- •1. Определение случайной величины. Виды случайных величин
- •2. Функция распределения вероятностей случайной величины и ее свойства
- •3. Закон распределения вероятностей дискретной случайной величины
- •4. Плотность распределения вероятностей непрерывной случайной величины
- •5. Типовые распределения дискретных случайных величин
- •5.1. Распределение Бернулли
- •5.2. Биномиальное распределение
- •5.3. Распределение Пуассона
- •5.4. Геометрическое распределение
- •5.5. Гипергеометрическое распределение
- •6. Математическое ожидание дискретной случайной величины
- •7. Дисперсия дискретной случайной величины
- •8. Среднее квадратическое отклонение
- •9. Математическое ожидание и дисперсия непрерывных случайных величин
- •10. Типовые распределения непрерывных случайных величин
- •10.1. Равномерное распределение
- •10.2. Нормальное (Гауссовское) распределение
- •10.3. Показательное распределение
- •11. Числовые характеристики случайных величин .
- •12. Функция одного случайного аргумента и ее распределение
- •13. Одинаково распределенные взаимно независимые случайные величины
- •14. Закон больших чисел
- •15. Центральная предельная теорема
- •16. Приложения.
- •17. Рекомендуемая литература.
D( X ) = ∞ò (x - M ( X ))2 f (x)dx.
− ∞
Так как D(X) = M(X2) – [M(X)]2, то можно использовать следующие формулы для вычисления дисперсии:
D( X ) = òb x2 f (x)dx - [M ( X )]2 или D( X ) = |
∞ò x2 f (x)dx - [M ( X )]2 . |
a |
− ∞ |
Замечание: Свойства математического ожидания и дисперсии дискретных случайных величин сохраняются и для непрерывных величин.
Среднее квадратическое отклонение непрерывной случайной величины определяется аналогично дискретному случаю:
σ ( X ) = D( X ) .
10. Типовые распределения непрерывных случайных величин
10.1. Равномерное распределение
Определение10.1: Распределение вероятностей называют равномерным, если на интервале, которому принадлежат все возможные значения случайной величины, плотность распределения сохраняет постоянное значение.
Пример. Шкала измерительного прибора проградуирована в некоторых единицах. Ошибку при округлении отсчета до ближайшего целого деления можно рассматривать как случайную величину X, которая может принимать с постоянной плотностью вероятности любое значение между двумя соседними целыми делениями. Таким образом, X имеет равномерное распределение.
Найдем плотность равномерного распределения f(x):
По условию, X не принимает значений вне интервала (a,b), поэтому f(x)=0 при x < a и x > b.
Найдем постоянную C из условия, что òb |
f (x)dx = 1. Тогда |
òb Cdx = 1. |
||||||
|
|
|
|
|
|
a |
|
a |
|
C = |
|
1 |
= |
1 |
|
|
|
Отсюда |
b |
|
(b - a) . |
|
|
|||
|
ò |
dx |
|
|
||||
|
|
|
|
|
|
a
Итак, искомая плотность вероятности равномерного распределения имеет вид:
ì 0 |
при |
x £ |
a, |
|||
ï |
1 |
|
|
|
||
f (x) = íï |
при |
a < x £ |
b, |
|||
|
b - a |
|||||
ï |
|
при |
x > |
b. |
||
ï |
0 |
|||||
î |
|
|
|
|
|
Функция распределения вероятностей равномерной случайной величины имеет вид:
ì 0 |
при |
x £ |
a, |
|
F(x) = íï |
( x - a) (b - a) |
при |
a < x £ b, |
|
ï |
1 |
при |
x > |
b. |
î |
21
Для случайной величины Х, равномерно распределенной в интервале (a, b), вероятность попадания в любой интервал (x1, x2), лежащий внутри интервала (a, b), равна:
P( x1 < X < x2 ) = |
x2 − x1 |
, то есть зависит от длины интервала, а не от того, где он расположен. |
|
b - a |
|||
|
|
График плотности равномерного распределения имеет вид:
Функция распределения равномерной случайной величины имеет вид:
Пример: Найдем математическое ожидание, дисперсию и среднее квадратическое отклонение непрерывной случайной величины X, распределенной равномерно в интервале
(a,b).
Решение: Учитывая плотность равномерного распределения, получаем:
|
|
|
|
|
b |
|
|
|
|
|
|
1 |
|
|
b |
|
|
x2 |
|
b |
b2 - |
a2 |
|
(b + a) |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
M ( X ) = ò |
xf (x)dx = |
|
|
|
ò xdx = |
|
|
= |
|
|
= |
|
|
|
. |
|
|
|
|
|||||||||||
|
|
|
|
(b - |
a) |
2(b - a) |
2(b - |
a) |
|
2 |
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
b |
|
2 |
f (x)dx - [M ( X )] |
2 |
|
1 |
b |
|
|
2 |
|
|
é |
a + bù 2 |
|
x3 |
|
|
|
b |
é a + bù 2 |
|
a2 |
+ ab + b2 |
|
é |
a + bù 2 |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
D( X ) = ò |
x |
|
|
= |
|
|
ò |
x |
|
dx |
- |
ê |
|
ú |
= |
|
|
|
|
|
- ê |
|
ú |
= |
|
|
|
- |
ê |
|
ú |
||
|
|
|
(b - a) |
|
2 |
3(b - |
a) |
|
|
2 |
|
|
3 |
2 |
|||||||||||||||||||
a |
|
|
|
|
|
|
a |
|
|
|
|
|
ë |
û |
|
|
a |
ë |
û |
|
|
|
|
ë |
û |
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
.
