Непрерывные случайные величины
Случайная величина Х имеет непрерывное распределение, если она может принимать любые значения из некоторого конечного или бесконечного промежутка. Число возможных значений непрерывной случайной величины бесконечно. Строгое определение непрерывной случайной величины следующее: случайная величина называется непрерывной, если математическое ожидание любой функции g (X) можно записать в виде:
(2.1) |
Под “любой” функцией g (х) имеется ввиду такая, для которой интеграл (2.1) существует и сходится абсолютно.
Функция φ(x) называется плотностью распределения вероятностей непрерывной случайной величины Х и обладает следующими свойствами:
1. Вероятность попадания величины X в произвольный интервал на оси 0 x равна
(2.2) |
т.е. интегралу по А от функции плотности.
Таким образом, функция плотности φ(x) полностью характеризует распределение случайной величины Х.
2. В частности, для интервала (x 1, x 2), получаем:
(2.3) |
3. Так как вероятность неотрицательна, то из (2.2) следует, что φ(x) ≥ 0 для любого x.
4. Вероятность достоверного события равна 1, поэтому
|
|
(2.4) |
Последнее равенство называется условием нормировки функции плотности.
График функции плотности распределения φ(x) называется кривой распределения (рис. 1).
Рис. 1. График плотности распределения φ(x) (кривая распределения)
Вероятность попадания случайной величины Х в интервал (x 1, x 2) численно равна площади соответствующей криволинейной трапеции. Из условия нормировки следует, что площадь области, ограниченной сверху кривой распределения, а снизу – осью 0 х, равна 1.
Функцией распределения случайной величины Х является функция F (x), равная вероятности события (Х < x), т.е. вероятности того, что случайная величина Х примет значение, меньшее значения аргумента х.
Для непрерывной случайной величины функция распределения равна
(2.5) |
и обладает следующими свойствами:
1. 0 ≤ F (x) ≤ 1 для всех x;
2. F (–∞) = 0, F (+∞) = 1;
3. F (x) – неубывающая функция на всей оси;
4. F (x) – непрерывная функция, в точках непрерывности φ(x) она имеет производную:
F' (x) = φ(x) | (2.6) |
Вероятность попадания непрерывной случайной величины Х в произвольный интервал (x 1, x 2) можно вычислить с помощью функции распределения следующим образом:
P (X є (x 1, x 2)) = P (X < x 2) – P (X < x 1) = F (x 2) – F (x 1) | (2.7) |
Поэтому функция распределения F (х) так же, как и функция плотности распределения φ(x), полностью характеризует распределение вероятностей случайной величины Х и даже более удобна для расчетов вероятностей, так как не требует интегрирования.
В задачах статистики часто бывает нужно найти такое значение х по заданной вероятности Ρ, что
|
|
Ρ = P (X < x) = F (x) | (2.8) |
Данное уравнение может иметь, вообще говоря, множество решений. Но для большинства распределений, встречающихся в статистике, функция плотности распределения φ(x) строго положительна для всех Х из некоторого интервала и равна нулю вне этого интервала. Поэтому внутри этого интервала функция F (x) строго монотонно возрастает.
В этих случаях решение уравнения (2.8) существует и единственно для всех Ρ є (0; 1). Оно называется квантилью распределения и обозначается х Ρ (рис. 2).
Рис. 2. График функции распределения, квантиль и медиана случайной величины Х
Некоторые квантили имеют специальное название. Так, медианой непрерывной случайной величины Х называется действительное число mX, удовлетворяющее условию:
P (X < mX) = P (X > mX) = 0,5, | (2.9) |
т. е. решение уравнения F (x) = 0,5.
Математическое ожидание и дисперсия непрерывной случайной величины Х находят по формулам, которые следуют из выражения (2.1):
(2.10) |
Дисперсию проще рассчитывать по следующей формуле:
(2.11) |