КАТЕГОРИИ: Архитектура-(3434)Астрономия-(809)Биология-(7483)Биотехнологии-(1457)Военное дело-(14632)Высокие технологии-(1363)География-(913)Геология-(1438)Государство-(451)Демография-(1065)Дом-(47672)Журналистика и СМИ-(912)Изобретательство-(14524)Иностранные языки-(4268)Информатика-(17799)Искусство-(1338)История-(13644)Компьютеры-(11121)Косметика-(55)Кулинария-(373)Культура-(8427)Лингвистика-(374)Литература-(1642)Маркетинг-(23702)Математика-(16968)Машиностроение-(1700)Медицина-(12668)Менеджмент-(24684)Механика-(15423)Науковедение-(506)Образование-(11852)Охрана труда-(3308)Педагогика-(5571)Полиграфия-(1312)Политика-(7869)Право-(5454)Приборостроение-(1369)Программирование-(2801)Производство-(97182)Промышленность-(8706)Психология-(18388)Религия-(3217)Связь-(10668)Сельское хозяйство-(299)Социология-(6455)Спорт-(42831)Строительство-(4793)Торговля-(5050)Транспорт-(2929)Туризм-(1568)Физика-(3942)Философия-(17015)Финансы-(26596)Химия-(22929)Экология-(12095)Экономика-(9961)Электроника-(8441)Электротехника-(4623)Энергетика-(12629)Юриспруденция-(1492)Ядерная техника-(1748) |
И их числовые характеристики
СЛУЧАЙНЫЕ ВЕЛИЧИНЫ
Предположим, что некоторая величина X может принимать значения x 1, x 2, …, xn в зависимости от некоторых случайных факторов, так что этим значениям можно сопоставить вероятности p 1, p 2, …, pn. Такая величина называется случайной величиной (СВ). Свои значения СВ принимает случайным образом. Рассмотрим два основных типа случайных величин: дискретные и непрерывные. случайная величина называется дискретной, если она принимает отдельные (изолированные) значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или счетным. случайная величинаназывается непрерывной, если она принимает возможные значения, которые сплошь заполняют некоторый интервал. Значения функции P (X = xi) = pi, i = 1, 2,…, называются рядом распределения вероятностей дискретной случайной величины X. Законом распределения дискретной случайной величины называется таблица, в верхней строке которой указаны возможные (различные) значения случайной величины X (в порядке возрастания), а в нижней строке под каждым значением xi – соответствующая вероятность pi = P (X = xi), причем . Все свои значения случайная величина Х принимает с некоторыми вероятностями, используя которые образуют закон распределения для СВ Х:
Графически ряд распределения представляется в виде полигона распределения, причем по оси O X откладывают отдельные значения величины X, а по оси O Y – соответствующие им вероятности. Полученные, таким образом точки с координатами (xi, pi), где , соединяют прямыми (рис.1). Интегральной функцией распределения случайной величины X называется функция F (x), выражающая вероятность того, что X примет значение меньшее, чем заданное x:
. Следствие: .
Рис.1. Полигон распределения Функция F (x) – неубывающая функция (F (x 2) ≥ F (x 1), если x 2 ≥ x 1), кроме того, F (–∞) = 0, F (+∞) = 1. Для непрерывной случайной величины функция распределения непрерывна и существует производная , которая называется плотностью распределения вероятностей или дифференциальной функцией распределения. Плотность любой случайной величины неотрицательна и обладает свойствами: 1) ; 2) . График дифференциальной функции распределения вероятностей называют кривой распределения. Интегральная функция распределения F (x) выражается через функцию плотности f (x) следующим образом: . Для непрерывной случайной величины вероятность принятия некоторого конкретного значения P (x = a) = 0. Тогда
.
Если непрерывная случайная величина , то и (условия нормировки). Для дискретной случайной величины функция распределения кусочно-постоянна и ступеньки (величины скачков) равны накопленным вероятностям p 1, p 1 + p 2, p 1 + + p 2 + p 3, … (рис.2).