Окончательно, получим, что
D( X ) = |
(b - a)2 |
. |
|
|
|
|
|
|
|
|
||
12 |
|
|
|
(b - a) |
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
. |
||
|
|
|
|
|
|
(b - a)2 |
|
|||||
Среднее квадратическое отклонение σ ( X ) = |
|
|
|
= |
|
= |
3 |
|||||
|
D( X ) |
|||||||||||
|
12 |
6 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
Замечание: Например, если X – случайная величина, распределенная равномерно на
|
1 |
|
|
1 |
|
|
|
|
|
интервале (0,1), то M ( X ) = |
, D( X ) = |
, σ ( X ) = |
3 |
|
. |
||||
2 |
12 |
|
|||||||
6 |
10.2. Нормальное (Гауссовское) распределение
Определение10.2: Нормальным называют распределение вероятностей непрерывной случайной величины, которое описывается следующей плотностью вероятностей:
22
f (x) = |
|
1 |
|
e− |
( x− a)2 |
||
|
|
2σ 2 |
, где x, a R,σ > 0 . |
||||
|
|
|
|
||||
σ |
|
2π |
|||||
|
|
|
|
|
|
График функции f(x) имеет следующий вид:
График плотности нормального распределения называют нормальной кривой или кривой Гаусса.
Нормальное распределение определяется двумя параметрами: a и σ . Вероятностный смысл этих параметров таков: a есть математическое ожидание, σ - среднее квадратическое
отклонение нормального распределения, то есть M ( X ) = a и σ ( X ) = σ .
График функции распределения нормальной случайной величины имеет следующий
вид:
Замечание: Стандартным |
нормальным |
или |
нормированным |
называют нормальное |
|||||||||||||||||||||
распределение с параметрами a = |
0 |
и σ |
= 1. Например, если X – нормальная величина с |
||||||||||||||||||||||
параметрами a и σ , то U = |
( X − a) |
σ |
- стандартная нормальная величина, причем M (U ) = 0 |
||||||||||||||||||||||
и σ (U ) = 1. Плотность стандартного нормального распределения имеет вид |
|||||||||||||||||||||||||
|
|
|
ϕ (x) |
|
|
|
1 |
|
|
e− |
x2 |
|
|
|
|
|
|
||||||||
|
|
|
= |
|
|
|
|
2 |
. |
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
2π |
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Данная функция табулирована (см. приложение 1). |
|
|
|
|
|
|
|||||||||||||||||||
Функция распределения F(x) нормального распределения имеет вид: |
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
x |
( |
z− a)2 |
|
|||||||
|
|
F(x) = |
|
|
|
|
|
|
|
|
|
|
ò e− |
|
|
|
|
dz . |
|
||||||
|
|
|
|
|
|
|
|
|
|
|
2σ 2 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
σ |
|
|
2π |
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
− ∞ |
|
|
|
|
|
|
|||||||||
Функция распределения F0 (x) стандартного нормального распределения имеет вид: |
|||||||||||||||||||||||||
|
|
|
F (x) = |
1 |
|
|
|
|
|
|
x |
− |
z2 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
e |
2 |
dz . |
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
0 |
|
|
|
|
|
|
2π −ò∞ |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Замечание: F(x) = F0 ((x − a)σ ) .
23
Замечание: Вероятность попадания стандартной нормальной величины X в интервал (0 , x) можно найти, пользуясь функцией Лапласа Ф( x) :
Ф( x) = |
|
1 |
|
x |
− |
z2 |
|
|
|
ò e |
|
dz , |
|||
|
|
2 |
|||||
|
|
|
|
||||
2π |
|
||||||
|
|
0 |
|
|
|
и F0 ( x) = 0,5 + Ф( x) .
Функция Ф( x) табулирована (см. приложение 2).
Влияние параметров нормального распределения на форму нормальной кривой
Изменение величины параметра a (математического ожидания) не изменяет формы нормальной кривой, а приводит лишь к ее сдвигу вдоль оси Ox: вправо, если a возрастает, и влево, если a убывает:
Максимум функции плотности вероятностей нормального распределения равен |
1 |
|
. |
|
σ |
|
|
||
2π |
Отсюда следует, что с возрастанием σ максимальная ордината нормальной кривой убывает, а сама кривая становится более пологой, то есть сжимается к оси Ox; при убывании σ нормальная кривая становится более “островершинной” и растягивается в положительном направлении оси Oy:
Замечание: При любых значениях параметров a и σ площадь, ограниченная нормальной кривой и осью Ox, остается равной единице.
