Так как непрерывная случайная величина может принимать любые значения в некотором интервале, то невозможно перечислить все значения случайной величины и указать их вероятности как для дискретных величин. Для количественной характеристики распределения непрерывных случайных величин служат две основные статистические функции: функция плотности распределения вероятностей f(x) и функция распределения вероятностей (или накопленной вероятности) F(х).
|
|
Рис.3. График функции плотности распределения
вероятностей непрерывной случайной величины.
Вероятность Р(a<x<b) попадания значений случайной величины x в интервал между значениями a и b определится как площадь кривой между ординатами x=а и x=b. Эта площадь равна определенному интегралу от функции y=f(x) в этих пределах:
Р(a<x<b) = = F(x) =F(b) – F(a)(7)
Функция F(х) – является первообразной для у=f(х ) и называется функцией распределения вероятностей (или накопленной вероятности).
В общем случае эта функция равна вероятности того, что случайная величина Х меньше наперед заданного числа x.
F(x) = P(Х<x) (8)
При любом значении x функция распределения равно сумме вероятностей всех значений Х, меньших x. Как и всякая вероятность, функция распределения не может быть отрицательной и больше единицы 0 (рис.4).
Рис.4. Примерный график функции распределения
непрерывной случайной величины.
Вероятность попадания случайной величины на отрезок (а, в) равна приращению функции распределения на этом отрезке:
Р(a<x<b)=F(b) – F(a) (9)
Условие X<x можно записать в виде двойного неравенства:
- <X<x, тогда выражение (7) примет вид:
Р(- <X<x)= = F(x) (10)
Если промежуток изменения случайной величины от - до + , то попадание в такой интервал является достоверным событием и его вероятность равна 1.
= 1 (11)
Это соотношение называется условием нормировки функции плотности распределения вероятностей. Для непрерывной случайной величины с плотностью распределения y = f(x) математическое ожидание М(x) и дисперсия D(x) вычисляется по следующим формулам:
|
|
М(x)= , D(x)= (12)
На практике выполняют построение приближенного графика функции плотности распределения вероятностей случайной величины – гистограммы. Для этого промежуток возможных значений случайной величины разделяется на ряд равных интервалов: Dx1=x1¸x2; Dx2=x2¸x3;...; Dxn=xn-1¸xn и определяется частота (mi) появления тех или иных значений данной величины в этих интервалах (классах). Например, изучается распределение студентов на 1 курсе по возрасту. Полученные значения распределили по 5 интервалам с Dxi =3:
возраст по годам [15–18) [18–21) [21–24) [24–27) [27–30)
число студентов 9 48 25 10 8
Значения абсолютных или относительных частот в соответствующем масштабе откладываются на графике в виде площадей прямоугольников, построенных на отрезках Dx1 , Dx2 ,... Dxn, как на основаниях.