Пример 10. Непрерывная случайнаявеличина X задана функцией распределения: Найти параметры a и b, плотность и вероятность попадания случайной величины в интервал (1, 5; 3). Решение. По условиям нормировки имеем F (1) = a+b = 0 и F (2) = 4 a + b = 1, т.е. a = 1/3 и b = –1/3. Тогда функция распределения и ее плотность Следовательно, получим P (1,5 < x < 3) = F (3) – F (1,5) = 1 – 1/3(9/4 – 1) = 7/12. Математическое ожидание или среднее значение случайной величины X есть величина, вычисляемая для дискретной и непрерывной случайных величин по формулам, соответственно: . Дисперсия случайной величины X – это математическое ожидание квадрата ее отклонения от ее математического ожидания:
. Дисперсия для дискретной и непрерывной случайной величин, соответственно ; . Среднее квадратичное отклонение случайной величины X обозначим , причем Пример 11. Пусть заданное распределение имеет вид
Найти математическое ожидание, дисперсию и среднее квадратичное отклонение. Решение. Математическое ожидание = 1 × 0,2 + 3 × 0,3 + 4 × 0,4 + 6 × 0,1 = = 0,2 + 0,9 + 1,6 + 0,6 = 3,3. Дисперсия и среднее квадратичное отклонение = 1×0,2+9×0,3+16×0,4+36×0,1 – – 3,32 = 0,2+2,7+6,4+3,6-3,32 = 2,01; . Пример 12. Для случайной величины X из примера 10 найти среднее квадратичное отклонение. Решение. Математическое ожидание (см. пример 10) . Дисперсия и среднее квадратичное отклонение . Дискретная случайная величина X называется распределенной по биномиальному закону, если ее возможные значения равны 0, 1, 2, …, n, а вероятность того, что X = m, выражается формулой Бернулли: , где случайная величина X – число появлений некоторого события A в n испытаниях; p – вероятность появления события A в каждом испытании, не изменяющаяся от испытания к испытанию, 0 < p < 1; q – вероятность отсутствия события A в каждом испытании, q = 1 – p. Математическое ожидание и дисперсия случайной величины X, распределенной по биномиальному закону, M (X) = np; D (X) = npq. Дискретная случайная величина X называется распределенной по закону Пуассона, если ее возможные значения равны 0, 1, 2, …, m,…, а вероятность того, что X = m, выражается формулой где a – параметр закона Пуассона, a > 0. Как было показано ранее, по этой формуле вычисляются вероятности редких событий, т.е. вероятность появления события A m раз при большом числе испытаний n, в каждом из которых вероятность p появления события A мала (p £ 0,1), однако, произведение np = a постоянно. Математическое ожидание и дисперсия случайной величины X, распределенной по закону Пуассона, M (X) = a; D (X) = a. Непрерывная случайная величина X называется равномерно распределенной на отрезке [ a, b ], если ее плотность распределения вероятностей постоянна (т.е. все значения на отрезке случайной величины X равновозможны): Математическое ожидание и дисперсия СВ, равномерно распределенной на (a, b), . Непрерывная случайная величина X называется распределенной по нормальному закону, если ее плотность распределения вероятностей равна:
, где a – математическое ожидание; s2– дисперсия; s – среднее квадратичное отклонение случайной величины X (a,s – параметры нормального распределения). Вероятность попадания случайной величины X, распределенной по нормальному закону, в интервал (a, b) , где – функция Лапласа. Вероятность того, что абсолютная величина отклонения меньше постоянного числа , . Следствие. Правило «трех сигм»: . Пример 13. Случайная величина X распределена по нормальному закону с параметрами a = 2, s = 5. Найти вероятность того, что случайная величина X примет значение в интервале (1, 4). Решение. По условию a = 1,b = 4, a = 2,s = 5. Тогда
Дата добавления: 2017-02-01; Просмотров: 47; Нарушение авторских прав?; Мы поможем в написании вашей работы! Нам важно ваше мнение! Был ли полезен опубликованный материал? Да | Нет |