книги из ГПНТБ / Дьяченко, А. Н. Интегральное исчисление функций нескольких переменных. Теория вероятностей и элементы математической статистики учебное пособие
.pdfПо закону Пуассона распределены, например, число вызовов абонентов на АТС в течение минуты, число аварий на некотором участке в небольшой промежуток времени, число попаданий в оди наковые малые участки при стрельбе по большой площади и т. п.
Проверим выполнение равенства (5.2):
0 0 |
СО |
т |
У Р(Ъ = т) = V ± - е- а = |
||
|
* * |
т\ |
= е—а |
а2 |
i-----~ + • • • |
|
2! |
т\ |
Ряд в скобках сходится и его сумма равна еа, так что
2 Р{1 = т) = е—аеа= к
т —О
5.3. Функция распределения
Втех случаях, когда значения случайной величины сплошь за полняют некоторый интервал, вероятность каждого отдельного значения случайной величины, как отмечалось выше (см. геометри ческое определение вероятности), может быть равна нулю. Зада вать закон распределения такой случайной величины в виде ряда распределения нельзя. Поэтому часто закон распределения задают, указывая не вероятность каждого отдельного значения случайной величины, а вероятность того, что случайная величина примет зна чение, меньше заданного числа х, т. е. Р ( £ 0 ) . Очевидно, эта ве роятность является функцией х. Ее называют функцией распреде ления.
Определение. Функцией распределения F (х) случайной величины
называется функция переменной х, определенная на всей числовой оси и равная вероятности того, что случайная величина 5 примет значение меньшее, чем аргумент этой функции:
F(x) = P{ l<x) . |
(5.5) |
Закон распределения в виде функции распределения может быть задан для любых случайных величин, как дискретных, так и не прерывных. Функцию распределения дискретной случайной ве личины можно вычислить, если известен ряд распределения:
Р(х)= 2 Р(1 = хт). |
(5.6) |
хт < х |
|
Суммирование в формуле. (5.6) производится по всем т, для ко торых хт<^х, т. е. суммируются вероятности тех значений дискрет ной случайной величины, которые меньше аргумента функции рас пределения.
Зная функцию распределения F (х) случайной величины £ можно вычислить вероятность того, что эта случайная величина принимает
ПО
какое-либо из значений, принадлежащих любому заданному
промежутку [а, |3) |
числовой оси: |
|
|
|
|
P ( « < k P ) = |
F ( P ) - F ( a ) . |
(5.7) |
|
Действительно, |
события А — {| < а } |
и В = (а < |
£<Р) несов |
|
местны, а событие |
С = {|< Р } является суммой этих событий: |
|||
|
С = |
А + |
В. |
|
По свойству вероятности III (см. определение вероятности со бытий поля)
Р(С) = Р(А)+Р(В). |
(5.8) |
По определению функции распределения:
F(a) = Pa<a)=:P(Ay,
7’ (Р) = Р (| < Р ) = Р(С).
Кроме того,
P(B) = P ( a < g < P ) .
Подставляя выражения для Р (А), Р (В) и Р (С) из последних трех равенств в (5.8), получим:
P(P) = P(a) + P ( a < g < P ) ,
откуда следует формула (5.7).
Отметим некоторые свойства функции распределения.
Свойство 1. Функция распределения является неубывающей.
Д о к а з а т е л ь с т в о . |
При |
х 1<Сх2 событие |
яв |
|
ляется |
частным случаем события |
( £ < х 2), откуда в силу |
(4.17) |
|
следует, |
что |
|
|
|
|
Р ( 1 < Х у ) < Р ( Ъ < х 2) . |
(5.9) |
||
Вспоминая определение функции распределения F (х), можно |
||||
написать: |
|
|
|
|
|
P ( l < x 1) = F(x1y, |
(5.10) |
||
|
P { l < x 2) = F{x2). |
(5.11) |
||
Подставляя (5.10) и (5.11) |
в (5.9), получим при х 1<С.х2: |
|
F {ху) < F (х2).
