Кроме дискретных и непрерывных случайных величин существуют еще так называемые сингулярные случайные величины. Эти случайные величины характеризуются тем, что их функция распределения вероятностей - непрерывна, но точки роста образуют множество нулевой меры. Точкой роста функции называется значение ее аргумента такое, что производная .
Таким образом, почти всюду на области определения функции. Функцию , удовлетворяющую этому условию, также называют сингулярной. Примером сингулярной функции распределения является кривая Кантора (рис. 36.1), которая строится следующим образом. Полагается при и при . Затем интервал разбивается на три равных части (сегмента) и для внутреннего сегмента определяется значение - как полусумма уже определенных значений на ближайших сегментах справа и слева. На данный момент функция определена для , ее значение , и для со значением . Полусумма этих значений равна и определяет значение на внутреннем сегменте . Затем рассматриваются отрезки
|
|
Рис. 36.1. Построение кривой Кантора.
и , каждый из них разбивается на три равных сегмента и функция определяется на внутренних сегментах как полусумма ближайших справа и слева заданных значений функции . Таким образом, при функция - как полусумма чисел и . Аналогично на интервале функция . Затем функция определяется на интервале , на котором и т.д.
Суммарная длина всех внутренних сегментов равна
Поэтому, рассматривая интервал , говорят что функция - постоянная на множестве меры 1, на множестве меры 0 растет, но без скачков.
Известна теорема Лебега. Любая функция распределения может быть единственным образом представлена в виде суммы трех компонент: дискретной, непрерывной и сингулярной.
Сингулярные распределения практически не встречаются в реальных задачах и поэтому исключаются из нашего дальнейшего изучения.