16.Функции от непрерывных случайных величин:вывод общей формулы,вывод формулы для плотности распределения линейной функции от непрерывной случайной величины.

Вначале введем и кратко опишем гамма - функцию, которая встретилась уже и будет встречаться в дальнейшем.Введем математическое определение гамма - функции и применим интегрирование по частям: ,где , , , .Выполним подстановку: = .В результате мы получили рекуррентную формулу для вычисления значений гамма - функции.Еслиx - целое положительное число, x = n, то в соответствии с этой рекуррентной формулой имеем .Вычислим (1) отдельно: Поэтому В частности, (1) = 0Г(0) = 0! = 1.В дальнейшем нам понадобятся следующие значения гамма - функции от дробных аргументов: , , .Последние два значения гамма-функции получены с использованием только что выведенной рекуррентной формулы.Пусть задана непрерывная дифференцируемая функция от случайной величины :  = f (). Известна плотность распределения случайной величины  :  (x). Задача состоит в том, чтобы найти плотность распределения (y) случайной величины.Подобная задача возникает в технике, когда случайные процессы или измеряемые величины, возмущенные случайными помехами, претерпевают нелинейные преобразования, и возникает задача прогнозирования характеристик сигнала, который получается в результате этого преобразования.Для вывода необходимого соотношения воспользуемся рис. 20. На этом рисунке представлены: функция преобразования y = f(x) и плотность распределения (x). Функция преобразования предполагается монотонной, и это свойство функции преобразования практически всегда имеет место в технических устройствах: средствах измерения, измерительныхпреобразователях и регуляторах. В силу взаимной однозначности преобразования случайная величина  принимает значения из интервала y, в точности с той же вероятностью, с которой случайная величина  принимает значения из интервала x. Поскольку вероятностная мера интервала есть площадь под кривой плотности распределения на этом интервале, это означает, что площади заштрихованных фигур на рис. 20 должны быть равны: ,где , - точки, находящиеся внутри выделенных интервалов x и , - значение искомой плотности распределения в точке .Из этого выражения следует: .Заметим здесь, что ширина интервала , в который преобразуется интервал x, не зависит от знака производной функции преобразования, и это обстоятельство мы учтем при выполнении предельного перехода .В силу инвариантности первого дифференциала производная выражается через производную от обратной функции: Кроме того в выражении для (y) необходимо выразить аргумент x плотности распределения (x) через y с помощью обратной функции : . В итоге окончательно получим: .Пример: Случайная величина  образуется в результате линейного преобразования случайной величины : . В данном случае реализуется функциональное преобразование , обратная функция , производная от нее по y равна . В результате подстановки в общую формулу получим: .Это означает, что любое линейное преобразование не изменяет вид плотности распределения случайной величины. Изменяется лишь масштаб и смещение от начала координат.

17.Вывод формулы для плотности распределения случайной величины и для ее характеристической функции,где–случайная величина с нормальной плотностью распределения N(0;1) Случайная величина  распределена нормально: . Функция преобразования . Эта ситуация представлена на рис. 21. Из рисунка видно, что в силу двузначности обратной функции случайная величина  принимает значения из интервала , когда случайная величина принимает значения в одном из двух выделенных интервалов x. Поэтому для данного примера исходное выражение должно быть изменено следующим образом: . Из этого следует соответствующее изменение общей формулы: .Для данного примера , , ,

В конечном итоге, после подстановки в общую формулу получим искомую плотность распределения: .Найдем характеристическую функцию этого распределения.

.Сделаем замену переменной интегрирования:

.В результате этой замены получим выражение с участием гамма-функции:

Поскольку , окончательно получим:

18.Вывод формулы для плотности распределения ,где –произвольная функция распределения непрерывной случайной величиныПусть - интегральная функция распределения случайной величины  . Образуем случайную величину , как функцию от случайной величины  : . Задача состоит в том, чтобы найти плотность распределения (y) случайной величины.Воспользуемся полученным ранее выражением .В нашем случае в качестве функции y = f(x) выступает функция , производная от которой по x есть плотность распределения (x). Поэтому .Таким образом, оказывается, что случайная величина , полученная в результате функционального преобразования любой непрерывной случайной величины  путем ее подстановки в ее же интегральную функцию распределения, распределена равномерно в интервале [0,1] вне зависимости от вида функции распределения величины . Полученный результат имеет два полезных применения.Первое. Машинное моделирование случайных чисел с заданной интегральной функцией распределения. Технология моделирования такова:- задается функция распределения F(x),- по стандартным программам генерируются случайные числа , распределенные равномерно в интервале [0, 1], - случайные числа , распределенные в соответствии с заданной функцией распределения F(x) получаются, как решения уравнений .Второе. Статистическое оценивание параметров и характеристик случайных величин по результатам экспериментов, вне зависимости от вида распределения исследуемой случайной величины. Это применение будет изложено ниже в разделе 2. Математическая статистика.