Случайные величины Часть 1
.pdfПуассоновской называется целочисленная случайная величина, множество возможных значений которой
{0,1, 2,..., n,...} {xk k, k 0,1, 2,...},
а вероятности, с которыми значения принимаются, задаются формулой:
p P( X k) |
ak |
e a , k 0,1,2,.... |
|
||
k |
k! |
|
|
|
Число a 0 называется параметром пуассоновской случайной величины. Закон распределения имеет вид:
X |
0 |
1 |
|
|
|
n |
|
|
P |
e a |
ae a |
|
|
an |
|
e a |
|
|
|
|||||||
|
|
|
|
|
n! |
|
и называется пуассоновским законом распределения.
Условие нормировки при этом следует из разложения экспоненты в ряд Тейлора:
p |
|
ak |
e a e a |
|
ak |
e aea 1. |
|
|
|
|
|||
k |
k 0 k! |
k 0 k! |
|
|||
k 0 |
|
(Записать аналитическое выражение для функции распределения и построить ее график самостоятельно).
Сокращенное обозначение для пуассоновской случайной величины:
X(a) .
2.4.Непрерывные случайные величины. Плотность вероятностей
Определение. Случайная величина X , заданная на вероятностном пространстве ( , , P) , называется непрерывной или имеющей непрерывный
закон распределения, если существует такая функция f X (x) f (x) , что для любого x функция распределения F (x) случайной величины X допускает представление:
x
F (x) f (u)du . (2.3)
При этом функция f (x) называется плотностью вероятностей
(плотностью распределения вероятностей, плотностью распределения) случайной величины X .
Замечание. Для существования интеграла (2.3) предполагается, что плотность вероятностей f (x) является функцией непрерывна всюду, за
исключением, может быть, конечного числа точек. Из определения следует:
11
1. Если случайная величина X является непрерывной, то ее функция распределения F (x) непрерывна на всей числовой прямой.
(Это следует из свойств интеграла с переменным верхним пределом). Следствие. Если случайная величина X является непрерывной, то
P( X x) 0 для любого x |
. (2.4) |
2. Если случайная величина X является непрерывной, то ее функция распределения F (x) является дифференцируемой во всех точках, где плотность
вероятностей f (x) непрерывна, и при этом справедливо равенство:
F (x) f (x) . (2.5)
(Этот факт также следует из свойств интеграла с переменным верхним пределом).
В точках, где плотность вероятностей f (x) непрерывной не является, производная функции распределения F (x) не существует. Это означает, что в этих точках функция распределения F (x) , являясь функцией непрерывной, имеет излом, так что F (x 0) F (x 0) . Но таких точек в соответствии с
замечанием не более конечного числа и в них плотность вероятностей может быть задана произвольно (на величине интеграла (2.3) и на вероятностях событий, связанных со случайной величиной, в соответствии с (2.4) это никак не отражается).
Замечание. Говорят также, что равенство (2.5) выполняется «почти всюду» или «для почти всех x », понимая под этим справедливость равенства «везде» или «для всех x », кроме (возможно) x из некоторого множества нулевой меры (длины). Используя данную терминологию, можно сказать, что функция распределения непрерывной случайной величины является дифференцируемой почти всюду.
Геометрическая иллюстрация.
F(x)
|
x x2 |
x |
0 |
x3 |
|
|
1 |
|
В точках x1, x2 , x3 производная F (x) |
не существует. |
Из равенства (2.5) и определения производной следует, что
12
|
f (x) |
lim |
F(x |
|
x) |
F(x) |
lim |
|
P(x |
X |
x |
x) |
. |
|||
|
|
|
x |
|
|
|
|
|
|
|
x |
|
||||
|
|
x 0 |
|
|
|
|
x 0 |
|
|
|
|
|
|
|||
Интерпретируя |
вероятность |
P(x X |
x |
x) |
|
как |
массу, |
приходящуюся на |
||||||||
интервал [x, x |
x) , отношение |
P(x |
X |
|
x |
|
x) |
представляет собой среднюю |
||||||||
|
|
x |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
плотность массы на |
этом |
интервале, |
а |
в пределе |
при |
x 0 получаем |
плотность массы в точке х. Это обстоятельство и оправдывает использование термина «плотность» для функции f (x) .
Формулы (2.3) и (2.5) показывают, что между функцией распределения F (x) непрерывной случайной величины и плотностью вероятностей f (x)
существует взаимно однозначное соответствие. Поэтому по аналогии с дискретным случаем плотность вероятностей можно называть законом распределения непрерывной случайной величины или непрерывным законом распределения.
