Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
твимс.docx
Скачиваний:
5
Добавлен:
01.07.2025
Размер:
751 Кб
Скачать
☆

§ 7. Основные непрерывные распределения

7.1. Равномерное распределение

Определение 7.1. СВ X распределена равномерно на отрезке [a,b] (X~R(a;b) ), если плотность вероятности имеет вид (рис. 7.1)

f(x)=⎧⎩⎨1b−a,x∈[a,b],0,      x∉[a,b].

Свойства R(a;b):

  1. Нетрудно убедиться в том, что функция распределения имеет вид (рис. 7.2)

F(x)≜∫−∞xf(t)dt=⎧⎩⎨⎪⎪⎪⎪0,         x<a,x−ab−a,  a≤x<b,1,          x≥b.

  1. Характеристическая функция СВ X~R(a;b)   равна

g(t)≜M[eitX]=∫−∞+∞eitxf(x)dx=1b−a∫−∞+∞eitxdx=eitb−eitait(b−a).

  1. МО и дисперсия по определению равны

mX≜ν1=∫−∞+∞xf(x)dx=∫abxf(x)dx=b2−a22(b−a)=a+b2,

ν2≜∫−∞+∞x2f(x)dx=1b−a∫abx2dx=b3−a33(b−a)=b2+ba+a23,

dX≜μ2=ν2−m2X=b2+ba+a23−a2+2ab+b24=(b−a)212.

В данном случае МО можно было бы найти проще, воспользовавшись свойством 9) mX , так как график плотности вероятности равномерного закона симметричен относительно прямой x=(a+b)/2.

Рис. 7.1

        

Рис. 7.2

  1. Линейное преобразование Y≜X−ab−a   переводит СВ X~R(a;b)   в СВ Y~R(0;1).Действительно, согласно примеру 5.3

fY(y)=(b−a)fX(y(b−a)+a)={1,y∈[0,1],0,y∉[0,1].

  1. Если СВ Y   имеет непрерывную строго возрастающую функцию распределения FY(y), то СВ X≜FY(y)   имеет распределение R(0;1). Действительно, в этом случае функция x=FY(y)   имеет обратную функцию y=F−1Y(x)   и эти функции являются взаимно обратными. Поэтому для всех x∈[0,1]   получаем

FX(x)≜P{FY(Y)≤x}=P{Y≤F−1Y(Y)}=FY(F−1Y(x))=x.

Кроме того, FX(x)=P{∅}=0, если x<0, и FX(x)=P{Ω}=1, если x>1. Таким образом, СВ Y≜F−1Y(X) будет иметь требуемую функцию распределения FY(y), если X~R(0;1).

Замечание 7.1.

 Cвойство 5) R(0;1)  верно и в более общем случае, когда функция распределения лишь непрерывна, используется для моделирования СВ с произвольно заданным законом распределения.

Замечание 7.2.

 Равномерное распределение является непрерывным аналогом дискретного распределения вероятностей для опытов с равновероятными исходами.

Пример 7.1.

 CВ X, являющаяся погрешностью приближенных вычислений каких-либо параметров при округлении до ближайших целых чисел, удовлетворительно описывается распределением R(−1/2;1/2).

§ 7. Основные непрерывные распределения

7.2. Экспоненциальное распределение

Определение 7.2. СВ X   имеет экспоненциальное (показательное) распределение с параметром λ>0, т.е. X~E(λ), если плотность вероятности имеет вид (рис. 7.3)

f(x)={λe−λx,x>0,0,      x≤0.

Свойства E(λ):

  1. Функция распределения СВ X~E(λ)   равна (рис. 7.4) F(x)=0, если x<0, и

F(x)≜∫−∞xf(t)dt=∥∥∥f(t)=0,если  t<0∥∥∥=λ∫0xe−λtdt=1−e−λx,x≥0.

  1. Характеристическая функция СВ X~E(λ) :

g(t)≜∫−∞+∞eitxf(x)dx=λ∫0+∞e−λxeitxdx==λ∫0+∞e−x(λ−it)dx=λit−λe−x(λ−it)∣∣∣∣=λλ−it.

  1. Найдем МО и дисперсию СВ X~E(λ) :

mX≜ν1=1iddtg(t)∣∣∣=λ(λ−it)2∣∣∣=1λ,

ν2=1i2d2dt2g(t)∣∣∣=2λ(λ−it)3∣∣∣=2λ2,

dX=ν2−ν21=1λ2.

Замечание 7.3.

 Экспоненциальное распределение является одним из основных распределений, используемых в теории надежности.

Рис. 7.3

      

Рис. 7.4

Пример 7.2.

 Продолжительность безотказной работы многих технических устройств, а также время задержки вылета самолета по вине технических служб аэропорта удовлетворительно описываются соответствующими экспоненциальными распределениями.