Непрерывные случайные величины, их характеристики и законы распределения
Выбери формат для чтения
Загружаем конспект в формате doc
Это займет всего пару минут! А пока ты можешь прочитать работу в формате Word 👇
Непрерывные случайные величины, их характеристики
и законы распределения
Случайной непрерывной величиной называется такая случайная величина, которая может принимать любые значения из конечного или бесконечного интервала. Например, размер детали массового производства; время ожидания автобуса на остановке; рост любого встреченного человека.
Непрерывная случайная величина задается либо функцией распределения вероятностей F(x), либо функцией плотности распределения вероятностей f(x).
Функция распределения F(x) – это функция определяющая вероятность того, что случайная величина в результате испытания примет значение, меньшее х: .
Свойства функции распределения F(x):
1. F(x) – неубывающая функция.
2. .
3. .
Функция плотности распределения f(x) – это функция, равная первой производной от функции распределения :
Свойства плотности распределения f(x)
1. Плотность распределения – неотрицательная функция.
2. Несобственный интеграл от плотности распределения в пределах от - до равен единице.
3. Вероятность того, что непрерывная случайная величина примет значение, принадлежащее интервалу (a, b), равна определенному интегралу от плотности распределения, взятому в пределах от a до b.
Числовые характеристики непрерывных случайных величин
Характеристиками непрерывной случайной величины являются математическое ожидание, дисперсия, среднеквадратическое отклонение.
1. Математическое ожидание находится по формуле:
2. Дисперсией непрерывной случайной величины называется математическое ожидание квадрата ее отклонения.
По аналогии с дисперсией дискретной случайной величины, для практического вычисления дисперсии используется формула:
3. Средним квадратичным отклонением называется квадратный корень из дисперсии.
Пример 1. Случайная величина задана интегральной функцией распределения .
Найти:
1) дифференциальную функцию (плотность вероятностей);
2) числовые характеристики случайной величины.
Решение. 1) Перейдём от функции F(x) к функции f(x) по определению , то есть найдём производную от функции F(x). Получим
2) Числовые характеристики:
;
;
.
Пример 2. Случайная величина подчинена закону распределения с плотностью:
Найти:
а) коэффициент а,
б) вероятность того, что случайная величина попадет в интервал от 0 до .
в) составить функцию распределения F(x).
Решение. а) Для нахождения коэффициента а воспользуемся свойством .
Тогда функция примет вид:
б) Находим вероятность попадания случайной величины в заданный интервал по формуле: .
.
в) Для перехода от функции f(x) к функции F(x) используем свойство 3 функции распределения () и формулу перехода .
Тогда,
.
Некоторые законы распределения непрерывных случайных величин
Наиболее распространенными видами распределения непрерывной случайной величины являются равномерное, показательное и нормальное.
1. Равномерное распределение
Определение. Непрерывная случайная величина имеет равномерное распределение на отрезке [a;b], если на этом отрезке плотность распределения случайной величины постоянна, а вне его равна нулю:
Постоянная величина может быть определена из условия равенства единице площади, ограниченной кривой распределения.
Получаем .
f(x)
Найдем функцию распределения F(x) на отрезке [a,b].
F(x)
1
То есть, функция плотности распределения непрерывной случайной величины равна (х)=.
Числовые характеристики равномерно распределённой случайной величины:
М(Х)=, D(X)=.
Пример 3. Автобусы некоторого маршрута идут строго по расписанию. Интервал движения 5 минут. Найти:
а) среднее время ожидания автобуса;
б) отклонение в ожидании автобуса;
в) вероятность того, что пассажир, подошедший к остановке, будет ждать автобус менее 3 минут.
Решение: функция плотности распределения имеет вид .
а) Среднее время ожидания автобуса – это математическое ожидание . То есть среднее время ожидания автобуса равно 2,5 мин.
б) Отклонение в ожидании автобуса определяется через среднее квадратическое отклонение: D(X)=, . То есть отклонение в ожидании автобуса отличается от среднего времени на 1,4 мин.
в) .
2. Показательное распределение
Определение. Показательным (экспоненциальным) называется распределение вероятностей непрерывной случайной величины , которое описывается плотностью
где - положительное число.
Найдем закон распределения.
Графики функции распределения и плотности распределения:
f(x) F(x)
1
Числовые характеристики показательно распределённой случайной величины:
М(Х)= =1/, D(X)= 1/2.
Пример 4. Вероятность того, что во время лекции преподаватель объяснит дополнительный материал, равна 0,01. Определить среднее время лекций без дополнительного материала и вероятность того, что в течение пяти «пар» преподаватель ни разу не изложит его.
Решение. М(х)= 1/=100 мин., при этом по времени 5 учебных «пар» равны 400мин.
Тогда, р(400)=1-е-0.01*400=0.0183.
3. Нормальный закон распределения
Определение. Нормальным называется распределение вероятностей непрерывной случайной величины, которое описывается плотностью вероятности
,
где ,
Нормальный закон распределения также называется законом Гаусса.
Нормальный закон распределения занимает центральное место в теории вероятностей. Это обусловлено тем, что этот закон проявляется во всех случаях, когда случайная величина является результатом действия большого числа различных факторов. К нормальному закону приближаются все остальные законы распределения.
Можно легко показать, что параметры и , входящие в плотность распределения являются соответственно математическим ожиданием и средним квадратическим отклонением случайной величины .
Найдем функцию распределения .
,
где ,
График плотности нормального распределения называется нормальной кривой или кривой Гаусса.
