Тема: Неперервні випадкові величини (HBВ). Функція та щільність розподілу ймовірностей.
Функція розподіл) випадкової величини та її властивості.
Дискретна випадкова величина може бути задана законом розподілу, тобто переліком її значень і відповідних ймовірностей Неперервні випадкові величини задати таблицею неможливо, бо їх значення заповнюють цілий проміжок. Тому треба задати не ймовірності окремих значень, а ймовірність того, що значення випадкової величини попаде в певний інтервал.
Означення 1. Інтегральною функцією F(x) розподілу або функцією розпаділу ймовірностей випадкової величини називається ймовірність того, що випадкова величина X у результаті випробування набуде значення, меншого за значення х, де X - довільне дійсне число:
F(x)= P(X < x). (1)
Зауваження 1. 3 урахуванням (1) можна дати означення неперервної випадкової величини.
Означення 2. Випадкова величина X називається неперервною,
якщо її функція розподілу F(х) є неперервною кусково-диференційовною функцією.
Якщо задано дискретну випадкову величину X: x1, x2,..., xn, тоді її функцію розподілу згідно з (1) можна задати рівністю:
(2)
де pk = Р(xk) - ймовірність значення xk. Звідси виходить, що коли
хк < х < хk+1, то значення F(x) не змінюється, тобто в точках { xk }
функція F(x) має розрив першого роду.
Приклад 1. Нехай дискретна випадкова величина задана таблицею:
X | |||
р | 0,3 | 0,1 | 0,6 |
Знайти функцію розподілу F(x), накреслити її графік.
Розв'язання. Якщо
1) x <l. то F(x) =P(X < 1) = 0 (ймовірність неможливої події);
2)1< x <4. то F(x)= Р(X =1) = 0,3,
3)4< x ≤8, то
F(x) = P(X =1)+P(X = 4) = 0,3 + 0,1 = 0,4;
4).x>8, то F(x)= P(X≤8) = 1(ймовірність достовірної події) Отже.
Зауваження 2. Графік функції розподілу дискретної випадкової величини розривний. У нашому випадку його зображено на рис. 1.
Розглянемо властивості функції розподілу F(x).
Fl°. 0≤F(x)≤1.
Це випливає з означення функції F(x).
F2°. Функція F(x) -неспадна,тобто F(x2) ≥F(x1), якщо x2 > x 1,.
Доведення. Нехай x2 > x1,. Тоді подію, що випадкова величина
X набуде значення меншого, ніж x 2,, можна розкласти на дві несумісні події:
1) X набуде значення меншого, ніж х 1,, з ймовірністю Р(X <x1);
2) X набуде значення х 1 ≤ X < х2 з ймовірністю Р(х1<Х<х2).
Тоді Р(х<х2) = Р(Х < х1) + Р(х1 < Х<х2), або
Р(Х<х2)- р(х<х1) = P (х1 ≤Х<х2)>0. (2)
Отже, Р(Х <х2)≥ Р(Х < x1) що й означає F(x2)≥ f(x1).
Наслідок 1. Ймовірність того, що випадкова величина набуде
значення з інтервалу (a,b) дорівнює приросту функції розподілу F(x) на цьому інтервалі, тобто
P(a ≤ X ≤ b) = F(b)-F(a). (3)
Дійсно, це випливає з рівності (2), якщо покласти x 1 = a, а х 2 = b.
Наслідок 2. Ймовірність того, що неперервна випадкова величина X набуде одного певного значення дорівнює нулю.
Доведення. У рівності (3) замінимо а = x 1, b = x 1 + ∆ х. Тоді
P (х1 ≤Х<х1) + ∆x) = F(x1 + ∆х) - f(x1). Якщо Ах -> 0, то
F(x1 + ∆х) - f(x1) —» 0 (X - неперервна величина). Отже,
P(х=x 1 )= 0.
Наслідок 3.
Р(а ≤ X<b) = Р(а < X<b) = Р(а < Х ≤ b) = Р(а ≤ Х ≤ b). Дійсно, наприклад,
P(a ≤ X ≤ b)= P(a ≤ X<b)+P(X = b) =
= Р(а< Х<b)+ Р(Х = а)= Р(а< Х<b).
