Непрерывная случайная величина, плотность распределения, основные непрерывные распределения
Выбери формат для чтения
Загружаем конспект в формате pdf
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
ЛЕКЦИЯ 6
НЕПРЕРЫВНАЯ СЛУЧАЙНАЯ ВЕЛИЧИНА,
ПЛОТНОСТЬ РАСПРЕДЕЛЕНИЯ, ОСНОВНЫЕ
НЕПРЕРЫВНЫЕ РАСПРЕДЕЛЕНИЯ
Пусть ξ случайная величина, Fξ (x ) - ее функция распределения, для
которой выполнены характеристические свойства 1-3.
1. Fξ (x ) - неубывающая
2. Fξ (x ) - непрерывна слева
3. Fξ (− ∞ ) = 0 , Fξ (∞ ) = 1
Кроме того P(a ≤ ξ < b) = Fξ (b) − Fξ (a) .
Определение: ξ называется абсолютно непрерывной случайной ( в
дальнейшем просто непрерывной случайной величиной ) , если
существует неотрицательная, инегрируемая на всей числовой оси
функция fξ (x) , такая что
Fξ ( x ) =
x
∫ f ξ (t )dt
(*)
−∞
Определение: Функция fξ (x ) в этом интегральном представлении
называется плотностью распределения случайной величины ξ.
Заметим, что в точках непрерывности
Fξ′ ( x ) = f ξ ( x ) .
fξ ( x )
имеет место равенство
Свойства плотности распределения:
1. fξ ( x) ≥ 0,
2. fξ ( x) интегрируема на всей числовой оси и
∞
∫ fξ (x )dx = 1 ,
−∞
Действительно, с помощью (*) получим:
b
P(a ≤ ξ < b ) = Fξ (b ) − Fξ (a ) = ∫ fξ (x )dx ,
a
отсюда:
∞
∫ fξ (x )dx = Fξ (∞ ) − Fξ (− ∞ ) = 1
−∞
Свойства 1 и 2 являются характеристическими, то есть для любой
f (x) , удовлетворяющей этим свойствам, найдется случайная
величина ξ , для которой f ( x ) является плотностью распределения.
Полезно заметить, что интеграл
b
∫ fξ (x )dx ,
a
а значит и вероятность P(a ≤ ξ < b ) , есть площадь криволинейной
трапеции (см. рис. 8.).
Если ξ - непрерывная случайная величина, то для любого ее
значения ξ0 P(ξ = ξ 0 ) = 0 , так как
∞
1
1
P(ξ = ξ 0 ) = Р ∏ ω : ξ 0 ≤ ξ (ω ) < ξ 0 + = lim P ξ 0 ≤ ξ < ξ 0 + = lim
n
→
∞
n
n n →∞
1
Отсюда получим, что:
ξ0 +
1
n
∫ξ f ξ (x )dx = 0 .
P(a < ξ < b ) = P(a ≤ ξ ≤ b ) = P(a < ξ ≤ b ) = P(a ≤ ξ < b ) .
Основные непрерывные распределения
1. Равномерное распределение на интервале (a, b ) :
равномерно распределена на (a, b ) , если:
C , x ∈ (a, b )
fξ (x ) =
0, x ∉ (a, b )
(рис. 9).Из свойств плотности имеем C > 0 ,
ξ
Р(-∞<ξ<+∞) есть площадь прямоугольника
S = (b − a )C = 1 ⇒ C =
1
b−a
Следовательно, окончательно имеем:
1
, x ∈ (a, b )
fξ (x ) = b − a
0, x ∉ (a, b )
Пример 1. ξ - равномерно распределена на интервале (− 1,3) . Найти:
1. P(ξ < 2)
3
2. P ξ <
2
3. P(ξ < −2)
4. P(− 2 < ξ < 4)
Получим:
1
3
P(ξ < 2) = P(−2 <ξ < 2) = P(−1<ξ < 2) = ⋅ 3 =
4
4
3 1 5 5
P ξ < = ⋅ =
2 4 2 8
P(ξ < −2) = 0
P(− 2 < ξ < 4) = 1
2. Показательное распределение: случайная величина ξ
распределена показательно с параметром λ > 0 , если fξ (x ) имеет вид:
Ce − λx , x ≥ 0
fξ (x ) =
0, x < 0
Из условия:
∞
∞
−λx
∫ fξ (x)dx = 1 = C∫ e dx =
С
λ,
получим: C = λ . График плотности распределения при различных
λ1 < λ < λ2 представлен на рисунке 11.