Свойства плотности вероятностей
f1). Плотность вероятностей f (x) является функцией неотрицательной:
f (x) |
0 для любого x |
. |
▲ Поскольку функция |
распределения |
F (x) является функцией |
неубывающей, то ее производная F (x) 0 . Поэтому свойство следует из равенства (2.5) ■.
f2). Площадь под графиком плотности вероятностей f (x) равна единице:
f (x)dx 1 - условие нормировки.
▲ Из представления (2.3) |
следует, что |
f (x)dx F( ) , |
а |
в |
|
соответствии со свойством F2) функции распределения F ( ) |
1 ■. |
|
|
||
f3). Вероятность попадания |
непрерывной случайной |
величины |
X |
в |
интервал [a,b) определяется как интеграл от плотности вероятностей по этому
интервалу: для любых a,b |
: a |
b |
|
|
b |
P(a |
X |
b) f (x)dx . (2.6) |
a
▲ Поскольку в соответствии со свойством F6) функции распределения
P(a X b) F (b) F (a) , то данное |
свойство |
непосредственно вытекает из |
|
представления (2.3): |
|
|
|
b |
|
a |
b |
P(a X b) F(b) F(a) |
f (x)dx |
f (x)dx |
f (x)dx ■. |
a
13
Следствие. Для непрерывной случайной величины X
P(a X b) P(a X b) P(a X b) P(a X b)
и все вероятности определяются с помощью интеграла (2.6).
Графическая иллюстрация функции распределения и плотности вероятностей непрерывной случайной величины.
f (x)
P(a X b)
F(x)
x
0 x а b
Площадь под графиком f (x) равна 1.
2.5.Важнейшие непрерывные случайные величины
1.Равномерная случайная величина.
Говорят, что непрерывная случайная величина X имеет равномерный закон распределения (равномерное распределение) на отрезке [a,b] , если множество ее возможных значений [a,b] , а плотность вероятностей постоянна на этом отрезке:
f (x)
C , x [a,b]; 0 , x [a,b].
Константа С при этом однозначно определяется из условия нормировки:
b |
|
|
1 |
|
|
1= f (x)dx Cdx |
C(b |
a) , то есть C |
. |
||
|
|||||
b a |
|||||
a |
|
|
|
|
|
Таким образом, равномерно распределенная случайная величина имеет |
|||||
плотность вероятностей: |
|
|
|
|
|
|
1 |
, x [a,b]; |
|
|
|
f (x) |
|
|
|
||
b a |
|
|
|||
|
0 , x |
[a,b], |
|
|
и для нее используется сокращенное обозначение: X R[a,b] .
Найдем функцию распределения F x случайной величины X R[a,b] . Для этого рассмотрим три случая:
14
|
x |
|
x |
|
|
|
|
|
|
|
|
|
|
|
||
а) если x |
a , то F(x) |
f (u)du |
|
0du |
0 ; |
|
|
|
|
|
|
|
|
|||
|
|
x |
|
|
a |
|
|
x |
1 |
|
|
x |
a |
|
||
б) если x |
a,b ,то F(x) |
f (u)du |
0du |
|
|
du |
|
; |
||||||||
a b |
a |
|
b |
a |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
|
x |
|
a |
|
b |
1 |
|
|
x |
|
|
|
|
|||
в) если x |
b , то F(x) |
f (u)du |
|
0du |
|
|
|
du |
|
0du |
1. |
|||||
a b a |
b |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||
Окончательно имеем: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
0, |
x |
a; |
|
|
|
|
|
|
|
|
|||
|
|
F (x) |
|
x a |
, x [a,b]; |
|
|
|
|
|
||||||
|
|
|
b |
a |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 , x b.
Графики плотности вероятностей и функции распределения случайной величины X R[a,b] имеют вид:
f (x)
1
ва
а |
b |
В точках x |
a, x b плотность вероятностей f (x) имеет разрыв. |
F(x)
1
а |
b |
В точках x a, |
x b производная F (x) не существует. |
2. Показательная (экспоненциальная) случайная величина. |
|
Говорят, |
что непрерывная случайная величина X имеет показательный |
закон распределения (показательное, экспоненциальное распределение), если
множество ее возможных значений |
[0, |
) , а плотность вероятностей имеет |
|
вид: |
|
|
|
f (x) |
0 , x |
0; |
|
e x |
, x 0. |
||
|
15
Число 0 называется параметром показательного закона распределения, а для показательной случайной величины используется сокращенное обозначение: X E( ) .
