Вы находитесь на странице: 1из 9

Лекция 4 Основные законы распределения дискретной

случайной величины. Непрерывные случайные величины.

4.1. Биномиальный закон и закон Пуассона. Их числовые характеристики.


4.2. Функция распределения CB, её свойства.
4.3. Непрерывные случайные величины.
4.4. Плотность распределения вероятностей, её свойства. Числовые
характеристики непрерывной случайной величины (НСВ).
Литература: [1], § 4.1 – 4.2, §3.5 – 3.6.

4.1. 1 Биномиальный закон.

О п р е д е л е н и е. Если СВ принимает лишь натуральные значения или


0, т. е. X   0,1, 2,....n с вероятностями P  X  k   C kn p k q n k , то говорят, что
она распределена по биномиальному закону или закону Бернулли  p  1, p  0  .
Закон Бернулли показывает распределение вероятностей числа появления
события А в n независимых испытаниях, проводимых по схеме Бернулли.
Ряд распределения имеет вид:

X k 0 1 ... k ... n
p C p 0q n
0
n C p q n 1
1
n ... C p q n k
k
n
k
... C pn q0
n
n
n


k 0
Ckn p k q n  k  1

4.1.2 Распределение Пуассона.

О п р е д е л е н и е. Если СВ принимает лишь натуральные значения или 0,


 k 
т. е. X   0,1, 2,....n с вероятностями P  X  k   e , где   np , говорят,
k!
что она распределена по закону Пуассона.
Ряд распределения имеет вид:

X k 0 1 … k ... n
 
k
 
n
p e  e  … e … e
k! n!
n
 k 

k 0 k!
e 1

1
Из ранее сказанного следует, что закон Пуассона – это распределение
вероятностей маловероятных событий:
 число сбоев на автоматических установках;
 число рождений тройни;
 число крупных выигрышей в лотерее.
Поэтому многоугольник распределения вероятностей имеет резкую
асимметрию (скошенность вершины влево).
Примеры
4.1.1 См. задачу о пяти выстрелах (n.3.1) число попаданий распределено по
биномиальному закону.
4.1.2 Пятеро пассажиров спешат к поезду. Вероятность опоздания для
каждого равна 0,1. Составить закон распределения числа опоздавших
пассажиров.
np  0,1 5  10   0,5

 0  1 0.5
p5 (0)  e  e 0.5  0, 607 ; p5 (1)  e  0,5  e 0,5 ,
0! 1!

X k 0 1 2 3 4 5
p 0,607 0,303 0,071 0,013 0,002 0,0002

p i 1

P 0,6

0 1 2 3 4 5 х=k
Рис. 3.5

На рис. 3.5 четко видна резкая асимметрия (скошенность вершины влево).


Найдем числовые характеристики биноминального распределения и закона
Пуассона. Для этих законов, как известно, X   0,1, 2,....n , т.е. Х принимает
только целые значения или ноль.
Найдем M(к) – математическое ожидание числа наступлений события.

2
X1 0 1
1-е испытание M  X 1   0  q  1 p  p
p q p

2-е испытание X2 0 1 M X 2   p
p q p

-----------------------------------------------
К-е испытание M  X k   M  Xk   p .

При n испытаниях в соответствии со свойством 3 для математического


ожидания суммы получаем M(K)  np .
Дисперсия в одном отдельном испытании
D  X   M  K 2   M 2  K   p  p 2  p  1  p   pq .

В n независимых испытаниях в соответствии со свойством 3 D(K)  npq .


Следствие.
k 1 1
M    M(p x )  M(K)   np  p , т.е. M(p x )  p
n n n
k 1 1 pq
D    2 D(K)  2  npq 
n n n n
k pq npq
   
n n n

Для распределения Пуассона

P X  k 
 k  ; M(K)   k  p n (k)    np
e
k!
D(K)   2 ; (K)   ; K 0   np      - целая часть  .
В частности (см. пример 4.1.2 об опоздании пассажиров к поезду).
Математическое ожидание числа опоздавших пассажиров
M(K)   np    5  0,1  0 , дисперсия числа опоздавших D(K)  x   2  0, 25, среднее
квадратичное отклонение (K)    0, 5.

