Главная страница
Навигация по странице:

  • Биномиальный закон распределения: Пусть проводится n независимых одинаковых испытаний, в каждом из которых событие А появляется с вероятностью р

  • Теорема.

  • Закон распределения Пуассона Пусть опять проводится независимых одинаковых испытаний, в каждом из которых событие А появляется с вероятностью р , но n очень

  • 2.Непрерывная случайная величина Случайная величина X , принимающая любые значения из интервала ( a ; b ), называется непрерывной

  • Функцией распределения вероятностей

  • Математическим ожиданием

  • 3. Некоторые распределения непрерывных случайных величин Равномерное распределение

  • Нормальный закон распределения

  • Тема Дискретная случайная величина Тема Непрерывная случайная величина


    Скачать 1.38 Mb.
    НазваниеТема Дискретная случайная величина Тема Непрерывная случайная величина
    Дата23.01.2022
    Размер1.38 Mb.
    Формат файлаpdf
    Имя файлаLekciya_k_razdelu_2.pdf
    ТипДокументы
    #339593
    страница2 из 3
    1   2   3

    Пример 6.
    Найти дисперсию случайной величины, заданной законом распределения
    Х
    1 0
    Р
    p
    q
    M(Х) = р. M(Х)
    2
    = р.
    Таким образом, получается, что
    D(Х) = рр
    2
    = pq.
    Биномиальный закон распределения:
    Пусть проводится
    n
    независимых одинаковых испытаний, в каждом из которых событие А появляется с вероятностью р.
    Пусть случайную величину Х – число появлений события А.
    n
    X
    ,
    ,
    1
    ,
    0
    :

    Соответствующие вероятности
    k
    p
    вычисляются по формуле Бернулли
    k
    n
    k
    k
    n
    n
    k
    q
    p
    C
    k
    P
    k
    X
    P
    p





    )
    (
    )
    (
    Для биномиального закона закон распределения имеет вид конечной таблицы
    Х
    0
    k
    n
    Р
    n
    q

    k
    n
    k
    k
    n
    q
    p
    C


    n
    p
    Теорема. Для биномиально распределенной случайной величины

    np
    X
    M

    )
    (
    npq
    X
    D

    )
    (
    Пример 7 . Устройство состоит из трех независимо работающих элементов. Вероятность отказа каждого элемента в одном опыте равна
    0,1. Составить закон распределения числа отказавшихся элементов в одном опыте, вычислить математическое ожидание и дисперсию.
    Решение. n=3, p=0,1 q=0,9
    X- число отказавшихся элементов: 0 1 2 3 729
    ,
    0 9
    ,
    0
    )
    0
    (
    )
    0
    (
    3 3
    0 0
    3 3





    q
    p
    C
    P
    X
    P
    243
    ,
    0 9
    ,
    0 1
    ,
    0 3
    )
    1
    (
    )
    1
    (
    2 2
    1 3
    3







    pq
    C
    P
    X
    P
    ,
    027
    ,
    0 9
    ,
    0 1
    ,
    0 3
    )
    2
    (
    )
    2
    (
    2 2
    2 3
    3







    q
    p
    C
    P
    X
    P
    ,
    001
    ,
    0 1
    ,
    0
    )
    3
    (
    )
    3
    (
    3 0
    3 3
    3 3





    q
    p
    C
    P
    X
    P
    Х
    0 1
    2 3
    Р
    0,729 0,243 0,027 0,001 3
    ,
    0
    )
    (

    X
    M
    27
    ,
    0
    )
    (

    X
    D
    5
    ,
    0
    )
    (

    X

    Закон распределения Пуассона
    Пусть опять проводится независимых одинаковых испытаний, в каждом из которых событие А появляется с вероятностью р, но
    n
    очень
    велико, а число р очень мало.
    Тогда, для случайной величины Х – числа появления события А – вероятность
    )
    (
    k
    X
    P
    p
    k


    следует считать по формуле Пуассона:
     





    e
    k
    k
    P
    p
    k
    n
    k
    !
    , где
    Теорема. Для распределения Пуассона
    np
    X
    D
    X
    M




    )
    (
    )
    (
    n
    np



    Пример 8. Завод отправил на базу 500 доброкачественных изделий.
    Вероятность повреждения каждого изделия в пути равна 0,002. Найдите закон распределения случайной величины Х, равной числу поврежденных изделий.
    Решение.
    500

    n
    ,
    002
    ,
    0

    p
    . Тогда
    1 002
    ,
    0 500




     
    e
    k
    e
    k
    k
    P
    p
    k
    n
    k
    !
    1
    !






