- •По дисциплине
- •Аннотация
- •Раздел 1. Основные понятия теории вероятностей
- •Тема 1. Пространство элементарных исходов и события.
- •Тема 2. Классическое определение вероятности
- •По определению полагается
- •Тема 3. Геометрическое определение вероятности
- •Тема 4. Теоремы сложения и умножения вероятностей
- •Тема 5. Формулы полной вероятности и байеса
- •Тема 6. Схема бернулли.
- •Тема 7. Дискретные случайные величины
- •Тема 8. Непрерывные случайные величины
Тема 8. Непрерывные случайные величины
Случайная величина ξ называется непрерывной, если ее функция распределения F(х) = P{ < x} непрерывна и дифференцируема для всех хR, за исключением, быть может, конечного или счетного числа точек.
Функция
р(х) = F '(х) = (8.1)
называется плотностью распределения (вероятностей) непрерывной с.в. ξ.
Закон распределения непрерывной с.в. может задаваться, наряду с ее функцией распределения F(х), также и плотностью распределения р(х), поскольку, исходя из плотности распределения р(х), можем найти ф.р. F(х) по формуле
F(х) = (8.2)
Функция распределения F(x) непрерывной с.в. обладает свойствами, аналогичными свойствам функции распределения дискретной с.в. (кроме свойства 30):
10) определена при всех xR и 0 F(x) 1;
20) является неубывающей функцией:
если x1 < x2, то F(x1) F(x2);
30) является непрерывной функцией:
для всех x0R;
40) удовлетворяет предельным соотношениям:
.
Плотность распределения р(х) обладает следующими основными (характеристическими) свойствами.
1. Плотность распределения является неотрицательной функцией:
р(х) 0 для всех х R. (8.3)
2. Площадь фигуры, ограниченной графиком плотности распределения и осью абсцисс, равна единице:
(8.4)
Теорема. Пусть непрерывная с.в. ξ имеет плотность распределения р(х) и функцию распределения F(х). Обозначим через <х1, х2> один из интервалов (конечный или бесконечный) вида [х1, х2], [х1, х2), (х1, х2], (х1, х2). Тогда
Р{ξ<х1, х2>} = F(х2) – F(х1) = (8.5)
Замечание. Из этой теоремы вытекает, в частности, что если плотность распределения р(х) с.в. ξ нулевая (или функция распределения F(х) постоянна) на некотором интервале <х1, х2>, то с.в. ξ не принимает там значений: P{<x1, x2>} = 0.
Рис.8.1. Графическая интерпретация
вероятности P{< x1, x2 >}
Вторая часть формулы (8.5) имеет следующий геометрический смысл: вероятность P{<x1, x2>} равна площади криволинейной трапеции, ограниченной графиком плотности распределения p(x), осью абсцисс и прямыми x = x1, x = x2 (на рис. 8.1 заштрихованная область).
Математическим ожиданием (средним значением) непрерывной с.в. ξ с плотностью распределения р(х) называется величина
. (8.6)
При этом предполагается, что интеграл в правой части формулы (8.6) абсолютно сходится, т.е.
. (8.7)
В противном случае говорят, что математического ожидания у с.в. ξ не существует.
В частности, если все возможные значения непрерывной с.в. ξ принадлежат конечному интервалу (a,b), т.е.p(x) = 0 приx (a,b), то условие (8.7) выполняется и всегда существует
. (8.8)
Дисперсией непрерывной с.в. ξ называется величина Dξ, определяемая равенством
,(8.9)
или равносильным равенством
.(8.10)
В частности, если все возможные значения непрерывной с.в. ξ принадлежат интервалу (a, b), то
,(8.11)
или
.(8.12)
Среднее квадратическое (или стандартное) отклонение непрерывной с.в. определяется так же, как и для дискретной с.в.: .
Математическое ожидание и дисперсия непрерывных с.в. обладают теми же свойствами, что и для дискретных с.в. (см. тему 7).
Пример 8.1. При изучении некоторого признака исследователь предположил, что ошибка (мм) результатов наблюдений над этим признаком является случайной с плотностью распределения
1). При каком значении С исследователь будет прав? Построить график плотности распределения.
2). Найти функцию распределения с.в. и построить её график.
3). Определить вероятность того, что с.в. примет значение:
a) меньше 2; b) из промежутка [ – 1; 3]; c) положительное.
Проиллюстрировать вероятности п.п. a), b) и c) на графике плотности распределения.
4). Вычислить математическое ожидание (среднее значение) М, дисперсию D и среднее квадратическое (стандартное) отклонение ().
Решение. 1). Исследователь будет прав, если функция p(x) удовлетворяет характеристическим свойствам (8.3) и (8.4) плотности распределения. Очевидно, условие (8.3) неотрицательности p(x) будет выполнено, если С 0.
В силу свойства (8.4) плотности распределения должно быть выполнено равенство
,
откуда С = 1/24.
Таким образом, плотность распределения с.в. имеет вид
р(х) =
График функции р(х) представлен на рис. 8.2.
2). Для нахождения ф.р. F(х) с.в. воспользуемся формулой (8.2).
а) Если х < –2, то р(х) = 0 и, следовательно,
F(х) =
b) Если –2 х 4, то и, следовательно,
.
c) Если х > 4, то р(х) = 0 и, следовательно,
.