3
4.2. Функция распределения случайной величины и её свойства.
Рассмотренные ранее три способа задания закона распределения СВ могут
быть использованы только для ДCB. Для НСВ невозможно, во-первых,
перечислить все возможные значения. Но, кроме того, если суммарную
единичную вероятность распределить по всем бесчисленным значениям НСВ,
то для всех xi P  X  x i   0 (интересен факт: событие X  x i возможно, но
P  X  x i   0 ).
Рассмотрим ещё один способ задания закона распределения СВ. Вместо
события X  x i , рассмотрим событие X  x i , где xi – некоторое действительное
число x.
О п р е д е л е н и е. Функцией распределения случайной величины X
называется функция F  x  , которая для любого действительного числа x равна
вероятности события  X  x  , т.е. F  x   P  X  x  для x .
Геометрически F  x  равна вероятности того, что случайная величина
примет значение, которое изображается точкой, лежащей левее точки х, т.е.
X   , x  (рис. 4.1).
X<x

x
x
Рис. 4.2.1

F  x  называют интегральной функцией распределения, или нтегральным


законом распределения.
Уже из определения, очевидно, что эта функция имеет место и для
дискретной, и для непрерывной случайных величин.
Пример. Построить график функции распределения для примера 3.3.2.1 о
трех решаемых задачах (п. 3.3.2).
Число решенных задач из данных 3-х задач есть дискретная случайная
величина, принимающая значения (0,1,2,3).
F(0)  P( X  0)  0
1  1
F    P  X    P( X  0)  0, 006
2  2
2  1
F    P  X    P( X  0)  0, 006
3  3
F(1)  0, 006
F(1,5)  P( X  1,5)  P( X  0)  P( X  1)  0, 096
F(2)  P( X  2)  0, 096
4
F(2,5)  P( X  2,5)  P( X  0)  P( X  1)  P( X  2)  0, 494
F(3)  P( X  3)  0, 494
F(3,5)  P( X  3,5)  1
F(4)  1 , F(10)  1 , F()  1

P(X<x)
1

0,5

0 1 2 3 4 x

Рис. 4.2.2

Рассмотренный пример позволяет утверждать: функция распределения


любой дискретной случайной величины есть разрывная ступенчатая
функция, скачки которой происходят в точках, соответствующих
возможным значениям случайной величины и равны вероятностям этих
значений. Сумма всех скачков функции F  x  равна 1.
Кроме того, F  x  удовлетворяет следующим с в о й с т в а м.
1. 0  F  x   1 , т.к. представляет собой вероятность.
2. F     P  X     0 ; F     P  X     1
3. F  x  не убывает. Докажем это свойство.
Пусть x2 > x1,

x1 x2
F  x 2   P  X  x 2   P  X  x1   P  x 1  X  x 2   F  x 1   P  x 1  X  x 2 
F  x 2   F  x1   P  x1  X  x 2   0 . (4.1.1)
F  x 2   F  x1  , (4.1.2)
т.е. с возрастанием аргумента значение функции не уменьшается.
Следствие. Из равенства (4.1.1) следует
P    X    F    F    , (4.1.3)
т.е. вероятность попадания случайной величины на отрезок  ,  равна
приращению функции распределения на этом отрезке.
5
4.3 Непрерывные случайные величины.

Очевидно, по мере увеличения числа возможных значений СВ, а значит, и


уменьшения интервалов между ними число скачков возрастает, величина
скачка и длина ступеньки уменьшается. Ступенчатая линия становится более
плавной (рис. 4.2.3-а).

F(x) F(x)
1 1
а) б)

о х о х

Рис. 4.2.3 Рис. 4.2.3

При n   ступенчатая линия становится непрерывной (рис. 4.2.3-б).


Таким образом, можно сказать: если функция распределения F  x 
непрерывна, то и СВ является непрерывной, и наоборот: если СВ – непрерывна,
то её функция распределения F  x  является непрерывной.
Для непрерывной СВ используют все рассмотренные выше свойства.
Рассмотрим ещё одно с в о й с т в о.
5. Для непрерывной случайной величины вероятность отдельно взятого
значения равна нулю.
Доказательство.
P  x 0  X  x 0  x   F  x 0  x   F  x 0 
Пусть x  0 ,
lim P  x 0  X  x 0  x   lim  F  x 0  x   F  x    0
x  0 x 0

откуда
P  X  x0   0 (4.1.4)

Условие (4.1.4) не означает, что событие  X  x 0  не возможно. Просто оно


чрезвычайно редко (практически невозможно, т. к. P  X  x 0   0 ).