Проверим условие нормировки:
f (x)dx |
e x dx |
e x |
|
|
0 |
|
|
|
0 |
|
|
1 при любом |
0 . |
Найдем функцию распределения случайной величины X E( ) . Для этого рассмотрим два случая:
|
|
x |
x |
|
|
|
а) если x |
0 , то F(x) |
f (u)du |
0du |
0 ; |
|
|
|
|
x |
0 |
|
x |
|
в) если x |
0 , то F(x) |
f (u)du |
0du |
e |
u du 1 e x . |
|
|
|
|
|
|
0 |
|
Окончательно имеем: |
|
|
|
|
||
|
|
F (x) |
0, |
x |
0; |
|
|
|
1 |
e |
x , x |
0. |
|
|
|
|
Графики плотности вероятностей и функции распределения случайной величины X E( ) имеют вид:
f (x)
0 |
x |
|
|
В точке x 0 плотность вероятностей f (x) имеет разрыв. |
|
F(x)
1
0 |
x |
|
|
В точке x 0 производная F (x) |
не существует. |
3. Нормальная (гауссовская) случайная величина. |
|
Говорят, что непрерывная |
случайная величина X имеет нормальный |
закон распределения (нормальное, гауссовское распределение) с параметрами
16
(a, 2 ) , если множество ее возможных значений |
|
( , ) , а плотность |
|||||||||||
вероятностей имеет вид: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
( x a)2 |
|
|
|
|
|
||||
f (x) |
|
e |
2 |
2 |
, |
a |
, |
0 . |
|||||
|
|
|
|
|
|
|
|||||||
2 |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||
Сокращенное обозначение нормальной случайной величины: |
|||||||||||||
|
|
|
|
|
|
|
X N(a, |
2 ) . |
|
|
|||
Кривая плотности вероятностей имеет симметричный вид относительно |
|||||||||||||
прямой x a и имеет максимум в точке x a . |
|
|
|
||||||||||
|
|
|
|
f (x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
0 а x
Проверим условие нормировки:
|
|
|
|
|
( x a)2 |
|
|
|
|
|
|
|
u2 |
|
|
|
||
|
1 |
|
|
x a |
1 |
|
|
2 |
|
|
||||||||
|
|
e 2 2 dx u |
|
|
|
|
|
|
|
|||||||||
f (x)dx |
|
|
e 2 dx |
|
1 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||
2 |
|
2 |
2 |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
для любых значений параметров а и 2 (при этом использовался известный в
u2 |
|
анализе факт, что e 2 dx |
2 - интеграл Пуассона). |
В зависимости от изменения параметров плотность вероятностей нормального закона распределения меняется следующим образом.
Если параметр 2 фиксирован, то при изменении а кривая f (x) , не
изменяя своей формы, просто смещается вдоль оси абсцисс. Таким образом, параметр а является параметром сдвига (положения). Также параметр а характеризует среднее значение случайной величины.
f (x)
а1 |
а2 |
x |
17
Изменение |
2 при фиксированном а равносильно изменению масштаба |
||||||||||||||
кривой f (x) |
по |
обеим |
осям: при увеличении |
2 |
плотность вероятностей |
||||||||||
становится более плоской, растягиваясь вдоль оси абсцисс; при уменьшении |
2 |
||||||||||||||
|
|||||||||||||||
- вытягивается вверх, |
одновременно |
сжимаясь |
с боков (эффект действия |
||||||||||||
условия нормировки). Таким образом, параметр |
2 |
|
является параметром |
||||||||||||
|
|
||||||||||||||
масштаба. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f (x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
Также параметр |
2 характеризует степень разброса значений случайной |
||||||||||||||
величины около среднего значения а в следующем смысле. Чем меньше |
2 , тем |
||||||||||||||
больше при фиксированном l вероятность вида P( |
X |
a |
|
|
l) , как площадь под |
||||||||||
плотностью вероятностей или, другими словами, тем при меньшем l |
можно |
||||||||||||||
получить заданную вероятность вида |
|
|
|
l) . |
Это означает, что при |
||||||||||
P( |
X a |
|
|
||||||||||||
уменьшении |
2 |
значения случайной |
величины |
X |
N(a, 2 ) более |
плотно |
группируются около а, то есть степень разброса значений случайной величины около среднего значения а меньше.
Если a 0 и |
2 |
1, то нормальный |
закон распределения называется |
||||||
|
|||||||||
стандартным, его плотность вероятностей имеет вид: |
|||||||||
|
|
|
|
1 |
|
|
x2 |
|
|
|
|
f (x) |
|
|
e 2 |
, |
x |
||
|
|
|
|
|
|||||
|
|
|
|
|
|||||
|
|
2 |
|||||||
|
|
|
|
|
|
|
|
|
и называется функцией Гаусса.
Функция распределения случайной величины X N (0,1) имеет вид:
|
|
1 |
x |
|
u2 |
|
|
(x) |
|
|
å 2 du |
|
|||
|
|
|
|
||||
|
|
|
|
||||
2 |
|
|
|||||
|
|
|
|
|
|
|
|
и не выражается в элементарных |
функциях. Функцию |
(x) называют |
|||||
функцией Лапласа (или интегралом вероятностей). |
|
||||||
Геометрическая иллюстрация. |
|
|
|
|
|
|
18
f (x)
|
1 |
|
|
x2 |
|
|
e 2 |
||
|
|
|
||
|
|
|
||
|
2 |
|||
|
|
|
|
Ф(x)
0 |
x |
x |
|
|
Свойства функции Лапласа (x) :
1.(0) 12 ;
2.( x) 1 (x) для x 0 .
