Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед не известное и зависящее от случайных причин, которые заранее не могут быть учтены.
Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями.
Число возможных значений дискретной случайной величины может быть конечным или бесконечным. Мат ожидание, дисперсия, ср. квад.отклонение
Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями.
Закон распределения дискретной случайной величины можно задать таблично, в виде формулы (аналитически) и графически.
Закон распределения дискретной случайной величины Х может быть задан в виде таблицы, в первой строке которой указаны в порядке возрастания все возможные значения случайной величины, а во второй строке соответствующие вероятности этих значений, т.е.
x | x1 | x2 | х3 | … | хn |
p | р1 | р2 | р3 | ... | рn |
где р1+ р2+…+ рn=1
Такая таблица называется рядом распределения дискретной случайной величины.
Если множество возможных значений случайной величины бесконечно, то ряд р1+ р2+…+ рn+… сходится и его сумма равна 1.
Закон распределения дискретной случайной величины Х можно изобразить графически, для чего в прямоугольной системе координат строят ломаную, соединяющую последовательно точки с координатами (xi;pi), i=1,2,…n. Полученную линию называют многоугольником распределения (рис.1).
рис.1
Закон распределения дискретной случайной величины Х может быть также задан аналитически (в виде формулы):
P(X=xi)=φ(xi),i =1,2,3…n
13. Принцепы распределения дискретной случайной величины: биномиальное, равномерное, геометрическое, гипергеометрическое распределение.
Биномиальным называют закон распределения дискретной случайной величины X - числа появлений события в n независимых испытаниях, в каждом из которых вероятность наступления события постоянна. Вероятности pi вычисляют по формуле Бернулли
Для биномиального распределения:
математическое ожидание M(X) = np,дисперсия D(X) = npq,мода np-q ≤ Mo ≤ np+p, коэффициент асимметрии As = (q - p)/√npq, коэффициент эксцесса Ex = (1 - 6pq)/npq
В пределе при n→∞ биномиальное распределение по своим значениям приближается к нормальному с параметрами a=np и σ=√npq
В пределе при n→∞ и при p→0 биномиальное распределение превращается в распределение Пуассона с параметром λ=np.
Геометрическое рапределение
Производится серия испытаний. Случайная величина - количество испытаний до появления первого успеха (например, бросание мяча в корзину до первого попадания). Закон распределения имеет вид:
Если количество испытаний не ограничено, т.е. если случайная величинв может принимать значения 1, 2,..., ∞, то математическое ожидание и дисперсию геометрического распределения можно найти по формулам M(X) = 1/p, D(X) = q/p
Гипергеометрическое: Говорят, что случайная величина имеет гипергеометрическое распределение с параметрами , и , где , , Имеется N объектов. Из них n объектов обладают требуемым свойством. Из общего количества отбирается m объектов. Случайная величина X - число объектов из m отобранных, обладающих требуемым свойством. Для вычисления вероятностей используются биномиальные коэффициенты). Закон распределения имеет вид:
Случайная величина с таким распределением имеет смысл числа белых шаров среди шаров, выбранных наудачу и без возвращения из урны, содержащей белых шаров и не белых.
Интегральная функция нормального распределения вероятностей:
Интегральная функция распределения вероятностей показывает вероятность того, что с.в. примет значение меньшее, чем x: F(x) = P(ξ < x). Численно она равна площади криволинейной трапеции, ограниченной сверху графиком плотности вероятности, снизу осью OX, на интервале от -∞ до x. Ниже дана иллюстрация.
Равномерное распределение
Плотность вероятности равномерного распределения сохраняет на интервале (a, b) постоянное значение, вне этого интервала плотность вероятности равна нулю. Исходя из основного свойства плотности вероятности, f(x) = 1/(b-a) на интервале (a;b).
Интегральную функцию распределения (вероятность того, что с.в. примет значение меньшее, чем x) находим как интеграл от -∞ до x от плотности вероятности: F(x) = (x-a)/(b-a)
Графики плотности вероятности и функции равномерного распределения:
Математическое ожидание равномерного распределения: M(X) = (a + b)/2
Дисперсия равномерного распределения: D(X) = (b - a)2/12
Среднее квадратичное отклонение равномерного распределения: σ(X) = (b - a)/(2√3)