- •1 Случайные события. Повторные независимые испытания. Формула Бернулли. Наивероятнейшее число.
- •2 Генеральная совокупность. Выбор. Выборка. Эмпирическая функция распределения.
- •3 Задача
- •Тогда вероятность появления события ровно раз в испытаниях определяется формулой Бернули
- •2. Генеральная совокупность. Выбор. Выборка. Эмпирическая функция распределения.
- •1 Непрерывные случайные величины. Числовые характеристики.
- •Билет №2
- •1 Непрерывные случайные величины. Числовые характеристики.
- •2 Вариационные и статистические ряды. Полигон частот и гистограмма.
- •3 Задача
- •2 Вариационные и статистические ряды. Полигон частот и гистограмма.
Билет №2
1 Непрерывные случайные величины. Числовые характеристики.
2 Вариационные и статистические ряды. Полигон частот и гистограмма.
3 Задача
1 Непрерывные случайные величины. Числовые характеристики.
Непрерывные случайные величины.
Случайная величина, значения которой заполняют некоторый промежуток, называется непрерывной.
В частных случаях это может быть не один промежуток, а объединение нескольких промежутков. Промежутки могут быть конечными, полубесконечными или бесконечными, например: (a; b], (– ; a), [b;), (–; ).
Вообще непрерывная случайная величина – это абстракция. Снаряд, выпущенный из пушки, может пролететь любое расстояние, скажем, от 5 до 5,3 километров, но никому не придёт в голову измерять эту величину с точностью до 0,0000001 километра (то есть до миллиметра), не говоря уже об абсолютной точности. В практике такое расстояние будет дискретной случайной величиной, у которой одно значение от другого отличается по крайней мере на 1 метр.
При описании непрерывной случайной величины принципиально невозможно выписать и занумеровать все её значения, принадлежащие даже достаточно узкому интервалу. Эти значения образуют несчётное множество, называемое «континуум».
Если – непрерывная случайная величина, то равенство = х представляет собой, как и в случае дискретной случайной величины, некоторое случайное событие, но для непрерывной случайной величины это событие можно связать лишь с вероятностью, равной нулю, что однако не влечёт за собой невозможности события. Так, например, можно говорить, что только с вероятностью «нуль» снаряд пролетит 5245,7183 метра, или что отклонение действительного размера детали от номинального составит 0,001059 миллиметра. В этих случаях практически невозможно установить, произошло событие или нет, так как измерения величин проводятся с ограниченной точностью, и в качестве результата измерения можно фактически указать лишь границы более или менее узкого интервала, внутри которого находится измеренное значение.
Вероятность, отличная от нуля, может быть связана только с попаданием величины в заданный, хотя бы и весьма узкий, интервал. Здесь можно привести сравнение с распределением массы вдоль стержня. Отсутствует масса, сосредоточенная, скажем, в сечении, расположенном на расстоянии 20 см от левого конца стержня, имеет смысл говорить лишь о массе, заключённой между сечениями, проходящими через концы некоторого промежутка.
Пусть – непрерывная случайная величина. Рассмотрим для некоторого числа х вероятность неравенства х < < х + х
P(х < < х + х).
Здесь х – величина малого интервала.
Очевидно, что если х 0, то P(х < < х + х) 0. Обозначим р(х) предел отношения P(х < < х + х) к х при х 0, если такой предел существует:
(1)
Функция р(х) называется плотностью распределения случайной величины. Из формулы (1) следует равенство, справедливое для малых величин х, которое также можно считать определением функции р(х):
P(х < < х + х)
p(x)х (2)
Очевидно, что p(x) – неотрицательная функция. Для определения вероятности того, что случайная величина примет значение из промежутка [a, b] конечной длины, нужно выбрать на промежутке произвольные числа x1, х2,, хn удовлетворяющие условию а=х0<х1<x2<<xn<b=xn+1. Эти числа разобьют промежуток [a, b] на n+1 частей, представляющих собой промежутки [х0, х1), [х1, х2), ,[хn, b]. Введём обозначения: х0= х1 – х0, х1= х2 – х1, , хn = b – хn,
и
составим сумму
.
