равна нулю.
Здесь видно различие между дискретными и непрерывными случайными величинами. Для
дискретных случайных величин, для каждого значения случайной величины
существует своя вероятность. И для него справедливо утверждение: событие,
вероятность которого равна нулю, невозможно. Для непрерывной случайной величины
это утверждение неверно. Как показано, вероятность того, что Х = х1
( где х1- заранее выбранное число) равна нулю, это событие не
является невозможным.
Рассмотрим непрерывную случайную величину Х, интегральный закон которой
предполагается непрерывным и дифференцируемым. Функцию
¦ (х) = F¢ (õ)
называют дифференциальным законом распределения или плотностью вероятности
случайной величины Х. Из определения производной можно записать
¦ (x) = F¢ (x) =
,
т.е. плотность вероятности случайной величины Х в точке х равна пределу
отношения вероятности попадания величины Х в интервал (х; х + Dх) к Dх, когда
Dх стремится к нулю.
Используя понятия интегральной функции распределения и определенного
интеграла можно записать
¦ (x) = F¢ (x) или F (x) = p (x1 < X < x2) = .
Это соотношение имеет простое геометрическое толкование (рис. 5).
Если определяет заштрихованную область в соответствующих пределах, то
p (х < Х < х + Dх) » ¦ (х) Dх.
Рис. 5. Геометрический смысл дифференциальной функции распределения
Из свойств интегрального распределения следует
.
Зная дифференциальный закон распределения можно определить интегральный закон
распределения
F (x) = .
2.2. Числовые характеристики случайных величин, заданных своими распределениями
Основными характеристиками случайной величины, заданной своими
распределениями, является математическое ожидание ( или среднее значение ) и
дисперсия.
Математическое ожидание случайной величины является центром ее распределения.
Дисперсия характеризует отклонение случайной величины от ее среднего
значения.
Если Х дискретная случайная величина, значения хi которой принимают с
вероятностью pi, так, что
, то математическое ожидание М (Х) случайной величины Х определяется равенством
M (X) = ,
т.е. суммой произведений всех ее возможных значений на соответствующие
вероятности.
Математическим ожиданием непрерывной случайной величины является аналог его
дискретного выражения
M (X) = .
Действительно, все значения в интервале (х; х + Dх) можно считать примерно
равными х, а вероятность таких значений равна ¦ (х) dx (см. ранее). Поэтому
значения хi дискретного распределения заменяются х, а вероятности p
i - на ¦ (х) dx, а сумма заменяется интегралом.
Дисперсией или рассеянием случайной величины Х называется математическое
ожидание квадрата разности случайной величины и ее математического ожидания.
D (Х) = М [Х - М (Х)]2 = М (Х - х)2 = s2 (х)
Если случайная величина Х дискретна и принимает значения хi с
вероятностями pi, то случайная величина (Х - х)2
принимает значения (хi - х)2 с вероятностями Рi
. Поэтому для дискретной случайной величины имеем
D (X) = .
Аналогично для непрерывной случайной величины получаем
D (X) = .
Чем меньше величина дисперсии, тем лучше значения случайной величины
характеризуются ее математическим ожиданием.
2.3. Основные дискретные и непрерывные законы распределения
Как отмечалось ранее, очень часто случайная величина распределена по
нормальному закону. Но существуют и другие распределения, имеющие
практическое значение. Рассмотрим некоторые из них по условиям возникновения
и основным параметрам их характеризующим.
1. Равномерное распределение вероятностей.
Пусть плотность вероятности А равна нулю всюду, кроме интервала (a; b), на
котором она постоянна (рис. 6). Тогда можно записать
p (a < X < b) = A = .
Рис. 6. Дифференциальный и интегральный законы
равномерного распределения
Тогда дифференциальный закон равномерного распределения определяется
¦ (x) =
Интегральный закон распределения
F (x) =
.
При х ³ b имеем
F (x) =
Таким образом интегральный закон равномерного распределения задается (рис. 6)
F (x) =
Основные характеристики распределения
М (X) =
;
D(X) =
=
=
.
2. Биноминальное распределение
Пусть при некотором испытании событие А может наступить или не произойти (А).
Обозначим вероятность А через р, а А через q = 1 -р ( других итогов испытания
нет ). Тогда исходами двух последовательных независимых испытаний и их
вероятностью будут:
АА - р2; АА - рq; АА - qр; АА - q2.
Отсюда видно, что двукратное появление события А равно р2,
вероятность однократного появления - 2 рq, а вероятность того, что А не
наступит ни разу - q2. Эти результаты единственно возможные и
поэтому
.
Это рассуждение можно перенести на любое число испытаний.
Например, при трех испытаниях получим
.
Подсчитаем вероятность того, что при n испытаниях событие А появится m раз.
Это может произойти, например, в последовательности
Ясно, что вероятность равна рmqn-m.
Но m событий А может быть и в другом сочетании. Число всех возможных сочетаний
из n элементов по m (количество событий А) равно числу сочетаний
. Используя теорему сложения вероятностей получаем общую вероятность Рm
,n наступления m событий А из n испытаний
Pm,n =
= .
Из этой формулы видно, что вероятности Рm,n для
различного исхода испытаний (появление или не появление определенного
результата А) определяется
pn + npn-1q +
.
Коэффициенты перед вероятностями р, q являются биноминальными коэффициентами, а
общая вероятность представляет слагаемые в разложении бинома ( р + q )n
. Поэтому закон распределения случайной величины Х, в котором вероятность
наступления событий А определяется коэффициентами бинома, называется
биноминальным распределением дискретной случайной величины. Этот закон может
быть задан в виде таблицы 1.
Таблица 1
Биноминальный закон распределения
хi | 0 | 1 | 2 | ... | m | ... | n | | pi | qn | npqn-1 | | ... | | ... | pn |
Страницы: 1, 2, 3, 4, 5, 6, 7, 8, 9, 10
|