    2.Непрерывная случайная величина
    Случайная величина X, принимающая любые значения из интервала (a;
    b), называется непрерывной. При этом сам интервал (a; b) может быть как конечным, так и бесконечным.
    Простейшим примером непрерывной случайной величины является температура воздуха, которая может принимать любые значения в интервале примерно от -90 до +60 градусов Цельсия.
    Непрерывная случайная величина обладает всеми характеристиками, которые существуют для дискретной случайной величины.
    Функцией распределения вероятностей непрерывной случайной величины X называется функция F(x), равная вероятности того, что X при любом испытании примет значение меньше x
    ),
    (
    )
    (
    x
    X
    P
    x
    F


    R
    x
    (7).
    Для этой функции распределения справедливы все те же свойства, которыми обладает функция распределения дискретной случайной величины, перечисленные в предыдущем параграфе. Существенным отличием функции распределения непрерывной случайной величины является то, что эта функция непрерывна на всем интервале (a; b) и имеет производную во всех точках этого интервала, кроме, может быть, конечного числа точек излома.

    ВАЖНОЕ СВОЙСТВО
    )
    (
    )
    (
    )
    (
    1 2
    2 1
    x
    F
    x
    F
    x
    X
    x
    P




    (8).
    (
    )
    ( )
    ( )
    P a
    X
    b
    F b
    F a

     

    Если
    2 1
    x
    x
    , то
    0
    )
    (
    2 1



    x
    X
    x
    P
    , то есть вероятность каждого конкретного значения непрерывной случайной величины Х равна нулю.
    Поэтому имеет смысл определять лишь вероятность попадания значений
    Х в некоторый конечный интервал (
    2 1
    , x
    x
    ) по формуле (8). Заметим, что в данном случае интервалы (
    2 1
    , x
    x
    ), [
    2 1
    , x
    x
    ), (
    2 1
    , x
    x
    ] и [
    2 1
    , x
    x
    ] эквивалентны как раз по той причине, что вероятности крайних значений интервалов равны нулю.
    Дифференцируемость функции распределения предполагает наличие у нее производной, непрерывной или кусочно-непрерывной на всем интервале (a; b). Эта производная называется функцией плотности
    вероятности непрерывной случайной величины
    )
    (
    )
    (
    x
    F
    x
    f


    (9).
    Функция плотности вероятности обладает следующими свойствами:
    1.
    0
    )
    (

    x
    f
    R
    x

    2.
    0
    )
    (

    x
    f
    при
    

    x
    3.




    2 1
    )
    (
    )
    (
    2 1
    x
    x
    dx
    x
    f
    x
    X
    x
    P
    (
    )
    ( )
    ( )
    ( )
    b
    a
    P a
    X
    b
    f x dx
    F b
    F a






    4.




    x
    dx
    x
    f
    x
    F
    )
    (
    )
    (
    5.
    1
    )
    (


    


    dx
    x
    f
    – условие нормировки.
    Эта функция является основной характеристикой непрерывной случайной величины. С ее помощью можно не только находить вероятности попадания случайной величины в заданный интервал, но и вычислять числовые характеристики этой случайной величины, такие как
    математическое ожидание, дисперсия и среднеквадратическое отклонение.
    Математическим ожиданием непрерывной случайной величины называется число