Последнее неравенство означает, что большему аргументу функ ции распределения соответствует большее (в крайнем случае, рав ное) значение функции, т. е. функция F (х) действительно является неубывающей.
Свойство 2. Если возможные значения случайной величины распо ложены в промежутке [а, Ь], то для х<Са F (х) = 0, а для х^>Ь F (х) = 1. Действительно, в первом случае событие
можное, во втором достоверное.
Из этого свойства следует, что
F( — с6) = 0, F ( + оо)= 1. |
(5.12) |
Свойство 3. Если в точке xQфункция распределения F (х) слу чайной величины \ непрерывна, то вероятность принять значение
х0 для случайной величины £ равна нулю-.
Р{ 1 = х 0) = 0.
До к а з а т е л ь с т в о . Действительно, так как вероятность любого события неотрицательна и событие {£ = х0) является част ным случаем события )х0< К ^ 0 + Ах} можно, принимая во вни мание (4.17), написать неравенства
0 < Р ( £ = х 0) < Р ( х о< £ < х о+ Ах),
справедливые при любом Д х >0 . В силу (5.7)
Р (х0< 1 < х 0+ Ах) —F (х0-|-Ах) — Р(х0).
Поэтому, при |
Д х > 0 |
|
О < |
Р (g = х0) < F (х0 + Дx) —F(x0) = ДF. |
(5.13) |
Устремим Дх к нулю. Ввиду непрерывности F (х) в точке х0, бесконечно малому приращенрю аргумента соответствует бесконечно малое приращение функции, т. е.
Нт ДР = 0.
л*-о
Переменные 0 и ДF, стоящие в правой и левой частях неравен ства (5.13), стремятся к 0, т. е. к одному и тому же пределу, следо вательно и переменная, заключенная между ними, стремится к тому же пределу:*
lim Р (I = х 0) —0.
Л*-*-0
Вместе с тем величина Р (£ = х0) от Дх це зависит и, следова тельно, при изменении Дх остается постоянной. Поэтому
lim Р (£ = х 0) = Р ( 1 = х0).
Ах-*0
Таким образом, Р (| = х0) = 0, что и требовалось доказать.
Замечание. Из равенства нулю вероятности события {£ = х0} вовсе не следует, что это событие невозможное. Действительно, пусть функция распределения непрерывна и строго возрастает на промежутке [а, Ь). По свойству 3 вероятность каждого отдельного значения из этого про межутка равна 0. В то же время вероятность того, что реализуется хотя бы одно из значений х, принадлежащих промежутку, положи тельна, так как по формуле (5.7)
Р (а < £ < Ь) — F (Ь) — F (а) > 0 при b > а.
Свойство 4. Вероятность попадания значений случайной вели чины в некоторый промежуток не изменится, если к этому проме
* См. [1], § 5.5, теорема 1, стр. 142.
112
жутку добавить (или отнять от него) |
конечное число точек, в ко |
торых функция распределения F (х) величины s непрерывна. |
|
Д о к а з а т е л ь с т в о . Покажем, |
что если F (х) непрерывна |
в точке х = (3, то |
|
Р(а<|<Р) =Р(а<КР).
Так как события {а |
и = |3} несовместны и их суммой |
является событие |
то |
Р(а < Е < Р ) = Р ( а < £ < Р ) + Р (| = Р ).
В силу непрерывности F (х) в точке |3 и свойства 3 второе сла гаемое в правой части последнего равенства равно 0, откуда и сле дует доказываемое неравенство.
Принимая во внимание (5.7), аналогичным образом можно по казать, что, если F (х) непрерывна в точках а и |3, то
P K k p ) = P K U P ) =
= Р ( а < £ < Р ) = Р(Р)— F(a). (5.14)
Показательный закон распре деления. Время т безотказной
______
0,5 -
i . |
i |
I |
1 |
ь |
6 т |
S |
10 |
12 |
х |
Р и с . 47
работы приборов (телевизоров, электроламп и т. п.) есть случайная величина, функция распределения которой имеет вид:
| 0 для ^<0,
(5.15)
1 1 — ё~и для t > 0.
