Непрерывные случайные величины

Кроме дискретных случайных величин, возможные значения которых образуют конечную или бесконечную последовательность чисел, не заполняющих сплошь никакого интервала, часто встречаются случайные величины, возможные значения которых образуют некоторый интервал. Примером такой случайной величины может служить отклонение от номинала некоторого размера детали при правильно налаженном технологическом процессе. Такого рода, случайные величины не могут быть заданы с помощью закона распределения вероятностей р(х). Однако их можно задать с помощью функции распределения вероятностей F(х). Эта функция определяется точно так же, как и в случае дискретной случайной величины:

Таким образом, и здесь функция F(х) определена на всей числовой оси, и ее значение в точке х равно вероятности того, что случайная величина примет значение, меньшее чем х.
Формула (19) и свойства 1° и 2° справедливы для функции распределения любой случайной величины. Доказательство проводится аналогично случаю дискретной величины.
Случайная величина называется непрерывной, если для нее существует неотрицательная кусочно-непрерывная функция*, удовлетворяющая для любых значений x равенству

(22)

Функция называется плотностью распределения вероятностей, или кратко, плотностью распределения. Если x 1 <x< span="">2, то на основании формул (20) и (22) имеем </x<>

(23)

Исходя из геометрического смысла интеграла как площади, можно сказать, что вероятность выполнения неравенств равна площади криволинейной трапеции с основанием [x 1,x 2 ], ограниченной сверху кривой (рис. 6).

Так как, а на основании формулы (22)

, то

(24)

Пользуясь формулой (22), найдем как производную интеграла по переменной верхней границе, считая плотность распределения непрерывной**:

(25)

Заметим, что для непрерывной случайной величины функция распределения F(х) непрерывна в любой точке х, где функция непрерывна. Это следует из того, что F(х) в этих точках дифференцируема.
На основании формулы (23), полагая x 1 =x,, имеем

В силу непрерывности функции F(х) получим, что

Следовательно

Таким образом, вероятность того, что непрерывная случайная величина может принять любое отдельное значение х, равна нулю.
Отсюда следует, что события, заключающиеся в выполнении каждого из неравенств

,,,

Имеют одинаковую вероятность, т.е.

В самом деле, например,

так как

Замечание. Как мы знаем, если событие невозможно, то вероятность его наступления равна нулю. При классическом определении вероятности, когда число исходов испытания конечно, имеет место и обратное предложение: если вероятность события равна нулю, то событие невозможно, так как в этом случае ему не благоприятствует ни один из исходов испытания. В случае непрерывной случайной величины число возможных ее значений бесконечно. Вероятность того, что эта величина примет какое-либо конкретное значение x 1 как мы видели, равна нулю. Однако отсюда не следует, что это событие невозможно, так как в результате испытания случайная величина может, в частности, принять значение x 1. Поэтому в случае непрерывной случайной величины имеет смысл говорить о вероятности попадания случайной величины в интервал, а не о вероятности того, что она примет какое-то конкретное значение.
Так, например, при изготовлении валика нас не интересует вероятность того, что его диаметр будет равен номиналу. Для нас важна вероятность того, что диаметр валика не выходит из поля допуска.

Пример. Плотность распределения непрерывной случайной величины задана следующим образом:

График функции представлен па рис. 7. Определить вероятность того, что случайная величина примет значение, удовлетворяющее неравенствам.Найти функцию распределения заданной случайной величины. (Решение)

Числовые характеристики непрерывных случайных величин

Математическим ожиданием непрерывной случайной величины, возможные значения которой принадлежат отрезку, называют определенный интеграл
.
Если возможные значения принадлежат всей числовой оси, то

(предполагается, что несобственный интеграл, стоящий в правой части равенства, существует).
Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения.
Если возможные непрерывной случайной величины принадлежат отрезку, то
.
Если возможные значения принадлежат всей числовой оси, то

(предполагается, что несобственный интеграл, стоящий в правой части равенства, существует).
Средним квадратическим отклонением непрерывной случайной величины называют, как и для величины дискретной, квадратный корень из дисперсии:
.

Законы распределения непрерывных случайных величин

Закон распределения непрерывной случайной величины нельзя задать также, как для дискретной. Он неприменим в силу того, что нельзя перечислить все бесконечное несчетное множество значений, а вероятности каждого отдельно взятого значения непрерывной случайной величины равны нулю.

Для описания закона распределения непрерывной случайной величины Х предлагается другой подход: рассматривать не вероятности событий Х=х для разных х, а вероятности события Х<х. При этом вероятность P(X<x) зависит от текущей переменной, т. е. является некоторой функцией от х.

