1. Функція розподілу F(x) є неспадна функція свого аргументу, тобто при x2>x1 - F(x2)³F(x1)
2. При функція розподілу F(x)=0 тобто F()=0
3. При F(x)=1 тобто F()=1
4.
5. Якщо всі значення випадкової величини належать інтервалу (a, b), то
при функція розподілу F(x)=0,
при функція розподілу F(x)=1.
6. Графік інтегральної функції F(x) розподілу має вигляд
| Дисперсія випадкової величини – характеризує розсіювання випадкової величини відносно математичного сподівання, позначається
.
За означенням: .
Для дискретної випадкової величини:
Для безперервної випадкової величини:
Дисперсія має размірність квадрата випадкової величини. Для наочної характеристики розсіювання зручніше застосовувати величину з розмірністю випадкової величини. Тому з дисперсії добувають корінь, який називають середньоквадратичним відхиленням (СКВ) випадкової величини і позначають
Отже:
Властивості дисперсії:
1) ;
2) ;
3) X,Y - незалежні випадкові величини;
4) .
Інші моменти вищих порядків дають можливість визначити додаткові характеристики розподілу, зокрема характеризують форму кривої розподілу. Це такі як асиметрія і ексцес. Вводяться коефіцієнти асиметрії і ексцесу (гостро- чи плосковершинності) розподілу, які визначаються відповідно:
; .
Задачі для засвоєння матеріалу.
Приклад 1.
Функція розподілу безперервної випадкової величини задана виразом:
| | |
| | | | |
| | | | | | | |
|
Моменти центрованої випадкової величини називають центральними моментами.
Центральний момент k –го порядку випадкової величини Х -це математичне сподівання k –го порядкувідповідної центрованої випадкової величини
Для дискретної випадкової величини:
,
Для безперервної випадкової величини:
Зв’язок між центральними і початковими моментами різних порядків.
Із всіх моментів в якості характеристики випадкової величини найчастіше використовують перший момент (мат. сподівання) і другий центральный момент , який називають дисперсією випадкової величини.
| | |
Диференційна функція розподілу – або густина розподілу – це перша похідна від інтегральної функції розподілу .
Властивості: густина розподілу визначена тільки для безперервної випадної величини.
Графік диференційної функції розподілу називають кривою розподілу. Площа обмежена кривою диференційної функції розподілу і віссю абсцис дорівнює 1, і ймовірність попадання результату спостереження і випадкової похибки у заданий інтервал дорівнює цій площі. За кривою розподілу випадкових похибок можна визначити, які значення випадкових похибок більш ймовірні, які менш ймовірні.
Функція розподілу результатів вимірювань чи похибок є універсальним способом розміщення випадкових похибок навколо істинного значення, але для їх визначення необхідно проводити складні дослідження і обчислення, тому суттєві особливості випадкових похибок описують за допомогою спеціальних числових характеристик. До них відносяться
1) характеристики положення розподілу результатів похибок: математичне сподівання, мода, медіана;
2) характеристика розсіювання випадкових похибок відносно істинного значення: дисперсія, середнє квадратичне відхилення.
3) моменти розподілу.
Найважливішою характеристикою положення є математичне сподівання, яке показує середнє значення випадкової величини
Математичне сподівання величини Х позначають М[X] або mx.
Для дискретних випадкових величин М[X] визначається як сума добутків відповідних значень на їх ймовірність:
.
Теоретико-ймовірнісний зміст математичного сподівання – приблизно дорівнює середньому арифметичному значень випадкової величини:
| |
|
| | | | |
| | | | | | | |
| Властивості математичного сподівання:
1) Математичне сподівання сталої дорівнює сталій
;
2) ;
3) X,Y випадкові величини;
4) X,Y випадкові величини.
Модою (Mod) випадкової величини Х називають її найбільшймовірне значення. За модою розподіл може бути одномодальним та багатомодальним або без модальним (див.рис.3). Одномодальний розподіл – розподіл, коли найбільшу ймовірність має одне значення.
Для дискретної випадкової величини.
Mod=X3
Рис.3. Одно модальний розподіл.
Багатомодальний – конкретніше двохмодальний розподіл представлений на рис. 4.
Рис. 4. Двохмодальний розподіл.
Медіаною (Med) випадкової величини Х називають таке значення, для якого ймовірність того, що P(X<Med)=P(X>Med). У кожного розподілу Med може бути тільки одна. Med разділяє площу под кривою розподілу на 2 рівні частини. У випадку одномодального і симметричного розподілу
mx=Mod=Med, в інших випадках співпадіння немає, див. рис5.
| | |
Моменти.
Найчастіше для характеристики випадкових величин застосовуються моменти двох видів початкові і центральні.
Початковий момент. k-го порядку
- дискретной случайной величины Х называется сумма вида:
-безперервної випадкової величини Х називаєтся інтеграл виду .
Очевидно, що математичне сподівання випадкової величини - це початковий момент першого порядку
Центрованою випадковою величиною називають відхилення випадкової величини Х від її математичного сподівання:
.
Математичне сподівання центрованої випадкової величини рівне 0.
Для дискретної випадкової величини отримуємо:
| |
|
| | | | |