Случайные величины

Лекция 3.

Случайные  величины

Случайная величина – это величина (число), которая в результате опыта может принимать то или иное значение.

Более строго, случайная величина – это числовая функция случайного события.

Случайная величина называется дискретной, если множество ее значений конечно или счетно. Здесь - алгебра событий. Например, число очков на грани брошенной кости, число бросков монеты до появления герба – дискретные случайные величины.

Случайная величина называется непрерывной, если ее значения заполняют некоторый интервал, возможно, бесконечный. Здесь - сигма - алгебра событий. Например, расстояние от центра мишени при стрельбе, время до отказа прибора, ошибка измерения – непрерывные случайные величины.

Рассмотрим дискретную случайную величину, принимающую значения . Имеем полную группу (иначе, не все значения учтены) несовместных событий . Вероятности этих событий равны соответственно  . Будем говорить, что дискретная случайная величина  принимает значения  с вероятностями .

Законом распределения дискретной  случайной  величины называется любое соотношение, устанавливающее зависимость между  ее значениями  и вероятностями , с которыми эти значения достигаются.

Основные формы закона распределения дискретной случайной величины: ряд распределения – таблица 

Можно задать закон распределения в виде аналитической зависимости, связывающей значения  и вероятности .

Рассмотрим непрерывную случайную величину. Для непрерывной случайной величины , поэтому рассматривают  события  и вероятности этих событий.

Функцией распределения непрерывной случайной величины  называется вероятность события .     =.

Свойства функции распределения.

1)  по аксиомам вероятности,

2) , если , т.е. функция распределения – неубывающая функция. В самом деле, , следовательно, .

3)  В самом деле, событие  - невозможное, и его вероятность нулевая. Событие  - достоверное, и его вероятность равна 1.

4) . Так как события  несовместны и событие  есть сумма этих событий, то .

График функции распределения имеет, примерно, следующий вид

Функцию распределения можно определить и для дискретной случайной величины. Ее график будет графиком ступенчатой функции со скачками в p_i в точках x_i ,  непрерывной слева в этих точках.

Для непрерывной случайной величины вводится плотность распределения вероятностей.

Плотностью распределения (вероятностей) называется производная функции распределения  .

Ясно, что  .

Часто функцию распределения называют интегральным законом распределения, а плотность распределения – дифференциальным законом распределения. Так как , то p(x)dx называется элементом вероятности.

Свойства плотности распределения.

1) , так как функция распределения – неубывающая функция,

2)  (условие нормировки) , так как .

Числовые характеристики случайных величин.

Начальный момент s-го порядка

Для дискретных случайных величин .

Для непрерывных случайных величин  .

Математическим  ожиданием случайной величины называется ее первый начальный момент m_x = M(x) = .  

Для дискретных случайных величин . Если на числовой оси расположить точки  с массами , то - абсцисса центра тяжести системы точек. Аналогично, для непрерывных случайных величин  имеет смысл центра тяжести кривой распределения.

        Свойства математического ожидания.

1) M (C ) = C.

Для дискретных случайных величин x = C, p = 1, M (C ) = x p =С.

Для непрерывных случайных величин   по условию нормировки для плотности вероятностей.

2) M(CX) = С M(X). В самом деле, константу можно вынести из суммы в дискретном случае и из под интеграла в непрерывном случае.

3) M(X+Y) = M(X) + M(Y). (без доказательства).

4) M(|X|) = |M(X)|     (без доказательства).

Математическое ожидание функции случайной величины вычисляют по формулам

 для дискретной случайной величины,

 для непрерывной случайной величины.

Центрированной случайной величиной называется .

Центральный момент s-го порядка

Для дискретной случайной величины .

Для непрерывной случайной величины .

Дисперсией называется второй центральный момент случайной величины.

По свойствам математического ожидания получим . Эта формула часто применяется. Дисперсия – это характеристика рассеяния, она характеризует концентрацию кривой распределения (графика плотности распределения) около математического ожидания. Если на числовой оси расположить точки x_i с массами p_i, то дисперсия – это момент инерции системы материальных точек относительно центра тяжести m_x.

Для дискретных случайных величин .

Для непрерывных случайных величин .

Свойства дисперсии.

1)  (под интегралом стоит квадрат функции).

2)  (.

3)  (выведите сами, вынося  из под суммы или из под интеграла).

Средним квадратическим отклонением называется .

Кроме этих основных числовых характеристик используются коэффициент асимметрии , эксцесс – мера островершинности распределения , среднее арифметическое отклонение , мода – наиболее вероятное значение для дискретных величин или значение, где плотность максимальна для непрерывных величин, медиана Me – абсцисса точки, в которой площадь, ограниченная кривой плотности распределения, делится пополам (точка, в которой F(x) = ½).

Пример. Стрелок делает один выстрел и с вероятностью p попадает в мишень. Пусть X – количество попаданий в мишень. Это – дискретная случайная величина, принимающая два значения  х₁ = 0 и х₂ = 1 с вероятностями q = 1-p, p соответственно. Построим ряд распределения Х

Функция распределения равна ,

Математическое ожидание равно M(X) = m_x = 0 q + 1 p = p.

Если составить ряд распределения для случайной величины X², то мы получим ту же таблицу (так как 0² = 0 и 1² =1). Поэтому M(X²) = p, а дисперсию можно вычислить по формуле D(X) = M(X²) – (m_x)² = p – p² = p(1-p) = pq.

Лекция "16 Надежность отказоустойчивых систем (ОУС)" также может быть Вам полезна.

Пример. Пусть плотность случайной величины X постоянна на отрезке [a,b] p(x) = p и равна нулю вне этого отрезка. Такое распределение называется равномерным на отрезке [a,b]. Из условия нормировки для плотности вероятности следует

. Отсюда следует, что  - плотность равномерного распределения. Функция распределения величины, распределенной равномерно на отрезке [a,b], равна

. Вычислим математическое ожидание и дисперсию величины, распределенной равномерно на отрезке [a,b].

,

= 

=