chapter6 (Л.Н. Фадеева - Задачи по теории вероятностей с решениями (DOC))
Описание файла
Файл "chapter6" внутри архива находится в папке "Л.Н. Фадеева - Задачи по теории вероятностей с решениями (DOC)". Документ из архива "Л.Н. Фадеева - Задачи по теории вероятностей с решениями (DOC)", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 3 семестр, которые можно найти в файловом архиве МГУ им. Ломоносова. Не смотря на прямую связь этого архива с МГУ им. Ломоносова, его также можно найти и в других разделах. .
Онлайн просмотр документа "chapter6"
Текст из документа "chapter6"
Глава 6. Непрерывные случайные величины.
§ 1. Плотность и функция распределения непрерывной случайной величины
Множество значений непрерывной случайной величины несчетно и обычно представляет собой некоторый промежуток конечный или бесконечный.
Случайная величина (),заданная в вероятностном пространстве {,S,P}, называется непрерывной (абсолютно непрерывной) , если существует неотрицательная функция такая, что при любых х функцию распределения F(x) можно представить в виде интеграла
Функция называется функцией плотности распределения вероятностей.
Из определения вытекают свойства функции плотности распределения :
-
Интеграл по всей числовой прямой от плотности распределения вероятностей равен единице:
-
В точках непрерывности плотность распределения равна производной функции распределения: .
4. Плотность распределения определяет закон распределения случайной величины, т.к. определяет вероятность попадания случайной величины на интервал :
5.Вероятность того, что непрерывная случайная величина примет конкретное значение равна нулю: . Поэтому справедливы следующие равенства:
График функции плотности распределения называется кривой распределения, и площадь, ограниченная кривой распределения и осью абсцисс, равна единице. Тогда геометрически значение функции распределения F(x) в точке х0 есть площадь, ограниченная кривой распределения и осью абсцисс и лежащая левее точки х0.
Рис.6.1.
Задача 1. Функция плотности непрерывной случайной величины имеет вид:
Определить константу C, построить функцию распределения F(x) и вычислить вероятность .
Решение. Константа C находится из условия Имеем:
Чтобы построить функцию распределения F(x), отметим, что интервал [0,2] делит область значений аргумента x (числовую ось) на три части: Рассмотрим каждый из этих интервалов. В первом случае (когда x<0) вероятность события {<x} вычисляется так:
так как плотность на полуоси равна нулю. Во втором случае
Наконец, в последнем случае, когда x>2,
так как плотность обращается в нуль на полуоси . Итак, получена функция распределения
Вероятность вычислим по формуле . Таким образом,
§ 2. Числовые характеристики непрерывной случайной величины
Математическое ожидание для непрерывно распределенных случайных величин определяется по формуле При этом интеграл, стоящий справа, должен абсолютно сходиться. Пусть имеет плотность р(х) и (х) - некоторая функция. Математическое ожидание величины () можно вычислить по формуле
если интеграл, стоящий справа, абсолютно сходится.
Дисперсия может быть вычислена по формуле , а также, как и в дискретном случае, по формуле , где .
Все свойства математического ожидания и дисперсии, приведенные в главе 5 для дискретных случайных величин, справедливы и для непрерывных случайных величин.
Задача 2. Для случайной величины из задачи 1 вычислить математическое ожидание и дисперсию.
Решение.
Далее,
§ 3. Примеры непрерывных случайных величин
Равномерное распределение. Непрерывная случайная величина имеет равномерное распределение на отрезке [a,b], если плотность распределения р(x) сохраняет постоянное значение на этом промежутке:
График плотности равномерного распределения см. на рис. .
Рис.6.2. Функция распределения и плотность распределения. равномерного закона
Функция распределения F(x) равномерно распределенной случайной величины равна
Математическое ожидание и дисперсия ; .
Показательное (экспоненециальное) распределение. Непрерывная случайная величина , принимающая неотрицательные значения, имеет показательное распределение с параметром >0, если плотность распределения вероятностей случайной величины равна
Рис. 6.3. Функция распределения и плотность распределения показательного закона.