−∞
ξ
Пример 2.
известно, что P(ξ
- распределена по показательному закону;
< 1) =
Найти P ( ξ < 2 ) .
1
.
2
Решение: из условия P(ξ
1
< 1) =
λ ∫ e −λx dx =
1
,
2
получим:
1
1
⇒ 1 − e −λ = ,
2
2
λ = ln 2 .
2
P(ξ < 2) = λ ∫ e −λx dx = 1 − e −2λ ,
при λ = ln 2 , получим:
P (ξ
< 2) = 1 − e
ln
1
4
=
3
.
4
3. Нормальное распределение с параметрами m , σ .
(обозначается (ξ : N (m, σ )) ), σ > 0 .
ξ - распределена нормально, если ее плотность распределения
имеет вид:
−
1
fξ (x ) =
e
σ 2π
( x −m )2
2σ 2
,
σ >0
Характеристическое свойство 1 плотности
найдем:
выполнено:
fξ (x ) ≥ 0 ,
∞
∫ fξ (x )dx .
−∞
Имеем:
I=
1
σ 2π
∞
∫e
−
( x −m )2
dx =
2σ 2
x−m
−∞
σ
=t =
1
2π
∞
∫e
−
t2
2
dt .
−∞
Рассмотрим:
∞
x2
y2
∞
∞
−
−
1 −2
1
2
2
I =
e dx ∫ e dy = ∫ ∫ e
2π −∫∞
2π −∞
−∞
1
=
2π
2π
∞
∫ dφ ∫ e
−
ρ2
2
ρdρ =
x2 + y2
2
dxdy=
x = ρ cosφ
=
y = ρ sinφ
1
⋅ 2π = 1 ⇒ I = 1 .
2π
Таким образом характеристическое свойство 2 также выполнено.
На рисунке 12 представлен график f о ( x ) при фиксированном m и
различных σ : σ 1 < σ < σ 2
Площадь под каждой кривой равна 1.
Вероятность попадания в интервал нормальной случайной
величины
Имеем:
x − m )2
(
−
b
2
1
e 2σ dx
a σ 2π
- этот интеграл не вычисляется в элементарных функциях, он
относится к табулируемым функциям.
P(a < ξ < b ) = ∫
b
( x−m)
b−m
2
−
1
I (а, в) =
e
∫
σ 2π a
2σ 2
x−m
1
dx =
=t =
σ
2π
σ
t2
−
2
∫e
dt
a−m
σ
Введем в рассмотрение
Φ( x ) =
1
2π
x
∫e
−
t2
2
dt .
Эта функция является первообразной для подинтегральной
функции в I(a,b) и затабулирована с небольшим шагом изменения
x , для положительных x . Φ(x ) - нечетна:
Φ(−x) =
1
−х
t2
−
2
e
∫
2π
dt= t = −τ = −
ее график представлен на рисунке 13.
1
x
e
∫
2π
τ2
−
2
dτ = −Φ(x) ,
Φ(x )
довольно быстро приближается к
Φ(3) ≈ 0,497
1
уже при x = 3 ,
2
Получим:
b − m a − m
P(a < ξ < b) = I (a, b) = Φ
− Φ
.
σ
σ
Замечание: кроме Φ(x ) рассматривают также
t2
x
−
1
2
Φ * (x ) =
e
dt .
∫
2π −∞
Ее таблицы есть в ряде справочников, это функция общего вида и
связана с Φ(x ) соотношением: Φ * (x ) = + Φ (x ) . Соответственно:
1
2
b−m
a−m
P (a < ξ < b ) = Φ *
− Φ *
.
σ
σ
Правило 3у . Пусть: ξ : N (m, σ ) .
Найдем:
P(ξ − m < 3σ ) = P(m − 3σ < ξ < m + 3σ ) =
m + 3σ − m
m − 3σ − m
= Φ
− Φ
= 2Φ (3) ≈ 1 .
σ
σ
Таким образом, попадание «нормальной» случайной величины в
интервал (m − 3σ , m + 3σ ) считается почти достоверным событием.