    



    dx
    x
    xf
    X
    M
    )
    (
    )
    (
    (10), если этот интеграл имеет конечное значение.
    Математическое ожидание непрерывной случайной величины обладает теми же свойствами, что и математическое ожидание дискретной случайной величины.
    Дисперсией непрерывной случайной величины, точно так же, как и дискретной случайной величины, называется математическое ожидание квадрата разности случайной величины и ее математического ожидания .
    Используя функцию плотности вероятности, дисперсию можно записать так:

    




    dx
    x
    f
    X
    M
    x
    X
    D
    )
    (
    ))
    (
    (
    )
    (
    2
    (11) или
    2 2
    ))
    (
    (
    )
    (
    )
    (
    X
    M
    dx
    x
    f
    x
    X
    D



    


    (12).
    Так же как и в случае дискретной случайной величины, дисперсия непрерывной случайной величины всегда неотрицательна, поэтому из нее можно извлечь квадратный корень и определить его как
    среднеквадратическое отклонение
    )
    (
    )
    (
    X
    D
    X

    (13), которое, как и сама дисперсия, характеризует меру разброса значений случайной величины вокруг ее математического ожидания.

    Пример 9.
    Функция распределения вероятностей непрерывной случайной величины имеет вид








    ,
    1
    ,
    8 2
    ,
    0
    )
    (
    x
    x
    F
    10 10 2
    2




    x
    x
    x
    Найти функцию плотности вероятности.
    Решение: при
    2

    x
    и
    10

    x
    функция распределения равна константе, следовательно, ее производная равна нулю. При
    10 2

    x
    производная функции распределения равна 1/8. Поэтому функция плотности вероятности будет иметь вид:






    ,
    0
    ,
    8
    /
    1
    ,
    0
    )
    (x
    f
    10 10 2
    2




    x
    x
    x
    Пример 10.
    Известна функция плотности вероятности непрерывной случайной величины






    ,
    0
    ,
    4
    /
    1
    ,
    0
    )
    (x
    f
    2 2
    2 2






    x
    x
    x
    Найти функцию распределения вероятностей.
    Решение: по свойству 4




    x
    dx
    x
    f
    x
    F
    )
    (
    )
    (
    . При
    2


    x
    функция распределения должна быть равна 0, а при
    2

    x
    - равна 1. В промежутке
    2 2



    x
    4 2
    4 2
    4 4
    4
    )
    (
    2 2







    







    x
    x
    x
    dx
    x
    F
    x
    x
    . Таким образом, функция распределения будет иметь вид:









    ,
    1
    ,
    4 2
    ,
    0
    )
    (
    x
    x
    F
    2 2
    2 2






    x
    x
    x
    Пример 11.
    Функция распределения вероятностей непрерывной случайной величины имеет вид






    ,
    1
    ,
    5
    /
    ,
    0
    )
    (
    x
    x
    F
    5 5
    0 0




    x
    x
    x
    Найти вероятность попадания случайной величины в интервал [3;4].
    Решение: воспользуемся формулой (6.2) –
    )
    3
    (
    )
    4
    (
    )
    4 3
    (
    F
    F
    X
    P




    =4/5-
    3/5=1/5.
    Пример 12.
    Задана функция плотности вероятности непрерывной случайной величины






    ,
    0
    ,
    4
    /
    ,
    0
    )
    (
    x
    x
    f
    3 3
    1 1




    x
    x
    x
    Найти математическое ожидание, дисперсию и среднеквадратическое отклонение этой случайной величины.
    Решение: для нахождения математического ожидания используем формулу (6.4):
    17
    ,
    2 12 26 12 1
    12 27 12 4
    )
    (
    )
    (
    3 1
    3 3
    1 2









    


    x
    dx
    x
    dx
    x
    xf
    X
    M
    Дисперсию вычислим по формуле ():

    3
    ,
    0 7
    ,
    4 16 1
    16 81 7
    ,
    4 16
    )
    17
    ,
    2
    (
    4
    ))
    (
    (
    )
    (
    )
    (
    3 1
    4 2
    3 1
    3 2
    2