Про случайную величину т, функция распределения которой задается соотношением (5.15), говорят, что она имеет показатель ное распределение или что она распределена по показательному закону.
Нетрудно видеть, что F (— оо) = 0, F (+ со) = 1. Эта функция непрерывна везде, так что вероятность каждого отдельного значе ния случайной величины, распределенной по показательному за кону, равна нулю. График функции распределения F (t) для пока зательного закона показан на рис. 46.
Функция распределения дискретной случайной величины. Если возможные значения дискретной величины перенумерованы в по-
5 Заказ № 1740 |
113 |
рядке возрастания, то ее функция распределения может быть за дана формулой
Одля х<_хъ
F(x) = 2 |
Рт ПРИ Xc< X ^ X i+l, |
|
т=1 |
|
|
1 |
для |
тахх ;. |
Эта функция имеет разрывы первого рода в точках возможных значений хтслучайной величины. При этом
F{xm— 0) = f ( x m),
т. е. функция распределения непрерывна слева. Скачок функции распределения в точке разрыва хтравен вероятности того, что слу чайная величина примет значение, равное хт\
F(xm+ 0) —F (хт) = Р(Ъ= хт).
График функции распределения дискретной случайной вели чины является ступенчатой ломаной линией. На рис. 47 показан график распределения суммы очков при двух бросаниях игральной кости.
5.4. Плотность вероятности
Если случайная величина £ имеет непрерывную на всей числовой оси функцию распределения F (х) и эта функция во всех точках чис ловой оси (за исключением может быть отдельных изолированных точек) дифференцируема, то закон распределения \ может быть задан с помощью производной от функции распределения.
Определение. Плотностью вероятности f (%) случайной вели чины £ называется производная от ее функции распределения:
f(x) = F'(x). |
(5.16) |
В тех точках, где F (х) не дифференцируема, плотность вероят ности f (х) не определена.
График плотности вероятности называется кривой распределе ния.
Закон распределения дискретной случайной величины, нельзя задать плотностью вероятности, так как на участках, где функция распределения этой величины непрерывна, она постоянна, и следо вательно, / (х) = F' (х) = 0, а случайная величина принимает зна чения с положительными вероятностями только в точках разрыва F (х), где плотность вероятности f (х) не определена.
Зная плотность вероятности случайной величины, можно вы числить вероятность того, что ее значения попадут в любой интер вал числовой оси. Действительно, так как плотность вероятности есть производная функции распределения, то функция распределе-
114
ния является первообразной от плотности вероятности. Пользуясь формулой Ньютона—Лейбница, находим:
|
\f(x)dx = Fft)—F(а). |
(5.17) |
сс |
|
|
Сравнивая (5.17) с (5.7) и (5.14), получаем: |
|
|
Р ( а < Е < р ) = Р ( с с < £ < р ) = Р ( а < £ < Р ) = |
||
= |
P ( a < g < p ) = J/(*)d*. |
(5.18) |
|
a |
|
Произведение / (х) |
Ах приближенно (с точностью |
до бесконечно |
малых более высокого порядка малости, чем Ах) равно вероятности
осуществления |
неравенств х |
< х + Ах. Действительно, |
|
Р (х Е х -f Ах) = F (х + Ах)—F (х) — AF, |
|||
но AF = dF + |
а Ах, где dF — f (х) Ах и а - + 0 при |
Ах -v 0. |
|
Таким образом, |
|
|
|
|
Р (х < ! £ < Д + |
Ах) — f (х) А х + аАх. |
(5.19) |
Отметим некоторые свойства плотности вероятности. |
|||
Свойство 1. |
Площадь под всей кривой распределения равна еди |
||
нице: |
+ о о |
|
|
|
f (х)dx= 1. |
(5.20) |
|
|
| |
— СО
Равенство (5.20) следует из (5.18) и (5.12) и означает, что при нятие случайной величиной £ в результате опыта какого-нибудь вещественного значения х, — со< х< С + ° ° , есть достоверное событие.
