- •1 Случайные события
- •1.1 Основные понятия и определения
- •1.2 Аксиомы теории вероятностей
- •1.3 Классическая схема вычисления вероятностей
- •1.3.1 Декартово произведение множеств и правило умножения
- •1.3.2 Размещения и перестановки
- •1.3.3 Сочетания при выборе с возвращением и без возвращения
- •1.3.4 Схема упорядоченных разбиений множества
- •1.4 Геометрическая, статистическая и экспертная схемы расчета
- •1.4.1 Геометрическая схема вычисления вероятности
- •1.4.2 Статистическая схема вычисления вероятности
- •1.4.3 Схема вычисления субъективной вероятности
- •1.5 Условная вероятность. Независимость событий. Формулы сло-
- •1.6 Формула полной вероятности и формулы Байеса
- •2 Случайные величины
- •2.1 Cлучайная величина и ее функция распределения
- •2.2 Дискретная случайная величина
- •2.2.1 Дискретный закон распределения
- •2.2.2 Числовые характеристики дискретного распределения
- •2.2.3 Производящая функция вероятностей
- •2.2.4 Биномиальное распределение
- •2.2.5 Распределение Пуассона
- •2.2.6 Геометрическое распределение
- •2.3 Непрерывные случайные величины
- •2.3.1 Функция распределения и плотность распределения
- •2.3.2 Числовые характеристики непрерывного распределения
- •2.3.3 Равномерное распределение
- •2.3.4 Нормальное распределение
- •2.3.5 Показательное распределение
- •2.4 Функция от случайной величины
- •3 Случайные векторы
- •3.1 Общие свойства случайного вектора
- •3.2 Случайные векторы дискретного типа
- •3.3 Непрерывные случайные векторы
- •4 Предельные теоремы
- •4.1 Закон больших чисел
- •4.2 Центральная предельная теорема
- •5 Элементы математической статистики
- •5.1 Выборка и выборочные законы распределения
- •5.2 Точечные оценки числовых характеристик случайных величин
- •5.3 Интервальные оценки
- •5.4 Проверка статистических гипотез
2.3 Непрерывные случайные величины
2.3.1 Функция распределения и плотность распределения
Множеством значений случайной величины непрерывного типа явля-
ется некоторый числовой промежуток или вся числовая ось. Закон распре-
деления данной случайной величины удобно задавать с помощью плотности
распределения вероятностей аналогично плотности распределения вещества
в физике. Конкретными примерами случайных величин непрерывного типа
являются ошибки округления в вычислительной математике, результаты из-
мерений в физике и технике, время безотказной работы в теории надежности,
время ожидания в теории массового обслуживания.
Определение непрерывной случайной величины. Случайная ве-
личина X называется непрерывной, если её область значений является
промежутком на вещественной оси и существует такая неотрицатель-
ная, интегрируемая по Риману в бесконечных пределах функция f (x) , на-
зываемая плотностью распределения вероятностей, что для любого дей-
ствительного числа x можно определить функцию распределения вероят-
ностей F (x) с помощью интеграла следующего вида:
x
∫
F (x) =
−∞
f (t)dt.
Плотность распределения наглядно представляет законы распределе-
ния непрерывных случайных величин и позволяет легко отличать одно рас-
пределение от другого распределения.
51
Основные свойства плотности распределения вероятностей.
1. Плотность распределения вероятностей задана и неотрицательна
на всей числовой оси, т. е. f (x) ≥ 0, x ∈ R .
2. Для любой плотности распределения вероятностей выполняется
+∞
условие нормировки, т. е.
∫
−∞
f (x)dx = 1 .
Действительно, учитывая, что F (−∞) = 0, F (+∞) = 1 , получим
+∞
∫
f (x)dx = F (+∞) − F (−∞) = 1 − 0 = 1.
−∞
Условие нормировки часто используют для того, чтобы найти конкретное
значение константы, входящей в формулу некоторой неотрицательной, инте-
грируемой по Риману функции, и в дальнейшем рассматривать эту функцию
в качестве плотности распределения вероятностей.
3. Функция распределения непрерывной случайной величины являет-
ся непрерывной функцией. Если, дополнительно, плотность распределения
непрерывна в некоторой точке x , то функция распределения F (x) есть
первообразная f (x) , т. е. F (x) дифференцируема и справедливо равенство
F0(x) = f (x).
Свойство 3 следует из известной теоремы анализа о том, что интеграл с пере-
менным верхним пределом является непрерывной функцией. Если подынте-
гральная функция f (x) непрерывна в некоторых точках, то функция распре-
деления F (x) дифференцируема в данных точках, причем в точках непре-
рывности f (x) выполняется условие F0(x) = f (x) .
Таким образом, функция распределения случайной величины непре-
рывного типа F (x) является непрерывной функцией. Кроме того, на любом
промежутке непрерывности плотности распределения f (x) функция распре-
деления является первообразной плотности распределения.
4. Вероятность попадания непрерывной случайной величины на про-
межуток [a; b) может быть выражена как в виде приращения функции
распределения F (x) на отрезке [a; b] , так и в виде определенного интегра-
ла от плотности распределения f (x) , т. е.
P (a ≤ X < b) = F (b) − F (a) =
b
∫
f (t)dt −
a
∫
f (t)dt =
∫
b
f (x)dx.
−∞
52
−∞
a
В отличие от дискретного распределения для непрерывного распределения
не важен характер неравенств, задающих промежутки от точки a до точ-
ки b , так как вероятность ѕпопасть в точкуї в данном случае равна нулю.
Действительно, в силу непрерывности функции распределения непрерывной
случайной величины при всех x0∈ R справедливы равенства
P (X = x0) = lim
∆x→0
P {x0≤ X < x0+ ∆x} = lim [F (x0+ ∆x) − F (x0)] = 0.
∆x→0
Для функции распределения непрерывной случайной величины выпол-
няются все те свойства, которые справедливы для любой случайной вели-
чины. Дополнительно утверждается, что функция распределения непре-
рывной случайной величины является непрерывной функцией .