Функцией распределения случайной величины Х называется функция F(x), выражающая для каждого х вероятность того, что случайная величина Х примет значение, меньшее х:

.

Функцию F(x) называют интегральной функцией распределения или интегральным законом распределения.

Способ задания непрерывной случайной величины с помощью функции распределения не является единственным. Необходимо определить некоторую функцию, отражающую вероятности попадания случайной точки в различные участки области возможных значений непрерывной случайной величины. Т. е. представить некоторую замену вероятностям p i для дискретной случайной величины в непрерывном случае.

Такой функцией является плотность распределения вероятностей. Плотностью вероятности (плотностью распределения, дифференциальной функцией) случайной величины Х называется функция f(x), являющаяся первой производной интегральной функции распределения:

.

Про случайную величину Х говорят, что она имеет распределение (распределена) с плотностью f(x) на определенном участке оси абсцисс.

Равномерный закон распределения. Непрерывная случайная величину Х имеет равномерный закон распределения (закон постоянной плотности) на отрезке [ a; b ], если на этом отрезке функция плотности вероятности случайной величины постоянна, т.е. f(x) имеет вид:

Функция плотности вероятности f(x)	Функция распределения F(x)
Рис.1. Равномерный закон распределения

Математическое ожидание
мат.ожидание. Математическое ожидание случайной величины, равномерно распределенной на отрезке (a, b), равняется середине этого отрезка.

Дисперсия:
дисп
дисп2

Величина поправка называется поправкой Шеппарда.

Вероятность попадания значения случайной величины, имеющей равномерное распределение, на интервал (a, b), принадлежащий целиком отрезку [ a, b ]:

вероятность

Геометрически эта вероятность представляет собой площадь заштрихованного прямоугольника. Числа а и b называются параметрами распределенияи однозначно определяют равномерное распределение.

Пример 4. Время ожидания ответа на телефонный звонок – случайная величина, подчиняющаяся равномерному закону распределения в интервале от 0 до 2 минут. Найти интегральную и дифференциальную функции распределения этой случайной величины.

Нормальный закон распределения (закон Гаусса). Непрерывная случайная величина Х имеет нормальный закон распределения с параметрами и (обозначают), если ее плотность вероятности имеет вид:

, где ,.
Функция плотности вероятности f(x)	Функция распределения F (x)
Рис. 2. Нормальный закон распределения

Математическое ожидание характеризует центр рассеивания значений случайной величины и при изменении кривая будет смещаться вдоль оси абсцисс (см. рис. 2 при и при). Если же при неизменном математическом ожидании у случайной величины изменяется дисперсия, то кривая будет изменять свою форму, сжимаясь или растягиваясь (см. рис. 2 при:;;). Таким образом, параметр характеризует положение, а параметр - форму кривой плотности вероятности.

Нормальный закон распределения случайной величины Х с параметрами и (обозначается N (0;1)) называется стандартным или нормированным, а соответствующая нормальная кривая – стандартной или нормированной.

Согласно определению функция плотности вероятности и функция распределения связаны между собой:

, где.

Интеграл такого рода является "неберущимся", поэтому для его нахождения используют особую функцию, так называемый интеграл вероятностей или функцию Лапласа, для которой составлены таблицы (см. Приложение 1).

, - функция нечетная!
Рис. 3. Функция Лапласа Ф(t)

Используя функцию Лапласа можно выразить функцию распределения нормального закона по формуле:

, где.

Для практических целей очень важны свойства случайной величины, имеющей нормальный закон распределения.

1. Если, то для нахождения вероятности попадания этой величины в заданный интервал (х 1;х 2) используется формула:

.

2. Вероятность того, что отклонение случайной величины от ее математического ожидания не превысит величину (по абсолютной величине), равна:

.

3. "Правило трех сигм". Если случайная величина, то практически достоверно, что ее значения заключены в интервале (). (Вероятность выхода за эти границы составляет 0,0027.) Правило позволяет, зная параметры (и), ориентировочно определить интервал практических значений случайной величины.

Пример 5. Случайная величина распределена нормально с параметрами,. Найти вероятность того, что случайная величина в результате опыта примет значение, заключенное в интервале (12,5; 14).

.

Пример 6. Случайная погрешность измерения подчинена нормальному закону распределения с параметрами,. Проводятся три независимых измерения. Найти вероятность того, что погрешность хотя бы одного измерения не превосходит по абсолютной величине 3 мм.

Вероятность того, что погрешность измерения в одном испытании не превышает 3 мм:

.

Вероятность того, что эта погрешность измерения в одном испытании превышает 3 мм, равна:

.

Вероятность того, что во всех трех испытаниях погрешность измерения превышает 3 мм:

.

Искомая вероятность: