В теории вероятностей результаты опытов или наблюдений принято называть событиями. Случайные события характеризуются вероятностью P их осуществления, принимающей значения на промежутке [0,1]. Любое событие можно рассматривать как некоторое подмножество пространства элементарных событий Ω.
Случайной величиной Х называется числовая функция, определенная на пространстве элементарных событий Ω. Основной характеристикой случайной величины является распределение вероятностей. Функция распределения случайной величины Х определяется равенством F (x) =P (X<x), где x Î R (R — множество действительных чисел). Функция распределения обладает следующими свойствами:
- 0£ F (x)£ 1 при любом x Î R; ;
- F(x) является неубывающей функцией;
- P (a£X < b) =F (b)- F (a) для любых чисел a < b.
Функция распределения содержит всю вероятностную информацию о случайной величине Х.
Дискретную случайную величину удобно представлять в виде таблицы
(1.1)
Случайная величина Х называется непрерывной, если её функция распределения дифференцируема, т.е. существует производная p (x) =F’ (x), называемая плотностью распределения случайной величины Х, или сокращенно плотностью вероятности. В частности, . График функции распределения изображен на рис.3.
|
|
Рис.3. Функция нормального распределения.
Плотность распределения обладает следующими свойствами:
- р (х)³0 при любом x Î R;
-
Случайная величина полностью определяется законом распределения вероятностей. Но иногда закон распределения неизвестен, и приходится довольствоваться числовыми характеристиками случайной величины, оценки которых удаётся получить на основании эксперимента. Важнейшие из них — математическое ожидание и дисперсия.
Математическое ожидание (среднее значение) дискретной случайной величины Х, имеющей распределение (1.1), есть по определению сумма ряда при условии его абсолютной сходимости. Для непрерывной случайной величины Х с плотностью распределения р (х) математическое ожидание — это интеграл
, (1.2)
также при условии, что он абсолютно сходится. Математическое ожидание имеет следующие свойства (X, Y — произвольные случайные величины, a, b — константы):
- E (aX + bY) =aE (X)+ bE (Y);
- Если X ³ Y при всех реализациях, то E (X) ³ E (Y);
- Если X — непрерывная случайная величина с плотностью распределения p (x), а g (x), x Î R — числовая функция, то для случайной величины Y=g (X) справедливо равенство ;
- E (a) = a.
Другой важнейшей числовой характеристикой случайной величины Х является дисперсия, отражающая степень «разброса» случайной величины относительно среднего значения.
Дисперсия определяется равенством
|
|
(1.3)
Она имеет следующие свойства (X, Y — независимые случайные величины, a, b — константы):
- D (aX+bY) =a2 D (X) +b2 D (Y);
- D (X) =E (X 2)–(EX)2;
- D (a)= 0
;
В ряде случаев вместо дисперсии используют величину
(1.4)
называемую стандартным (среднеквадратичным) отклонением случайной величины Х.
Приведём примеры случайных величин, часто используемых в теории вероятностей, математической статистике и их приложениях.
1. Биномиальное распределение. Дискретная случайная величина xn, принимающая значения k=0,1,2,…,n с вероятностями
называется биномиальной случайной величиной с параметрами n и p. Случайная величина с таким распределением возникает в схеме Бернулли. Если случайные величины e i, i=1, …, n, независимы и принимают значение 1 с вероятностью p и 0 с вероятностью 1-p, то
2. Пуассоновское распределение. Дискретная величина P (l), принимающая значения k=0, 1,…, с вероятностями , называется пуассоновской случайной величиной с параметром l. Пуассоновское распределение широко используется в теории массового обслуживания. Число l называют интенсивностью. Е(P (l))= D(P (l))=l.
3. Равномерное распределение. Непрерывная случайная величина Х, плотность распределения которой задается формулой , называется равномерной на отрезке [ a, b ]. .
4. Показательное (экспоненциальное) распределение. Непрерывная величина Х, плотность распределения которой задается формулой , называется показательной или экспоненциальной с параметром l. Это распределение находит широкое применение в демографических исследованиях и в теории надёжности.
.
5. Нормальное (гауссовское) распределение. Непрерывная случайная величина Х, плотность распределения которой задается формулой
называется нормальной или гауссовской с параметрами Е (Х) = µ и D (X)= s 2. Часто используется обозначение XÎN (µ, s 2).
Полезно запомнить следующее соотношение, называемое правилом трёх сигм: значения Х случайной величины, распределённой нормально, лежат в пределах (µ-3s; µ+3s) с вероятностью 0,997.
Нормальная случайная величина с µ = 0 и s 2= 1 называется стандартной нормальной величиной.
Кривая нормальной плотности для двух значений дисперсии s2 (s1<s2) показана на рис.4.
Существуют и другие виды распределений. Более подробно о них можно узнать в учебниках [4], [9].
Рис.4. Плотность нормального распределения.