- •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
2.3.5 Показательное распределение
Определение показательного распределения. Случайная вели-
чина X называется распределённой по показательному или экспоненци-
альному закону с параметром λ > 0 , если она непрерывного типа и её
плотность распределения вероятностей задаётся формулой
f (x) = λe−λx,если x ≥ 0; f (x) = 0, если x < 0.
Данная функция неотрицательна и при любом допустимом значении
параметра λ удовлетворяет обязательному условию нормировки
+∞
∫
f (x)dx =
−∞
0
∫
−∞
0· dx+
+∞
∫
λe−λxdx=
0
+∞
λ ∫
e−λxd(λx) = −e−λx|+0∞ = 0+1 = 1 .
λ
0
65
С помощью показательного распределения моделируют время ожида-
ния в теории массового обслуживания или время безотказной работы в тео-
рии надёжности. На Рис. 10, для примера, представлен график плотности
экспоненциального закона распределения с параметром λ = 1 .
Рис. 10
Функция распределения показательного закона выражается через плот-
x
ность распределения по общей формуле F (x) =
x
∫
−∞
f (t) dt . Отсюда, при
x < 0 имеем F (x) =
0
∫
∫
−∞
0 · dt = 0 . Соответственно, при x ≥ 0 получим:
x x
∫ ∫
F (x) =
−∞
0 · dt +
0
λe−λtdt=
0
e−λtd(λt) = −e−λt|x0= 1 − e−λx.
Таким образом, функция распределения показательного закона имеет вид:
F (x) = 1 − e−λx,если x ≥ 0; F (x) = 0, если x < 0.
На Рис. 11 представлен график данной функции распределения при λ = 1 .
Математическое ожидание показательной случайной величины выра-
жается через параметр распределения λ > 0 следующим образом:
+∞
∫
x f (x)dx =
−∞
+∞
∫
x λe−λxdx= −x e−λx|+0∞+
0
66
+∞
∫
e−λxdx= 0 −
0
1
λ
e−λx|+0∞=
1
λ
.
Рис. 11
Медиана hxпоказательного распределения находится из уравнения
1 − e−λhx= 0, 5 с помощью следующих преобразований:
e−λhx= 0, 5; eλhx= 2; λhx= ln 2; hx= ln 2/λ.
Как видно из графика, плотность распределения имеет локальный мак-
симум в точке нуль, так что мода распределения равна нулю.
Таким образом, характеристики положения показательного распреде-
ления не совпадают между собой и имеют следующие значения:
mx=
1
λ
, hx=
ln 2
λ
, dx= 0.
Дисперсию показательного распределения удобно находить с помощью
формулы Dx= M (X2) − m2x , выполнив следующие преобразования:
M (X2) =
+∞
∫
x2f (x)dx =
+∞
∫
x2λe−λxdx= −x2e−λx|+0∞+ 2
+∞
∫
x e−λxdx=
−∞
0
0
= 0 +
2·1
λ λ
=
2
λ2
, Dx=
2
λ2
−1
λ2
=
1
λ2
.
Стандартное отклонение вычисляется как корень квадратный из дисперсии
в виде σx= 1/λ . Как видно, у показательного распределения мате-
матическое ожидание и стандартное отклонение одинаковы.
Нижний и верхний квартили показательного распределения находятся
67
как решения уравнений 1 − e−λx0,25 = 0, 25 , 1 − e−λx0,75 = 0, 75 в виде:
x0,25=
ln(4/3)
λ
, x0,75=
ln 4
λ
.
Отсюда, интерквартильный размах w0,5=x0,75 − x0,25 и серединное откло-
нение Ex= w0,5/2 для показательного распределения выражается через па-
раметр λ по формулам:
w0,5=
ln 4 − ln 4/3
λ
=
ln 3
λ
, Ex=
ln 3
2λ
.
Плотность показательного распределения имеет пологую часть справа
от моды, а крутую часть слева. Отсюда следует, что коэффициент асим-
метрии должен быть положительным. Непосредственные вычисления пока-
зывают, что в данном случае коэффициент асимметрии равен двум.
Коэффициент эксцесса является показателем островершинности плот-
ности распределения по сравнению с нормальным распределением. Для пока-
зательного распределения коэффициент эксцесса равен шести, так что данное
распределение резко отличается от нормального распределения.