- •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 Случайные величины
2.1 Cлучайная величина и ее функция распределения
Понятие случайной величины является одним из важнейших в теории
вероятностей, так как дает возможность сопоставлять элементарным исходам
вещественные числа. Это позволяет в дальнейшем применять для решения
конкретных задач хорошо развитые методы математического анализа.
Примерами случайных величин являются время безотказной работы в
теории надежности, результаты наблюдений в метрологии, количество де-
фектных изделий при контроле качества продукции.
Определение случайной величины.
Случайной величиной X (ω), ω ∈ Ω называют числовую функцию,
заданную на пространстве элементарных событий Ω и такую, что для
любого числа x множество вида {ω|X (ω) < x} является событием.
Случайные величины принято обозначать прописными (большими) бук-
вами из конца латинского алфавита X (ω) , Y (ω) , Z (ω) , а их возможные
значения соответствующими малыми буквами x, y, z .
Числовое значение x , которое приняла случайная величина при появ-
лении какого-либо случайного исхода ω ∈ Ω называют реализацией данной
случайной величины, а множество всех реализаций областью значений
случайной величины . Числовые множества из области значений случай-
ной величины являются событиями, только в том случае, когда их прообра-
зы являются событиями в пространстве Ω . Для обозначения числовых со-
бытий обычно используют записи (X < x) , (X = x) , a ≤ X < b и т. п., а
для обозначения соответствующих событий в пространстве Ω обозначения
{ω|X (ω) < x} , {ω|X (ω) = x} , {ω|a ≤ X (ω) < b} .
При решении практических задач случайные величины позволяют еди-
нообразно анализировать несколько числовых характеристик случайного экс-
перимента, используя при этом аппарат числовых функций. Например, у
каждого человека имеется много числовых характеристик: рост, возраст, вес
и так далее. Если мы выбираем человека случайно (например, из группы
студентов или из прохожих в метро), то случайными будут и значения его
характеристик. Чтобы подчеркнуть то обстоятельство, что некоторая, реги-
стрируемая по ходу опыта, числовая характеристика зависит от случайного
исхода и потому сама является случайной, её называют случайной величиной.
Полное вероятностное описание случайной величины вводится на осно-
ве понятия закона распределения или, более коротко, распределения.
29
Определение закона распределения. Законом распределения слу-
чайной величины называют правило, позволяющее найти вероятности со-
бытий, задавая их множествами из области значений случайной величины.
Универсальным законом распределения для любых случайных вели-
чин является функция распределения, обозначаемая FX(x) или F (x) , если
в данный момент рассматривается только одна случайная величина.
Определение функции распределения. Функцией распределения
случайной величины X называется вещественная функция, которая для
любого числа x ∈ R равна вероятности события {ω ∈ Ω|X (ω) < x} :
F (x) = P (X < x) = P {ω ∈ Ω|X (ω) < x}.
С помощью функции распределения можно вычислить вероятность по-
падания случайной величины не только на промежуток {X < x} , но и на
другие промежутки числовой оси. В частности, справедлива теорема.
Теорема 4 (о вероятности попадания на промежуток [a, b) ). Для лю-
бых вещественных чисел a < b вероятность попадания случайной величи-
ны X (ω) на промежуток [a, b) равна приращению функции распределения
F (x) на отрезке [a, b] , т. е. справедлива формула
P (a ≤ X < b) = F (b) − F (a).
Доказательство. Представим событие {X (ω) < b} в виде суммы несовмест-
ных событий {X (ω) < a} и {a ≤ X (ω) < b} . Тогда по формуле сложения
вероятностей двух несовместных событий получим
P {X (ω) < b} = P {X (ω) < a} + P {a ≤ X (ω) < b}.
Отсюда и определения функции распределения следует выводимая формула.
Найдем вероятность того, что случайная величина находится правее
или в точке a . Представим достоверное событие Ω в виде суммы двух несов-
местных событий {X (ω) < a} и {X (ω) ≥ a} . Используя аксиому сложения
вероятнстей получим формулу P (X (ω) < a) + P (X (ω) ≥ a) = P (Ω) . Учи-
тывая, что P (Ω) =1 и определение функции распределения, получим
P (X ≥ a) = 1 − F (a).
Функция распределения обладает следующими свойствами.
Теорема 5 (основные свойства функции распределения).
30
1. Функция распределения существует для любых случайных величин и
задана на всей числовой оси по формуле F (x) = P (X (ω) < x), x ∈ R .
2. Возможные значения функции распределения лежат в диапазоне от
нуля до единицы, т. е. 0 ≤ F (x) ≤ 1, −∞ < x < ∞.
3. F (x) неубывающая функция на всей числовой оси.
4. F (x) непрерывна слева.
5. F (−∞) = lim
x→−∞
Доказательство.
F (x) = 0, F (+∞) = lim
x→+∞
F (x) = 1 .
1. Свойство 1 следует непосредственно из определения функции распреде-
ления.
2. Свойство 2 справедливо, так как функция распределения определяется
через вероятности событий, а любые вероятности всегда находятся в диа-
пазоне от нуля до единицы.
3. Другими словами свойство 3 формулируется следующим образом. Функ-
ция распределения не убывает на всей числовой оси, т. е. F (x1) ≤ F (x2)
при всех значениях x1< x2. Если x1< x2, то множество {X (ω) < x1}
лежит внутри множества {X (ω) < x2} . В силу теоремы о неубывании
распределения вероятностей справедливо неравенство
P (X (ω) < x1) ≤ P (X (ω) < x2).
Отсюда, учитывая определение функции распределения, следует доказы-
ваемое свойство.
4. Свойство 4 о непрерывности функция распределения слева в каждой точ-
ке x0числовой оси записывается в виде lim
x→x0−0
F (x) = F (x0) .
Для доказательства свойства рассмотрим произвольную числовую после-
довательность x1, x2, . . . , xn, . . . , сходящуюся к числу x0слева.
Событие A = {X (ω) < x0} является счетным объединением следующих
несовместных событий:
A1= {X < x1}, A2= {x1≤ X < x2}, . . . , An= {xn−1 ≤ X < xn}, . . . .
По расширенной аксиоме сложения вероятность события A равна сумме
вероятностей этих событий, то есть сумме числового ряда:
P (A) = F (x0) = P (A1) + P (A2) + · · · + P (An) + · · · =
31
= F (x1) + [F (x2) − F (x1)] + · · · + [F (xn) − F (xn−1)] + . . . .
Так как ряд сходится абсолютно, то можно таким образом переставить и
сгруппировать члены ряда в правой части предшествующего выражения,
чтобы для любого конечного номера n получить формулу
F (x0) = [F (x1) −F (x1)]+[F (x2)−F (x2)]+· · ·+[F (xn−1 −F (xn−1)]+F (xn).
Отсюда, по определению суммы ряда следует
lim
n→+∞
F (xn) = F (x0),
а по определению левого предела функции по Гейне
lim
x→x0−0
F (x) = lim
n→+∞
F (xn) = F (x0),
что и означает непрерывность функции распределения слева.
5. Свойство 5 следует из свойства 3 о неубывании функции распределения
и равенств P (∅) = 0 , P (Ω) = 1 .
Таким образом, любая функция распределения является неубывающей
функцией, изменяющейся непрерывно либо скачками от нуля до единицы.
В зависимости от вида области значений и свойств закона распределе-
ния различают дискретные и непрерывные случайные величины.