- •Случайные величины
- •Понятие случайной величины
- •Закон распределения дискретной случайной величины
- •Биномиальное распределение
- •Распределение Пуассона
- •3. Числовые характеристики дискретных случайных величин
- •Математическое ожидание дискретной случайной величины
- •Дисперсия дискретной случайной величины
- •Среднее квадратическое отклонение
- •Коэффициент корреляции
- •Линейная регрессия
- •Непрерывные случайные величины Функция и плотность распределения вероятности
- •Числовые характеристики непрерывных случайных величин
- •Основные распределения непрерывных случайных величин
- •Найти дисперсию и среднее квадратическое отклонение случайной величины х, заданной законом распределения
Непрерывные случайные величины Функция и плотность распределения вероятности
Пусть Х —непрерывная случайная величина, значения которой сплошь заполняют интервал (a, b).
Функцией распределения (интегральной функцией распределения) непрерывной случайной величины X называется функция F(x), определяющая вероятность того, что X примет значение, меньшее x,
F (x) = P (X < x). (28)
Функция распределения обладает рядом фундаментальных свойств:
Область значений функции распределения лежит на отрезке [0, 1]:
0 < F (x) < 1 (29)
Функция распределения является неубывающей, т.е.
F (x2) > F (x1) при x2 > x1 (30)
Если возможные значения случайной величины находятся на интервале (a, b), то F(x)= 0 при х а и F(x) = 1 при х b.
Из указанных свойств вытекают важные следствия:
Вероятность того, что случайная величина X принимает значения, заключенные внутри интервала (α, β), равна разности значений функции распределения на концах этого интервала:
P (α X < β) = F (β) - F (α). (31)
Вероятность того, что непрерывная случайная величина X примет одно определенное значение, равна нулю.
Если возможные значения непрерывной случайной величины X расположены на всей числовой оси, то справедливы следующие пределы:
(32)
График функции распределения непрерывной случайной величины показан на рис. 1
Рис. 1
График функции распределения непрерывной случайной величины
Производная от интегральной функции распределения непрерывной случайной величины X называется дифференциальной функцией распределения (плотностью распределения вероятностей) непрерывной случайной величины X:
(33)
Из этого определения следует, что функция распределения является первообразной для плотности распределения или неопределенным интегралом от нее. Отсюда справедливо равенство
Р(α < Х < β) = ƒ (x) dx. (34)
Связь между функцией распределения и плотностью распределения вероятностей устанавливается формулой
F (x) = P (X < x) = f (z) dz. (35)
Укажем основные свойства плотности распределения вероятности:
ƒ (x) > 0. (36)
ƒ (x) dx = 1. (37)
Это равенство означает достоверность того события, что случайная величина X примет значение, принадлежащее интервалу (- ∞, ∞). Если все возможные значения случайной величины X лежат внутри интервала (a, b), то
ƒ (x) dx = 1. (38)
Числовые характеристики непрерывных случайных величин
Определения числовых характеристик дискретных случайных величин распространяются и на непрерывные величины. Разница состоит лишь в том, что вместо сумм в соответствующих формулах берутся их интегральные аналоги.
Формулы для математического ожидания и дисперсии НСВ:
М (X) = x ƒ (x) dx, D(X) = ƒ (x) dx (39)
В том случае, когда возможные значения случайной величины X заполняют всю ось Оx, то пределы интегрировании a и b бесконечны: a = - ∞, b = ∞. Возможны также случаи, когда один из пределов интегрирования бесконечен (возможные значения X лежат на полупрямой ).
Среднее квадратическое отклонение НСВ определяется, как и прежде, по формуле:
Для вычисления дисперсии употребляется более удобная формула:
(40)
Пример 9. Найти математическое ожидание, дисперсию и среднее квадратическое отклонение случайной величины X, заданной плотностью распределения на отрезке [0, 1]:
ƒ (x) = 1, x [0, 1]
Решение. Согласно формулам (39), (40), последовательно вычисляем искомые величины:
М (X) = x ƒ (x) dx = x dx = .