- •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
2.3.2 Числовые характеристики непрерывного распределения
Числовые характеристики для непрерывных случайных величин име-
ют тот же смысл, что и для дискретных, и подразделяются на характеристи-
ки положения (математическое ожидание, медиана, мода), характеристики
рассеяния (дисперсия, стандартное отклонение, интерквартильный размах)
и характеристики формы (коэффициенты асимметрии и эксцесса).
Определение математического ожидания. Математическим
ожиданием mxнепрерывной случайной величины X называется действи-
тельное число, определяемое как абсолютно сходящийся интеграл вида
+∞
∫
M (X ) = mx=
−∞
x f (x)dx.
Если для некоторой случайной величины интеграл расходится, то для неё
математическое ожидание не существует и необходимо искать другие ха-
рактеристики положения. В этом случае не существуют также дисперсия и
среднее квадратическое отклонение, которые определяются с использованием
математического ожидания. Основные свойства оператора математического
ожидания M (X ) , приведенные ранее для дискретных случайных величин,
сохраняются для непрерывных случайных величин.
Пример. Покажем, что для распределения Коши, задаваемого плот-
ностью f (x) =1
π(1+x2), x∈ R , математическое ожидание не существует.
Действительно, по определению, математическое ожидание равно:
+∞
+∞
+∞
mx=
∫
−∞
x f (x)dx =
∫
−∞
x dx
π(1 + x2)
=
1
2 π
53
∫
−∞
d(1 + x2)
1 + x2
=
1
2 π
ln(1 + x2)|+−∞∞.
Так как натуральный логарифм стремится к бесконечности при стремлении
аргумента к бесконечности, то данный несобственный интеграл расходится и
математическое ожидание не существует, что и требовалось показать.
Определение медианы непрерывного распределения. Медиана
hxнепрерывной случайной величины X всегда существует, делит область
значений случайной величины на две равные по вероятности части и опре-
деляется из любого из двух условий:
1) P (X < hx) = P (X ≥ hx); 2)F (hx) = 0, 5 .
Переходя в первом определяющем условии от вероятностей к функции
распределения, получим равенство F (hx) = 1 − F (hx) . Отсюда следует, что
медиана является решением уравнения F (hx) = 0, 5 .
Далее, всегда справедливо равенство P (X < hx) = 1 − P (X ≥ hx) . Из
второго условия F (hx) = 0, 5 получим P (X ≥ hx) = 0, 5 , т. е. выполняется
первое условие P (X < hx) = P (X ≥ hx) .
Если некоторая непрерывная случайная величина не имеет математиче-
ского ожидания, то в качестве характеристики центра распределения обычно
выбирают медиану или моду распределения.
Определение моды непрерывного распределения. Модой dxслу-
чайной величины X непрерывного типа называется точка локального мак-
симума функции плотности распределения вероятностей f (x) .
Если имеется только одна мода, то распределение называют унимо-
дальным , а мода является наиболее вероятным значением случайной вели-
чины. Если непрерывное распределение имеет более чем одну моду, то его
называют мультимодальным распределением. Отметим, что для некото-
рых распределений мода может не существовать.
В более подробных руководствах показано, что математическое ожи-
дание новой случайной величины ϕ(X ) , являющейся функцией исходной
непрерывной случайной величины X (ω) , вычисляется по формуле:
+∞
∫
M (ϕ(X )) =
−∞
ϕ(x) f (x)dx.
Эта теорема позволяет сформулировать определение дисперсии непрерывной
случайной величины в том же виде, что и для дискретной случайной вели-
чины, конкретизируя только формулу вычисления дисперсии.
Определение дисперсии непрерывного распределения.
Дисперсия Dxнепрерывной случайной величины X определяется как ма-
тематическое ожидание квадрата центрированной случайной величины и
54
рассчитывается как сходящийся несобственный интеграл следующего вида:
+∞
∫
Dx= D(X ) = M (X − mx)2= (x − mx)2f (x)dx.
−∞
Определение стандартного отклонения. Стандартным отклоне-
нием называют арифметическое значение корня из дисперсии σx=
√
Dx.
Из сформулированных определений, доказанных ранее свойств опера-
тора математического ожидания и линейных свойств интеграла следует, что
свойства дисперсии и стандартного отклонения являются общи-
ми для дискретных и непрерывных случайных величин.
Определение квантиля непрерывного распределения.
Квантилем порядка p непрерывного распределения называется дей-
ствительное число xp, определяемое из уравнения F (xp) = p .
Значение квантиля xpнаходится единственным образом, если функция
распределения F (x) строго возрастает на некотором промежутке. Тогда на
этом промежутке для функции распределения F (x) существует обратная
функция F −1(p) и квантиль xpнаходится как значение обратной функции
в точке p , т. е. xp= F −1(p) .
Среди квантилей чаще всего используются медиана и квартили рас-
пределения. Квантиль порядка p = 0, 5 , как следует из приведенных выше
определений, является медианой, т. е. x0,5=hx.
Нижним квартилем x0,25 называют квантиль уровня p = 0, 25 , а
верхним квартилем x0,75 квантиль уровня p = 0, 75 . Отсюда следует,
что нижний квартиль x0,25 находится как решение уравнения F (x) = 0, 25 ,
а верхний квартиль x0,75 как решение уравнения F (x) = 0, 75 .
Определение интерквартильного размаха. Интерквартильным
размахом w0,5 называется разность между верхним x0,75 и нижним x0,25
квартилями, т. е. положительное число
w0,5=x0,75 − x0,25.
Для симметричных относительно медианы распределений положитель-
ную величину Ex, равную половине интерквартильного размаха называют
серединным или вероятным отклонением и вычисляют по формуле
Ex= w0,5/2 = (x0,75 − x0,25)/2.
На отрезке [x0,25, x0,75]сосредоточена пятидесятипроцентная доля рас-
пределения, а интерквартильный размах или серединное отклонение исполь-
55
зуются как характеристики рассеяния, особенно в тех случаях, когда диспер-
сия и стандартное отклонение не существуют.
Начальные и центральные моменты для непрерывных случай-
ных величин определяются с помощью оператора математического ожида-
ния в тех же формулировках, что и для дискретных случайных величин.
Отличие состоит в том, что в формулах вычисления указанных моментов
суммы заменяются соответствующими интегралами, которые должны быть
абсолютно сходящимися. Если же какой-либо из интегралов не сходится, то
соответствующий момент не существует.
Коэффициенты асимметрии axи эксцесса exтакже определя-
ются аналогично дискретному случаю. Коэффициент асимметрии равен нулю
для симметричных относительно медианы и унимодальных функций плот-
ности распределения вероятностей. Если же плотность унимодального рас-
пределения имеет пологую часть справа от моды, а крутую часть слева, то
ax> 0 . В обратном случае ax< 0 . Коэффициент эксцесса является характе-
ристикой островершинности плотности распределения. Для нормального рас-
пределения коэффициент эксцесса равен нулю; для плотности распределения
более островершинной, чем нормальное ex> 0 ; для плотности рапределения
менее островершинной ex< 0 .