F3°. Якщо можливі значення неперервної випадкової величини належать
інтервалу (а, b), то:
1) F(x) = 0 при х≤ а; 2) F(x) = 1при х ≥ b.
Доведення. 1) Нехай х≤а, тоді подія Х<а неможлива за
умовою, тому F(x) = P(X<a)= 0.
2) Нехай х ≥ b, тоді подія X<b достовірна, тому
F(x)=P(X ≥ b) = l.
F4°. Функція розподілу неперервна зліва.
Зауваження 4. Якщо можливі значення неперервної випадкової
величини розміщені на всій осі Ох, то
lim F(x) = 0, lim F(x) = l.
Графік функції розподілу неперервної випадкової величини, що набуває значень з (а,b), має вигляд (рис. 2):
Приклад 2. Випадкова величина X задана функцією розподілу
Знайти ймовірність того, що в результаті експерименту випадкова величина
X набуде значення з інтервалу (0,2).
Розв'язання. За формулою (3) знаходимо
10-2. Щ ільність розподілу ймовірностей та її властивості.
Означення 3. Диференціальною функцією розподілу f(x) (або щільністю розподілу ймовірностей) неперервної випадкової величини називається перша похідна від її інтегральної функції Fix), тобто:
F(x) = F'(x), X ∈ (-∞; +∞). (4)
З означення 3 випливає, що F(x) є первісною для f(x). Крива
y = f(x) називається кривою розподілу ймовірностей або кривою розподілу (рис. 3).
Теорема 1. Ймовірність того, що неперервна випадкова величина набуде значення з інтервалу (а,b) дорівнює визначеному інтегралу від щільності розподілу в межах від а до b:
P(a≤X<b) = . (5)
Доведення. Згідно з рівністю (3) та формулою Ньютона-Лейбніца, маємо:
Геометричний зміст рівності (5) полягає в тому, що ймовірність
Р (а < X <b)чисельно дорівнює площі криволінійної трапеції, обмеженої віссю Ох, кривою розподілу f(x) і прямими х = а, х = b (рис. 3).
Зауваження3. Якшо f(x) – парна, то
Наслідок. Функція F(x) розподілу ймовірностей неперервної випадкової величини виражається через щільність розподілу f(x) за допомогою рівності:
(6)
Дійсно, за означенням F(x)=P(X<x), тобто
— ∞ < X < х, тому згідно з (4) знаходимо
Зауваження 4. Для дискретної випадкової величини поняття щільності розподілу не розглядається.
Приклад 3. Знайти щільність розподілу випадкової величини X, заданої функцією розподілу:
Розв'язання За означенням щільності розподілу f(х) — F'(x) знаходимо:
Графіки у = F(x) і у = f(x) зображено на рис. 4 (а, б).
Розглянемо властивості щільності розподілу f(x):
f1°. Щільність розподілу ймовірностей випадкової величини є
невід'ємною функцією, тобто f(x) ≥0.
Дійсно, це випливає з того, що функція F(x) розподілу є неопадною, тоді f(x) = F'(x) ≥0.
f2°. Невласний інтеграл від щільності розподілу ймовірностей
випадкової величини у нескінченних межах дорівнює одиниці:
Дійсно, означає ймовірність
достовірної події Зокрема, якщо всі можливі значення випадкової величини належать інтервалу (a,b), то
fЗ°. Якщо випадкова величина X набуває значення з інтервалу (а,b), то f (x) = 0 при x < а та при х > b, тому що F(х)= 0 при х < а і F(x)= 1 при х>b.
f4°. Щільність розподілу f (x) є границею відношення ймовірності того, що випадкова величина набуде значення з інтервалу (х,х+ ∆ х) , до довжини інтервалу ∆ х, коли ∆ х → 0.
Дійсно, за означенням похідної і, враховуючи (3), запишемо
У цьому полягає ймовірнісний зміст щільності розподілу.
Приклад 4. Знайти функцію розподілу F(x), якщо щільність розподілу f(x) має вигляд:
Розв'язання. Згідно з формулою (6), знаходимо
Отже.