Рассмотрим процесс, при котором число
точек разбиения неограниченно возрастает
таким образом, что максимальная величина
хi
стремится к нулю. Будем считать функцию
p(x) непрерывной на промежутке (а; b),
тогда пределом суммы
будет
определённый интеграл по промежутку
[a; b] от функции p(x), равный искомой
вероятности:
P(a b) =
(3)
Э
Рис. 1
Если все возможные значения случайной величины принадлежат интервалу (а; b), то для р(х) – её плотности распределения справедливо равенство
Для удобства иногда считают функцию р(х) определённой для всех значений х, полагая её равной нулю в тех точках х, которые не являются возможными значениями этой случайной величины.
Плотностью распределения может служить любая интегрируемая функция р(х), удовлетворяющая двум условиям: р(х) 0;
Последнее свойство называется свойством нормировки. Можно задавать случайную величину, задавая функцию р(х), удовлетворяющую этим условиям.
В качестве примера рассмотрим случайную величину , равномерно распределённую на промежутке [a; b]. В этом случае р(х) постоянна внутри этого промежутка:
По свойству 2) функции р(х)
О
Рис. 2
.
График функции р(х) представлен на
рисунке 2.
Во многих практических задачах встречаются случайные величины, у которых возможные значения не ограничены сверху и снизу. В этом случае кривая распределения располагается над осью х и при х и х – асимптотически приближается к этой оси, как изображено на рисунке 1. Вероятность того, что случайная величина примет значение, меньшее некоторого числа а, равна площади фигуры, заключённой между кривой распределения и горизонтальной координатной осью слева от точки а. Будем считать, что такая площадь существует.
Пусть – непрерывная случайная величина. Функция F(x), которая определяется равенством
,
называется
интегральной функцией распределения
или просто функцией распределения
случайной величины .
Непосредственно из определения следует
равенство
.
Формула производной определённого
интеграла по верхнему пределу в данном
случае приводит к соотношению
.
Плотность распределения р(х) называют
дифференциальной функцией распределения.
Функция распределения F(x) случайной величины имеет следующие свойства.
F(x) — непрерывная возрастающая функция.
;
Свойства 1 и 2 вытекают непосредственно из определения функции F(x).
Приращение F(x) на промежутке (х1; х2) равно вероятности того, что случайная величина принимает значение из этого промежутка:
F(x2) – F(x1) = P(x1 < x2)
Доказательство. F(x2) = P( x2) = P( x1) + P(x1 < x2) = F(x1) + P(x1 < x2)
Отсюда P(x1 < x2) = F(x2) – F(x1)
Заметим, что для непрерывной случайной величины справедливы равенства
P(x1 < x2) = P(x1 < < x2) = P(x1 < x2) = P(x1 x2)
Д
ля
равномерного распределения функция
F(x) имеет вид:
Рис. 3
График функции F(x) представлен на рисунке 3.
Закон распределения непрерывной случайной величины можно определить заданием либо функции р(х), либо функции F(x).
Функцию распределения F(x) можно построить и для дискретной случайной величины , если задан закон распределения этой случайной величины.
Пусть задана дискретная случайная величина с законом распределения
-
1
2
3
Р
0,2
0,5
0,3
Построим функцию F(x), используя определение F(x) = P( x).
График функции F(x) изображён на рисунке 3.
Очевидно, что закон распределения дискретной случайной величины можно задать с помощью таблицы, где каждому значению этой случайной величины ставится в соответствие вероятность, или с помощью функции распределения
Таблица 1 - Числовые характеристики непрерывных случайных величин |
|
Числовая характеристика |
Обозначение и формула |
Математическое ожидание непрерывной случайной величины Х |
|
Если все возможные значения Х принадлежат интервалу (а, b), то математическое ожидание вычисляют |
|
Дисперсия непрерывной случайной величины Х |
|
иначе |
|
Если все возможные значения Х принадлежат интервалу (а, b), то дисперсию вычисляют |
|
иначе |
|
Среднее квадратическое отклонение непрерывной случайной величины Х |
|