Таким образом, искомая функция F(х) имеет вид
График функции F(х) изображен на рис. 8.2.
Рис.8.2. Плотность и функция распределения с.в.
3). I способ (с помощью плотности распределения). Используя вторую часть формулы (8.5) и вид плотности распределения p(x), получаем:
a)
;
b)
;
c) .
Графическое представление вероятностей a), b) и c) приведено на рис. 8.3.
Рис. 8.3.Графическая иллюстрация вероятностей п.п.a), b) и c)
II способ (с помощью функции распределения). Используя первую часть формулы (8.5) и вид функции распределения F(x), находим:
a) P{ < 2} = F(2) = (23 + 8)/72 = 0,222;
b) P{[– 1; 3]} = F(3) – F(– 1) = (33 + 8)/72 – ((– 1)3 +8)/72 = 0,389;
c) P{ >0} = P{0 < < } = F() – F() = 1 – 8/72 = 0,889.
4). Поскольку все возможные значения с.в. ξ принадлежат интервалу [–2; 4] ( p(x) = 0 приx [–2; 4]), то в силу формулы (8.8) имеем
(мм).
Для нахождения дисперсии D вычисляем вначале
(мм2).
Тогда Dξ = М(ξ2) – (Мξ)2 = 8,8 – (2,5)2 = 2, 55 (мм2) и () = = 1,597 (мм).
Пример 8.2. Случайная величина имеет плотность распределения
1). Определить неизвестную постоянную С и построить график функции p(x).
2). Найти функцию распределения с.в. и построить её график.
3). Определить вероятность того, что с.в. примет значение:
a) меньше 2; b) из промежутка [ – 1; 3]; c) положительное.
Проиллюстрировать вероятности п.п. a), b) и c) на графике плотности распределения.
4). Вычислить математическое ожидание (среднее значение) М, дисперсию D и среднее квадратическое (стандартное) отклонение ().
Решение. 1). Значение постоянной С найдем из условия (8.4) нормировки плотности распределения:
,
откуда С = 1/10.
Теперь плотность распределения p(x) определена полностью:
График этой функции изображен на рис.8.3.
2). Функцию распределения F(x) с.в. найдем по формуле (8.2).
а) Если x < – 2, то p(x) = 0 и, следовательно, .
b) Если – 2 x < 0, то p(x) = – 0,1 x и
.
с) Если 0 x 4, то p(x) = 0,1 x и
.
d) Если х > 4, то р(х) = 0 и
.
Таким образом, искомая функция F(х) имеет вид
График функции F(x) приведен на рис.8.4.
Рис.8.4. Плотность и функция распределения с.в.
8.3. В некоторых странах действует о налогообложении, который распространяется на тех физических лиц, годовой доход которых превосходит некоторый установленный законом уровень (скажем 25 тысяч у.е.). Рассматривается непрерывная с.в. , равная годовому доходу наудачу выбранного лица, облагаемого доходом, которая имеет функцию распределения
1) Найти неизвестный параметр C и построить график функции F(x).
2) Вычислить средний годовой доход лиц, облагаемых налогом.
3) Определить вероятность того, что у наудачу выбранного лица, облагаемого доходом, доход больше, чем средний годовой доход подобных лиц.
4) Чему равна дисперсия с.в. ?
Решение. 1) Поскольку функция распределения F(x) должна быть непрерывной (рассматривается непрерывная с.в. ), то должно выполняться равенство
, откуда C = 625.
2) Так как
то
По формуле (8.8) получаем
(тыс. у.е.).
3) Искомую вероятность P{ > M} = P{ > 50} найдем с помощью первой части формулы (8.5):
P{ > M} = P{ 50 < <} = F() – F(50) = 1 – (1 – 625/(50)2) = 0,75.
4) Для нахождения дисперсии D вычислим вначале
.
Следовательно, Dξ = М(ξ2) – (Мξ)2 = – 502 = , т.е. дисперсии у с.в. не существует.
8.4. Плотность распределения случайной величины имеет вид
Выполнить п.п. 1) – 4) примера 8.2.
8.5. Закон распределения непрерывной случайной величины задан функцией распределения
,
где a и b – неизвестные постоянные.
1). Исходя из свойств функции распределения, определить неизвестные постоянные a, b и построить график функции F(x).
2). Найти плотность распределения p(x) и построить её график.
3). Определить вероятность того, что с.в. примет значение:
a) отрицательное; b) из промежутка [– 1; 1]; c) положительное.
Проиллюстрировать вероятности п.п. a), b) и c) на графике плотности распределения.
4). Существуют ли для данной с.в. математическое ожидание (среднее значение) и дисперсия D?
8.6. Из практики работы телеателье известно, что время (в днях) ремонта телевизоров является случайным с функцией распределения
1). Построить график функции распределения F(x).
2). Найти плотность распределения с.в. и построить её график.
3). Какова вероятность того, что в данном телеателье ремонта телевизора придется ожидать: a) не более пяти дней; b) больше недели?
4). Вычислить среднее значение, дисперсию и стандартное отклонение времени ремонта телевизоров в этом телеателье.
1)1) В дальнейшем данную операцию будем называть описанием пространства элементарных исходов испытания.