    


    x
    dx
    x
    X
    M
    dx
    x
    f
    x
    X
    D
    Среднеквадратическое отклонение будет равно квадратному корню из дисперсии:
    548
    ,
    0 3
    ,
    0
    )
    (
    )
    (



    X
    D
    X

    3. Некоторые распределения непрерывных случайных величин
    Равномерное распределение
    Рассмотрим случайную величину Х, равномерно распределённую на промежутке [a;b].
    В этом случае
    )
    (x
    f
    постоянна внутри этого промежутка:








    b
    x
    a
    x
    b
    x
    a
    c
    x
    f
    ;
    0
    )
    (
    Используя свойство нормировки, получим
    1
    )
    (
    )
    (









    a
    b
    c
    cdx
    dx
    x
    f
    b
    a
    Отсюда
    a
    b
    c


    1
    График функции f(х) представлен на рисунке a
    c =
    1
    b - a
    x
    p x
    ( )
    f(x) b

    Функция распределения




    x
    dx
    x
    f
    x
    F
    )
    (
    )
    (
    имеет вид



    












    b
    x
    b
    x
    a
    a
    b
    a
    x
    a
    b
    dx
    a
    x
    x
    F
    x
    a
    при
    1
    при при
    0
    )
    (
    График
    )
    (x
    F
    представлен на рисунке.
    Математическое ожидание

    



    dx
    x
    f
    x
    X
    M
    )
    (
    )
    (
    2 2
    1 2
    1
    )
    (
    2 2
    2
    b
    a
    a
    b
    a
    b
    x
    a
    b
    dx
    a
    b
    x
    X
    M
    b
    a
    b
    a










    x
    a
    b
    1
































    b
    a
    b
    a
    b
    a
    x
    d
    b
    a
    x
    a
    b
    a
    b
    dx
    b
    a
    x
    X
    D
    2 2
    )
    (
    1 2
    )
    (
    2 2
    b
    a
    a
    b
    b
    a
    a
    b
    a
    b
    b
    a
    x
    a
    b
    12
    )
    (
    2 2
    )
    (
    3 1
    2
    )
    (
    3 1
    2 3
    3 3















     






     












    Вероятность попадания случайной величины X в промежуток
    )
    ;
    (
    2 1
    a
    a
    , где
    )
    ;
    (
    )
    ;
    (
    2 1
    b
    a
    a
    a

    ,вычисляется по формуле
    a
    b
    a
    a
    a
    X
    a
    P





    1 2
    2 1
    )
    (
    Равномерный закон распределения используется:
    1) для анализа ошибок округления при проведении числовых расчетов.
    Например, ошибка округления числа до целого распределена равномерно на промежутке


    5
    ,
    0
    ;
    5
    ,
    0

    2) Равномерное распределение на отрезке
     
    1
    ;
    0
    служит исходным материалом для получения случайных величин с любым законом распределения и используется при статистическом моделировании.
    Калькулятор.
    Нормальный закон распределения
    Случайный признак
    X
    имеет нормальное распределение, если значения этого признака зависят от аддитивного /суммарного/ действия множества независимых случайных факторов, в том числе латентных, среди которых нет доминирующего.

    НОРМАЛЬНОЕ
    РАСПРЕДЕЛЕНИЕ случайной величины
    (случайного признака)
    X
    задается плотностью
     


    2 2
    2 2
    1



    a
    x
    N
    e
    x
    f





    ,





    x
    и обозначается
     

    ,
    a
    N
    , то есть
     

    ,


    a
    N
    X
    . Параметры
    a


    




    a
    и



    



    0
    совпадают с основными характеристиками распределения:
     
     
     





    X
    D
    X
    D
    a
    X
    M
    ,
    ,
    2
    Кривая нормального распределения
    Нормальное распределение с параметрами
    0

    a
    и
    1


    , называемое
    НОРМИРОВАННЫМ или чаще
    СТАНДАРТНЫМ нормальным распределением, обозначаемым
     
    1
    ,
    0
    N
    Если
     
    1
    ,
    0
    N
    X
    , то
    1   2   3


    написать администратору сайта