Вероятность попадания в заданный интервал нормальной случайной величины
Пусть случайная величина X распределена по нормальному закону. Тогда вероятность того, что X примет значение, принадлежащее интервалу (α , β ) , равна
β |
1 |
|
β |
(2σ 2 )dx . |
||
P(α < X < β ) = ò f ( x)dx = |
|
ò e− ( x− a)2 |
||||
|
|
|
||||
σ 2π |
||||||
α |
|
α |
|
24
Введем новую переменную z = |
(x - |
|
a) /σ . Отсюда, x = σ z + a , dx = σ dz |
|
Найдем новые пределы |
|||||||||||||||||||||||||||||||||||
интегрирования. Если x = α , то z = |
|
(α |
|
- a) /σ |
|
; если x = |
β , то z = |
(β - |
a) /σ . |
|
|
|||||||||||||||||||||||||||||
Таким образом, имеем |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P(α < X < β ) = |
|
1 |
|
|
( β − a) σ |
2 |
2 |
(σ dz) = |
|
|
|
1 |
|
|
|
0 |
|
2 |
|
|
|
|
1 |
|
( β − a) /σ |
2 |
|
|||||||||||||
|
|
|
|
|
|
|
ò e− z |
|
|
|
|
|
|
|
|
|
|
|
ò e− z |
|
|
2 dz + |
|
|
|
|
ò e− z |
|
2 dz = |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
σ 2π |
|
|
|
|
|
|
2π |
|
|
|
2π |
|
||||||||||||||||||||||||||||
|
(α − a) σ |
|
|
|
|
|
|
|
|
|
|
|
(α − a) /σ |
|
|
|
|
|
|
|
0 |
|
|
|||||||||||||||||
|
|
|
|
|
|
1 |
|
|
( β − a) σ |
|
2 |
|
|
|
|
|
|
1 |
|
|
|
|
(α − a) / σ |
|
2 |
|
|
|
|
|
|
|
|
|
||||||
|
|
= |
|
|
|
|
|
|
ò e− z |
|
2 dz - |
|
|
|
|
|
|
|
ò e− z |
|
2 dz. |
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
2π |
|
|
2π |
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
1 |
|
x |
|
|
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Пользуясь функцией Лапласа Ф(x) |
= |
|
|
ò e− |
|
|
dz , получим |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
2π |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
æ |
β - a ö |
æ |
α |
|
- |
a ö |
|
|
|
|
|
|
||||||||||
|
|
P(α < X < β ) = Фç |
|
|
|
|
÷ |
|
- Фç |
|
|
|
|
÷. |
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
σ |
|
|
|
σ |
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
|
ø |
è |
|
ø |
|
|
|
|
|
|
|
||||||||||
Пример. Случайная величина X распределена по нормальному закону с |
|
M ( X ) = 30 и |
||||||||||||||||||||||||||||||||||||||
σ ( X ) = 10 . Найти вероятность того, что случайная величина X примет значение, |
||||||||||||||||||||||||||||||||||||||||
принадлежащее интервалу (10,50) . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Решение: P(10 < X < 50) = |
æ 50 - 30 ö |
|
|
|
æ 10 - 30 ö |
|
|
= 2Ф(2). |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
Фç |
10 |
÷ |
- Фç |
|
10 |
÷ |
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
è |
|
ø |
|
|
|
è |
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
По таблице приложения 2 находим Ф(2) |
= |
|
0,4772. Отсюда искомая вероятность |
|||||||||||||||||||||||||||||||||||||
|
|
|
P(10 < |
|
X < |
|
50) = |
2× 0,4772 = 0,9544. |
|
|
|
|
|
|
|
Пример. Найти математическое ожидание случайной величины X , которая распределена по нормальному закону.
Решение: По определению математического ожидания непрерывной случайной
величины, |
|
|
|
|
|
|
M ( X ) = |
∞ò xf (x)dx = |
1 |
|
∞ò xe− ( x− a )2 2σ 2 dx . |
||
|
|
|
||||
σ 2π |
||||||
|
− ∞ |
|
− ∞ |
Введем новую переменную z = (x - a) /σ . Отсюда, x = σ z + a , dx = σ dz . Приняв во внимание, что новые пределы интегрирования равны старым, получим
M ( X ) = |
σ |
|
|
∞ò (σ z + a)e− z2 2 dz = |
|
1 |
|
∞ò σ ze− z2 2 dz + |
|
a |
|
∞ò e− z2 2 dz . |
|
|
|
|
|
|
|
|
|
||||
|
σ |
2π − ∞ |
2π |
|
− ∞ |
2π |
|
− ∞ |
Первое из слагаемых равно нулю (под знаком интеграла нечетная функция; пределы интегрирования симметричны относительно начала координат). Второе из слагаемых равно а
(интеграл Пуассона ∞ò e− z22 dz = 2π ).
− ∞
Замечание: При вычислении дисперсии нормальной случайной величины делается такая же замена переменных и применяется формула интегрирования по частям.
Правило трех сигм
25