Свойство 2. Плотность вероятности / (х) неотрицательна (как производная неубывающей функции):
f ( x ) > 0. |
(5.21) |
Свойство 3. Функция распределения является первообразной для
плотности вероятности, удовлетворяющей условию |
F (— с о ) = |
0, |
|||
поэтому |
|
|
|
|
|
F(x)= J f(t)dt. |
|
(5.22) |
|||
|
|
— СО |
|
|
|
Это равенство следует из (5.18) и (5.12). |
|
случайной |
ве |
||
Показательный закон. Плотность вероятности |
|||||
личины, распределенной по показательному |
закону, как следует |
||||
из (5.15) и (5.16), имеет вид: |
|
|
|
|
|
( |
0 |
для |
^<0; |
|
|
Д^)=|не |
определена для |
t = 0; |
(5.23), |
||
( \ё~и |
для |
^>0. |
|
|
5* |
115, |
Закон равномерной плотности. Пусть множеством возможных значений непрерывной случайной величины является промежуток [а, Ь], причем внутри этого промежутка плотность вероятности постоянна. Найдем плотность вероятности и функцию распределе ния этой случайной величины.
Обозначим F (х) и / (х) — функцию распределения и плотность
вероятности рассматриваемой случайной |
величины. По |
условию |
|||||||
f (х) = |
С — const для х |
£ [а, Ь] |
и кроме того, |
ввиду свойства 2 |
|||||
функций |
распределения |
F (х) = 0 |
для |
х < а |
и |
х > 6 . |
Поэтому |
||
f (х) = |
0 |
для х < а и х > & . Воспользовавшись |
(5.20), находим: |
||||||
|
|
4-оо |
|
b |
|
|
1. |
|
|
|
|
J |
f(x)dx=§cdx = c(b— а) = |
|
|
||||
|
|
— оо |
|
а |
|
|
|
|
|
Откуда с |
. Таким образом, плотность вероятности рас- |
Ъ■— а
сматриваемой случайной величины имеет вид:
0
1
f(x).
Ъ— а
О
Р и с. 48 |
Р и с. 49 |
Подставляя найденное выражение для f (х) в (5.22), получим:
|
О |
для |
х < !а ; |
|
|
F(x) = |
х — а |
Д Л Я |
a^Lx^ib', |
(5.25) |
|
b — а |
|||||
|
|
|
|
||
|
1 |
для |
х^>Ь. |
|
Закон распределения непрерывной случайной величины, плот ность вероятности и функция распределения которой имеют соот ветственно вид (5.24) и (5.25), называется законом равномерной плотности.
Геометрическая и механическая интерпретация закона распреде ления случайной величины. Как следует из определения функции распределения F (х), величина ординаты точки графика этой функ ции равна вероятности того, что случайная величина | примет зна-
116
чение, меньшее абсциссы этой точки (рис. 48). Вероятность попада ния значений случайной величины £ в интервал [а, |3) равна при ращению ординаты графика функции распределения на этом участке и площади криволинейной трапеции, ограниченной сверху кривой распределения, т. е. графиком функции у = / (х), слева и справа прямыми х = а, х = $ и снизу осью Ох (рис. 49).
При механической интерпретации распределение непрерывной случайной величины £ рассматривают как непрерывное распреде ление единичной массы по стержню с плотностью; равной f (х).
5.5. Нормальное распределение скалярной случайной величины
Закон распределения скалярной случайной величины, плот ность вепоятности которой имеет вид
_ (x—m f |
|
/( * )= — ±=— е ™ , |
(5.26) |
У 2л а |
|
где т — любое вещественное число; а — любое положительное ве щественное число, называется н о р м а л ь н ы м или з а к о н о м р а с п р е д е л е н и я Г а у с с а . Случайная величина, распре деленная по нормальному закону, называется н о р м а л ь н о й . Особое место нормального закона распределения среди других за конов распределения отчасти объясняется его широким практиче ским применением. Как показано ниже, законы распределения многих реальных случайных величин, значения которых склады ваются в результате действия большого количества независимых факторов, можно с большой степенью точности считать нормаль ными (например, по нормальному закону распределены ошибки измерения).