Значения функции Лапласа |
(x) для x |
|
0 табулированы. |
|
|
|
|
|||||||||||||||||||||||||||||||||||
Функция |
распределения случайной |
величины |
|
|
X |
N(a, 2 ) также |
||||||||||||||||||||||||||||||||||||
выражается через функцию Лапласа |
|
(x) : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x a |
|
|
|
|
|
|
|
|
|
|||
|
|
1 |
x |
(u a)2 |
|
|
|
|
|
|
|
u a |
|
|
|
|
|
1 |
|
|
|
|
|
|
z2 |
|
|
|
x a |
|
|
|||||||||||
|
|
e 2 2 du |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
||||||||||||||||||
F (x) |
|
z |
|
|
|
|
|
|
|
|
|
|
|
e 2 dz |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Вероятность попадания случайной величины |
|
X |
|
|
N(a, |
2 ) в заданный |
||||||||||||||||||||||||||||||||||||
интервал x1, x2 |
определяется по формуле: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
P(x1 |
X |
|
x2 ) |
|
|
|
|
|
|
|
x2 |
a |
|
|
|
|
|
|
|
x1 |
|
a |
. |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Наиболее просто выражается через функцию Лапласа вероятность |
||||||||||||||||||||||||||||||||||||||||||
попадания случайной величины X N(a, |
2 ) |
|
|
|
в |
интервал |
длины |
2l , |
||||||||||||||||||||||||||||||||||
симметричный относительно точки x |
|
|
a : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
P(a l X a l) P( |
|
X a |
|
l) |
|
|
a |
|
l |
|
|
|
a |
|
|
|
|
|
|
a |
l |
a |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
l |
|
|
|
|
|
|
|
|
|
l |
2 |
|
|
|
|
l |
|
|
|
|
1. |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Далее, если положить l |
3 |
и учесть, что |
|
|
(3) |
|
0,9987 , то получаем: |
|
||||||||||||||||||||||||||||||||||
P(a |
|
X |
a 3 |
|
|
|
a |
|
|
|
|
|
|
|
|
1 0,9974 . |
|
|
||||||||||||||||||||||||
2 |
) |
P( |
X |
|
|
3 |
) |
|
2 |
(3) |
|
|
|
|
||||||||||||||||||||||||||||
Полученный результат носит название «Правило трех сигма». Он |
||||||||||||||||||||||||||||||||||||||||||
означает, что «практически все» |
значения случайной величины |
X N(a, |
2 ) |
|||||||||||||||||||||||||||||||||||||||
находятся внутри интервала (a |
3 |
|
|
, a |
3 |
) |
|
|
в |
|
том смысле, что вероятность |
|||||||||||||||||||||||||||||||
случайной величине |
X |
N(a, 2 ) |
принять значение, не принадлежащее этому |
|||||||||||||||||||||||||||||||||||||||
интервалу, пренебрежимо мала ( |
0,0026 ). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
19
Геометрическая иллюстрация «Правила трех сигма».
f (x)
0, 9974
0, 0013 |
|
|
|
|
0, 0013 |
|
|
|
|
|
|
|
|
|
|
|
а |
|
|
x |
|
|
|
|
|
||
|
а 3 |
а 3 |
||||
|
|
|
Нормальный закон распределения очень распространен и имеет чрезвычайно большое значение для практики. В этом мы убедимся, когда познакомимся с центральной предельной теоремой.
5. Случайная величина, имеющая закон распределения Коши.
Говорят, что |
непрерывная |
|
случайная |
величина X |
имеет |
закон |
||||||||||||
распределения Коши, если множество ее возможных значений |
( , |
) , а |
||||||||||||||||
плотность вероятностей имеет вид: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
f (x) |
1 |
. |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
(1 x2 ) |
|
|
|
|
|
|
|
||||||
Функция распределения случайной величины, распределенной по закону |
||||||||||||||||||
Коши, имеет вид: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
1 |
x |
du |
|
|
|
1 |
|
|
|
x |
1 |
|
|
|
|
|
F(x) |
f (u)du |
|
|
|
|
|
arctgu |
|
(arctgx |
|
) . |
|
||||||
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
1 |
u2 |
|
|
|
|
2 |
|
|
|||||||
|
|
|
|
|
|
|
|
Графики плотности вероятностей и функции распределения случайной величины, распределенной по закону Коши, выглядят следующим образом:
f (x) 1
0
F(x)1
1
2
x
0
x
20