Нормальная кривая обладает следующими свойствами:
1. Функция определена на всей числовой оси.
2. При всех х функция распределения принимает только положительные значения.
3. Ось является горизонтальной асимптотой графика плотности вероятности, так как при неограниченном возрастании по абсолютной величине аргумента х, значение функции стремится к нулю.
4. Найдем экстремум функции.
Так как при y’ > 0 при x <а и y’ < 0 при x > а , то в точке х = а функция имеет максимум, равный .
5. Функция является симметричной относительно прямой х = а, так как разность (х – а) входит в функцию плотности распределения в квадрате.
6. Для нахождения точек перегиба графика найдем вторую производную функции плотности.
При x = а+ и x = а - вторая производная равна нулю, а при переходе через эти точки меняет знак, то есть в этих точках функция имеет перегиб.
В этих точках значение функции равно .
Построим график функции плотности распределения.
Краткая запись: Х ⁓ N(a; σ).
Вероятность того, что случайная нормально распределенная величина Х примет значение, находящееся в интервале (α; β) вычисляется по формуле
р(α < Х < β)=Ф(- Ф(,
где Ф(Х) – функция Лапласа (таблица 4).
Пример 5. Случайна величина распределена по нормальному закону , а вероятность ее попадания в интервал равна 0,8. Найти вероятность попадания в интервал .
Решение.
; ;
.
Пример 6. Количество слов и выражений в лексикологической программе компьютера подчинено закону нормального распределения со средним значением равным 500 и средним отклонением – 36. Найти вероятность того, что наудачу выбранная машина имеет в памяти от 400 до 550 слов и выражений.
Решение: a=500, =36,
Р(400 х 550)=Ф(- Ф(= Ф(- Ф(= 0,9150.
Пример 7. Ведутся испытания новейшей ракеты. Ошибка наведения – случайная величина, нормально распределённая с параметрами а=24 и =4м. Найти вероятность того, что наведение произведено:
а) с ошибкой, не превышающей 8м;
б) с ошибкой меньше 5м.
Решение.
а) р(<8)=Р(-8< х <8)= Ф() - Ф()= - Ф(4) + Ф(8) =
= - 0,499968+0,5=0,000032.
б) Р(х<5)=Р(0<х<5)= -Ф(4,8)+Ф(6)=0,0000008.
Таблица 4
Значения функции Ф(х)=
x
1
2
3
4
5
6
7
8
9
0,0
0,0000
0040
0080
0120
0160
0199
0239
0279
0319
0359
0,1
0398
0438
0478
0517
0557
0596
0636
0675
0714
0753
0,2
0793
0832
0871
0910
0948
0987
1026
1064
1103
1141
0,3
1179
1217
1255
1293
1331
1368
1406
1443
1480
1517
0,4
1554
1591
1628
1664
1700
1736
1772
1808
1844
1879
0,5
1915
1950
1985
2019
2055
2088
2123
2157
2190
2224
0,6
2257
2291
2324
2357
2389
2422
2454
2486
2517
2549
0,7
2580
2611
2642
2673
2708
2734
2764
2794
2823
2852
0,8
2881
2910
2939
2967
2995
3023
3051
3078
3106
3133
0,9
3159
3186
3212
3238
3264
3289
3315
3340
3365
3389
1,0
3413
3438
3461
3485
3508
3531
3554
3577
3599
3621
1,1
3643
3665
3696
3708
3729
3749
3770
3790
3810
3830
1,2
3894
3869
3883
3907
3925
3944
3962
3980
3997
4015
1,3
4032
4049
4066
4082
4099
4115
4131
4147
4162
4177
1,4
4192
4207
4222
4236
4251
4265
4279
4292
4306
4319
1,5
4332
4345
4357
4370
4382
4394
4406
4418
4429
4441
1,6
4452
4463
4474
4484
4495
4505
4515
4525
4535
4545
1,7
4554
4564
4573
4582
4591
4599
4608
4616
4625
4633
1,8
4641
4649
4656
4664
4671
4678
4686
4693
4699
4706
1,9
4713
4719
4726
4732
4738
4744
4750
4756
4761
4767
2,0
4772
4778
4783
4788
4793
4798
4803
4808
4812
4817
2,1
4821
4826
4830
4834
4838
4842
4846
4850
4854
4857
2,2
4861
4864
4868
4871
4875
4878
4881
4884
4887
4890
2,3
4893
4896
4898
4901
4904
4906
4909
4911
4913
4916
2,4
4918
4920
4922
4925
4927
4929
4931
4932
4034
4936
2,5
4938
4940
4941
4943
4945
4946
4948
4949
4951
4951
2,6
4953
4955
4956
4067
4959
4960
4961
4962
4963
4964
2,7
4965
4966
4967
4968
4969
4970
4971
4972
4973
4974
2,8
4974
4975
4976
4977
4977
4978
4979
4979
4980
4981
2,9
4981
4982
4982
4983
4984
4984
4985
4985
4986
4986
x
x
x
x
3,0
0,49865
3,5
0,49977
4,0
0,499968
4,5
0,4999966
3,1
0,49903
3,6
0,49984
4,1
0,499979
4,6
0,4999979
3,2
0,49931
3,7
0,49989
4,2
0,499987
4,7
0,4999987
3,3
0,49952
3,8
0,49993
4,3
0,499991
4,8
0,4999992
3,4
0,49966
3,9
0,49995
4,4
0,499995
4,9
0,4999995