Проверим, обладает ли функция (5.26) свойством 1 плотности вероятности. Подставляя / (х) из (5.26) в (5.20) и применяя подста
новку t = * ■--— , dx — adt, преобразуем левую часть (5.20) |
следую |
|||
щим образом: |
|
|
|
|
+ о о |
(х—т.)1 |
J1 |
|
|
|
|
|||
У2па |
26а |
dx - |
2 dt. |
|
|
|
' У 2л |
|
|
Известно,* что |
|
|
|
|
|
+00 |
£_ |
__ |
|
|
|
|
||
|
ь - |
2 dt= y~2n-. |
(5.27) |
* См. Н. С. П и с к у н о в . Дифференциальное и интегральное ис числение для ВТУЗов. Т. 2, изд-е 7. М., изд-во «Наука», 1966, стр. 68.
117
Откуда получаем: |
|
р |
+00 |
+00 |
Кривая распределения нормального закона. Нормальный закон распределения зависит от двух параметров от и о. В частном слу чае, когда от = 0 и а = 1 плотность вероятности нормального за кона определяется формулой
Ф(ДС) = - ^ = Г ^ . |
(5.28) |
У 2я |
|
Исследуем функцию ср (х) и построим ее график. Замечаем, что
следовательно, ее график симметричен относительно оси ординат.
Точка |
х = 0 является точкой максимума функции, |
а точки |
х = |
= + |
1 — точками перегиба ее графика. Ось абсцисс при х -*■ |
± о о |
|
является асимптотой. Наибольшее значение функции, |
равное |
__ |
|
|
|
|
У 2л |
достигается в точке максимума. Таким образом, график функции Ф (х) имеет вид, показанный на рис. 50.
Кривая распределения нормального закона в общем случае по лучается из графика функции ф (х) растяжением его вдоль оси абсцисс и сжатием вдоль оси ординат в а раз и последующим сдви гом по оси абсцисс на от единиц вправо или влево. Следовательно, кривая распределения нормального закона в общем случае будет симметрична относительно прямой х = от, а максимальное значе
ние ординаты кривой равно __ . Чем меньше сг, тем круче кривая
У 2л а
распределения, тем больше максимум f (х) и тем больше вероятность значений случайной величины, близких к от. С увеличением а мак симальная ордината уменьшается, а ширина графика увеличивается в соответствии с тем, что площадь между графиком f (х) и осью абс цисс должна оставаться постоянной, равной единице (рис. 51).
118
Нормальная функция распределения. Функция распределения
г |
, |
? |
(5.29) |
ф (* )= J |
Ф(0 dt= y ^ |
) е 2 dt |
|
— СО |
" |
—со |
|
нормального закона с параметрами т = 0, о = 1 называется нор мальной ф у н к ц и е й р а с п р е д е л е н и я . Ее значения для
х^-0 приведены в приложении табл. I. Значения этой функции для
х< 0 можно найти, используя симметрию нормального распреде ления (рис. 52):
ф ( — х )= 1 — Ф (*). |
(5.30) |
Функция распределения F (х) нормального закона в общем слу чае может быть выражена через нормальную функцию распределе-
Вероятность попадания значений случайной величины, распре деленной по нормальному закону, в заданный интервал. Так как ве роятность попадания значений случайной величины в интервал (а, р) определяется с помощью функции распределения по формуле (5.7), то для величины, распределенной по нормальному закону, учитывая (5.31) получаем формулу:
Р ( а < £ < Р) = Ф |
— |
• |
(5.32) |
Очень часто требуется вычислить |
вероятность того, что значе |
||
ния случайной величины отличаются |
от т меньше, |
чем на I, т. е. |
|
вероятность события {||— т | < 7 ) |
|
|
|
Всилу (5.32) имеем:
Р(|5-/п|</) = Р ( т - / < | < т + 0 = ф ( 4 - ) - ф ( — г)*
Принимая во внимание (5.30), получаем:
Р ( | Е - т K Q = 2 Ф 1. |
(5.33) |
119