолютно, т. е. существует интеграл Если бы это требование не выполнялось, то значение интеграла зависело бы от скорости стремления (в отдельности) нижнего предела к — , а верхнего—к + .
По аналогии с дисперсией дискретной величины определяется и дисперсия непрерывной величины.
Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения.
Если возможные значения X принадлежат отрезку[a,b], то
D(X)=
если возможные значения принадлежат всей оси х, то
D(X)=
Среднее квадратическое отклонение непрерывной случайной величины определяется, как и для величины дискретной, равенством
(X)= .
20 Нормальное распределение
Нормальным называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью
Мы видим, что нормальное распределение определяется двумя параметрами: а и . Достаточно знать эти параметры, чтобы задать нормальное распределение. Покажем, что вероятностный смысл этих параметров таков: а есть математическое ожидание, —среднее квадратическое отклонение нормального распределения.
а) По определению математического ожидания непрерывной случайной величины,
M(X)=
Введем новую переменную z = (x—а)/. Отсюда x=z+a, dx=dz. Приняв во внимание, что новые пределы интегрирования равны старым, получим
M(X)=
Первое из слагаемых равно нулю (под знаком интеграла нечетная функция; пределы интегрирования симметричны относительно начала координат). Второе из слагаемых равно a ( интеграл Пуассона ).
Итак, М(Х) = а, т. е. математическое ожидание нормального распределения равно параметру а.
б) По определению дисперсии непрерывной случайной величины, учитывая, что М(Х) = а, имеем
D(X)=
Введем новую переменную z = (x—а)/. Отсюда х—a = z, dx = dz. Приняв во внимание, что новые пределы интегрирования равны старым, получим
D(X)=
Интегрируя по частям, положив u = z, dv= , найдем
D(X)=
Следовательно,
(X)= .
Итак, среднее квадратическое отклонение нормального распределения равно параметру .
График плотности нормального распределения называют нормальной кривой (кривой Гаусса). Исследуем функцию
y=
методами дифференциального исчисления.
1. Очевидно, функция определена на всей оси х.
2. При всех значениях х функция принимает положительные значения, т. е. нормальная кривая расположена над осью Ох.
3. Предел функции при неограниченном возрастании х (по абсолютной величине) равен нулю: , т. е. ось Ох служит горизонтальной асимптотой графика.
4.Исследуем функцию на экстремум. Найдем первую производную:
Легко видеть, что у' = 0 при х = а, у' > 0 при х < а, у' < 0 при х> а.
Следовательно, при х = а функция имеет максимум, равный
5.Разность х—а содержится в аналитическом выражении функции в
квадрате, т. е. график функции симметричен относительно прямой х= а.
6.Исследуем функцию на точки перегиба. Найдем вторую производную:
Легко видеть, что при х = а+ и х= а— вторая производная равна нулю, а при переходе через эти точки она меняет знак (в обеих этих точках значение функции равно 1/( e)). Таким образом, точки графика (а—, 1/( e)) и (а + , 1/( e)) являются точками перегиба.
На рис. 7 изображена нормальная кривая при а=1, 2