Законы распределения вероятностей непрерывной

случайной величины

Закон распределения вероятностей непрерывной случайной величины

называется равномерным законом, если все значения этой величины
принадлежат некоторому конечному интервалу и функция плотности
распределения на этом промежутке постоянна, а вне его равна нулю.

Итак, пусть Х – равномерно распределенная на отрезке [a, b] случайная

величина. Тогда по определению этого распределения функция плотности
будет иметь следующий вид:

𝟏
𝒇(𝒙) = {𝒃 − 𝒂 , 𝒙 ∈ [𝒂, 𝒃]
𝟎, 𝒙 < 𝒂, 𝒙 > 𝒃

Функция распределения равномерно распределенной случайной величины

𝟎, 𝒙<𝒂
𝒙−𝒂
𝑭(𝒙) = { , 𝒂≤𝒙≤𝒃
𝒃−𝒂
𝟏, 𝒙>𝒃

Математическое ожидание
𝒃+𝒂
𝝁 = 𝑴(𝑿) =
𝟐

Моды равномерное распределение не имеет, хотя иногда говорят, что все

точки промежутка [a, b] являются модой.
Медиана равномерного распределения из соображения симметрии равна
𝒂+𝒃
𝑴𝒆 =
𝟐
1
Дисперсия равномерного распределения

𝟐
(𝒃 − 𝒂)𝟐
𝝈 =
𝟏𝟐

Среднеквадратическое отклонение равно:

(𝒃−𝒂)𝟐 𝒃−𝒂
𝝈(𝑿) = √ =
𝟏𝟐 𝟐√𝟑

Равномерное распределение симметрично относительно своего

математического ожидания, следовательно, все центральные моменты
нечетного порядка равны нулю, поэтому коэффициент симметрии также
равен нулю, т.е. Аs = 0.

Для определения эксцесса найдем четвертый центральный момент:

(𝒃 − 𝒂)𝟒
𝝁𝟒 =
𝟖𝟎

Тогда эксцесс равен

𝝁𝟒 (𝒃 − 𝒂)𝟒 ∙ 𝟏𝟒𝟒
𝑬𝟒 = 𝟒 −𝟑= = −𝟏. 𝟐
𝝈 (𝑿) 𝟖𝟎(𝒃 − 𝒂)𝟒

Как и следовало ожидать, эксцесс имеет отрицательное значение.

Вероятность распределения случайной величины, равномерно

распределенной на отрезке [a,b]:
𝒙𝟐 − 𝒙𝟏
𝑷(𝒙𝟏 < 𝑿 < 𝒙𝟐 ) =
𝒃−𝒂
Геометрически эта вероятность определяет площадь соответствующего
прямоугольника.

2
 Числа а и b называются параметрами равномерного распределения и
полностью его определяют.
В качестве примера случайной величины, распределенной по
равномерному закону, можно привести случайную величину Х – ошибку
измерения при следующих условиях. Прибор, с помощью которого
производится измерение некоторой величины, имеет шкалу,
проградуированную в некоторых единицах.

Показательное распределение

Закон распределения вероятностей непрерывной случайной величины

называется показательным или экспоненциальным, если функция плотности
этой величины имеет вид

𝝀 ∙ 𝒆−𝝀∙𝒙 , 𝒙 ≥ 𝟎
𝒇(𝒙) = {
𝟎 , 𝒙<𝟎

где 𝝀 – постоянная положительная величина, называемая параметром

данного распределения.

Одно из преимуществ показательного распределения заключается в том, что

оно зависит только от одного параметра 𝝀.

Функция распределения показательного распределения

𝟎 , 𝒙≤𝟎
𝑭(𝒙) = { −𝝀∙𝒙
𝟏−𝒆 ,𝒙 > 𝟎

3
Основные числовые характеристики случайной величины, распределенной
по показательному закону:
𝟏
𝑴(𝑿) =
𝝀
𝟏
𝝈𝟐 = 𝟐
𝝀
𝟏
𝝈=
𝝀

Асимметрию показательного распределения, найдем его третий центральный

момент
𝟐
𝝁𝟑 = 𝟑
𝝀
Коэффициент асимметрии
𝝁𝟑
𝑨𝒔 = 𝟑 =𝟐
𝝈 (𝑿)

𝑬𝒌 = 𝟔

Вероятность распределения случайной величины, распределенной по

показательному закону

𝑷(𝒂 < 𝑿 < 𝒃) = 𝒆−𝝀∙𝒂 − 𝒆−𝝀∙𝒃

Показательное распределение имеют, например, величины срока службы

различных устройств и времени безотказной работы отдельных элементов
этих устройств при выполнении определенных условий. Показательное
распределение играет большую роль в теории марковских случайных
процессов, теории массового обслуживания и теории надежности.