Следствие.
6
P    X    P  X     P    X    P    X    P    X    P    X    ,
т. е. для непрерывной СВ вероятность попадания на некоторый отрезок не
зависит от того, является ли этот отрезок закрытым или открытым.

4.4 Плотность распределения вероятностей, её свойства.


Числовые характеристики НСВ.

Задание непрерывной СВ с помощью функции распределения F  x  не


является единственным. Рассмотрим вероятность попадания СВ на отрезок
 x, x  x  по формуле (4.1.3)
P  x  X  x  x   F  x  x   F  x  .
Тогда вероятность, приходящаяся на единицу длины, т. е. средняя
плотность вероятности на отрезке  x, x  x  равна
P  x  X  x  x  F  x  x   F  x 

x x .
Если функция распределения F  x  дифференцируема, то можно ввести
понятие п л о т н о с т и в е р о я т н о с т и в точке x.
P  x  X  x  x  F  x  x   F  x 
lim  lim  F  x   f  x 
x  x x  x .

О п р е д е л е н и е. Плотностью вероятности f  x  непрерывной СВ


называется производная от её функции распределения: f  x   F  x  .

Плотность вероятности есть одна из форм закона распределения НСВ.


Смысл плотности вероятности – она показывает, как часто встречаются
значения СВ в сколь угодно малой окрестности точки х.
Плотность вероятности иногда называется дифференциальной функцией
распределения. График плотности вероятности называется кривой
распределения.
С в о й с т в а плотности вероятностей

4.4.1 Плотность вероятности – неотрицательная функция (как


производная неубывающей функции).
f  x   0.

4.4.2 Вероятность попадания СВ на интервал  ,  F     F      f  x  dx.



4.4.3  f  x  dx F     F     1.

x

4.4.4 Функция распределения F  x    f  x  dx .




На основании с в о й с т в плотности построим кривую распределения.

7
Кривая плотности распределения лежит выше оси Ох (св. 4.4.1); площадь под
кривой S=1(св. 4.4.3) (рис. 4.4.1).

F(x) F(x)

S=

0 α β x 0 а b x

Рис. 4.4.1 Рис. 4.4.2

Если все значения лежат на отрезке  a, b  , то


b
 f  x  dx 1 (рис. 4.4.2).
a

Вероятность попадания НСВ на отрезок  ,  определяется площадью


криволинейной трапеции с основанием      (Рис. 4.4.1)
x x
4.4.5  f  x  dx  P  x  X  x  x   f    x
x

F(x)
f    x - элемент вероятности,
который определяет вероятность
показания НСВ на отрезок  x, x  dx  с
точностью до бесконечно малой
0 x ξ x+dx x величины (рис. 4.4.3).

Рис. 4.4.3

Тогда
n 
M  X   lim  x i fP  x i  X  x i  x    f  x  dx
n  
x  0 i 1

x  m x  f  x  dx  M  X   m 2x ,

D X    
2 2


здесь следует понимать, что m x  M  X  , M  X    x 2f  x  dx.


2 

8
Пример. Случайная величина X задана функцией распределения
0, xA

F  x   0, 25x 2 , при AxB
1,
 xB

Найти значения А и, В, M  X  ,   X  .
Построим график функции распределения с неизвестными пока А и В.

F(x)
F  B  1 ; F A  0

0, 25x 2  1 ; 0,5x  1 xB  2

0, 25x 2  0 xA  0

0 A B x

0, x0

f  x   0,5x, 0x2
0,
 x2
2 2
 1 2 x3 2 4
M  X    xf  x  dx   x  0,5xdx   x dx  | 

0
20 6 0 3
  X  D  x 
2
16 1 x 4 2 16 16 16 2
D  X  M  X    M  X  
2
2
  x  0,5xdx    |     ;
2

0
9 2 4 0 9 8 9 9
2
x 
3

4 2
Ответ: A  0 , B  2 , M  X   ,   X   .
3 3