Функция распределения показательного распределения имеет вид
а математическое ожидание и дисперсия равны М= , D= .
Нормальное распределение (распределение Гаусса). Непрерывная случайная величина называется распределенной по нормальному закону с параметрами и , если ее плотность распределения равна
Через обозначается множество всех случайных величин, распределенных по нормальному закону с параметрами параметрами и .
Функция распределения нормально распределенной случайной величины равна
Рис. 6.4. Функция распределения и плотность распределения нормального закона
Параметры нормального распределения суть математическое ожидание и дисперсия
В частном случае, когда и нормальное распределение называется стандартным, и класс таких распределений обозначается .
В этом случае плотность стандартного распределения равна
а функция распределения
Такой интеграл не вычислим аналитически (не берется в «квадратурах»), и потому для функции составлены таблицы. Функция связана с введенной в главе 4 функцией Лапласа
следующим соотношением . В случае же произвольных значений параметров и функция распределения случайной величины связана с функцией Лапласа с помощью соотношения:
Поэтому вероятность попадания нормально распределенной случайной величины на интервал можно вычислять по формуле
Неотрицательная случайная величина называется логарифмически нормально распределенной, если ее логарифм =ln подчинен нормальному закону. Математическое ожидание и дисперсия логарифмически нормально распределенной случайной величины равны М= и D= .
Задача 3. Пусть задана случайная величина . Вычислить вероятность .
Решение. Здесь и . Согласно указанной выше формуле
Распределение Лапласа задается функцией f(x)= e-x, -х.
(двусторонняя показательная плотность).
Функция плотности распределения симметрична относительно нуля и М=Хmed=Xmod=0 и асимметрия -=0. Дисперсия в два раза больше дисперсии случайной величины, распределенной по показательному закону D= = и эксцесс равен =3.
Рис.6.5. Функция плотности распределения Лапласа.
Случайная величина распределена по закону Вейбулла, если она имеет функцию плотности распределения, равную
Функция распределения в этом случае определяется следующим выражением :
Распределению Вейбулла подчиняются времена безотказной работы многих технических устройств. В задачах данного профиля важной характеристикой является интенсивность отказа (коэффициент смертности) (t) исследуемых элементов возраста t, определяемый соотношением (t)= . Если =1, то распределение Вейбулла превращается в экспоненциальное распределение, а если =2 - в так называемое распределение Рэлея.
Математическое ожидание распределения Вейбулла: - и дисперсия - , где Г(а) -функция Эйлера. .
В различных задачах прикладной статистики часто встречаются так называемые «усеченные» распределения. Например, налоговые органы интересуются распределением доходов тех лиц, годовой доход которых превосходит некоторый порог с0, установленный законами о налогообложении. Эти распределения оказываются приближенно совпадающими с распределением Парето. Распределение Парето задается функциями
где 0, а хс0. Основные числовые характеристики этого распределения существуют не всегда, а лишь при соблюдении определенных требований к значению параметра : математическое ожидание - М= при 1, дисперсия - D= существует при 2;
§ 4. Функции от случайных величин
Пусть задана плотность случайной величины и монотонная дифференцируемая функция . Тогда плотность распределения случайной величины равна
Здесь – функция, обратная к функции .
Задача 4. Случайная величина равномерно распределена на отрезке [0,2]. Найти плотность случайной величины .
Решение. Из условия задачи следует, что
Далее, функция является монотонной и дифференцируемой функцией на отрезке [0,2] и имеет обратную функцию , производная которой равна Следовательно,
Значит,
§ 5. Пара непрерывных случайных величин
Пусть заданы две непрерывные случайные величины и . Тогда пара (, ) определяет «случайную» точку на плоскости. Пару (, ) называют случайным вектором или двумерной случайной величиной.
Совместной функцией распределения случайных величин и и называется функция F(x,y)=P , т.е. вероятность попадания случайного вектора (, ) в бесконечный угол на плоскости с вершиной в точке (x,y) лежащий ниже и левее этой точки (см. рис. ), т.е. функция . Совместной плотностью распределения вероятностей случайных величин и называется функция такая, что .