3 а м |
е ч а н и е. Пользуясь |
формулой (*), |
можно доказать, что |
линейная |
функция У = АХ + В |
нормально распределеннuго аргумен |
та Х таКЖе распределена нормально, причем |
для того чтобы найти |
математическое ожидание У, надо в выражение фующии подставить В\1есто аргумента Х его математическое ожидание а:
М (У)= Аа+В;
для того чтобы найти среднее квадраТИ'lеское отклоиение У, надо
среднее квадратическое отклонение а pгyMeНl а Х умножить на модуль коэффициента при Х:
(J (У) = I А I (J (Х).
Пример 4. Найти ПЛОIНОСТЬ распределения линейноА функции У =3Х +), если аргумент распределен нормально, причем математи
ческое ожидание Х равно 2 и средиее квадратическое отклонение
равно 0,5.
Реш е н и е. Найдем математическое ожидание У:
м (У) =3.2+ 1 =7.
Найдем среднее квадратическое отклонение У:
(J (У)=3·0,5= 1,5
Искомая плотность распределения имеет вид
( ) |
I |
е-(у-7)'/[2.(1,5.-] |
gУ=I,5У2л |
' |
§ 11, Математическое ожидание функции одного
случайного аргумента
Задана ф)нкция У = <р (Х) случайного аргумента
Х. Требуется найти l\Iатематическое ожидание этой функ
ции, зная закон распределения аргумента.
1. Пусть аргумент Х-дискретная случай
|
|
|
|
|
|
|
|
н а я |
в е л и ч и н а с возможными значениями Хр Х2, • •• , х", |
вероятности |
которых соотвеТСlвенно равны Pl' Р2• ••• , Р". |
Очевидно, |
}'-также дискретная |
случайная |
величина |
с |
возможными значениями Уl = <р (Х1), |
У2 = |
qJ (Х2), |
.•• , у" = |
= |
qJ |
(х,,). Так как событие «величина |
Х |
приняла значе |
ние |
Х,» влечет за собой событие |
«величина У |
приняла |
значение ер (xj )>>, то вероятности возможных значений У со
ответственно равны Pl' Р2' ... , р". Следовательно, мате
матическое ожидание функции
м [qJ (Х)] = ~" ер (xj ) р,.
i= I
Пример 1. Дискретная СJlучайюlЯ величина Х задана распределением
Найти математическое ожидание фуикции У =ер (Х) = Х2 + 1.
Реш е в н е. Найдем возможные значения У:
ер (1) = ) 2 + I = 2; ер (3) = 31 + J = JO; ер (5) =51+ 1=26.
Искомое математическое ожидание функпии У равно
М [Xz+ 1]=2.0,2+ 10.0,5+26.0,3= 13,2.
2. П у с т ь а р г у м е н т Х - н е п р еры в н а я с л у
чай н а я в е л и ч и н а, заданная плотностью распределе
ния f (х). Для отыскания математического ожидания функции У = q> (Х) можно сначала найти плотность рас пределения g (у) величины У, а затем воспользоваться
формулой
ао
М (У) = ~ yg(y)dy.
-ао
Однако если отыскание функции g (у) является затруд
нительным, то можно непосредственно найти математиче
ское ожидание функции q> (Х) по формуле
ао
М [ч> (Х)] = ~ q> (х)! (х)dx.
-ао
в частности, если возможные значения Х принадлежат
интервалу (а, Ь), то
ь
М [ч> (Х)] = ~ <р (х)f (х)dx.
а
Опуская доказательство, заметим, что оно аналогично доказательству формулы (*), если заменить суммирова
ние интегрированием, а вероятность--элементом вероят
ности f (х) i1x.
Пример 2. Непрерывная |
случа.".ная величина Х задана |
плот |
ностью распределения f (х) = |
sin х |
в интервале |
(О, 'Л./2); |
вне этого |
интервала f (х) = О. |
Найти |
математическое |
ожидание |
функции |
у =q> (Х)=Х2• |
|
|
|
|
|
f (х) = |
Реш е н и е. Воспользуемся формулой (:J<*). |
По условию, |
= sin х, q> (х) = х2 , |
а = О, Ь = 'Л./2. |
Следовательно, |
|
|
|
|
31/2 |
|
|
|
|
|
М [q> (Х)]= ~ |
х! siп xdx. |
|
|
|
о
Интегрируя по частям, получим искомое математическое ожидание М [Х']='Л.-2.
§ 12. Функция двух случайных аргументов.
Распределение суммы независимых слагаемых.
Устойчивость нормального распределения
Если каждой паре возможных значений случай
ных величин Х и У соответствует одно возможное зна
чение случайной величины Z, то Z называют функцuей
двух случайных аргументов Х и У:
Z = ер (Х, У).
Далее на примерах будет показано, как найти рас пределение функции Z = Х + У по известным распреде лениям слагаемых. Такая задача часто встречается на
практике. Например, если Х - погрешность показаний измерительного прибора (распределена нормально), У
погрешность округления показаний до ближайшего деле
ния шкалы (распределена равномерно), то возникает
задача - найти закон распределения суммы погрешностей
Z=X+Y.
1. Пусть Х и У-дискретные независимые
с л у чай н ы е в е л и ч и н ы. |
Для |
того чтобы составить |
закон распределения |
функции Z = |
Х + У, надо найти все |
вс!3можные значения |
Z и их |
вероятности. |
Лример 1. Дискретные незавнснмые случайные величины заданы
распред~лениями:
Составить распределение случайной величины Z=X+Y.
Реш е н и е. Возможные значения Z есть суммы каждого возмож
ного зна'Iения Х со всеми возможными "Iначениями У:
г1= 1+3=4; г2= I +4=5; zз=2+3=-5; г4=2+4=6.
Найдем вероятности этих возможных значениrI. Для того чтобы
Z=4, ДОС1аточно, чтобы величина Х приняла значение Хl= I И величина У - значение У1 = 3. Вероятности этих возможных значе
ний, как следует из данных законов распределения, соответственно
равны 0,4 и 0,2.
Аргументы Х и У независимы, поэтому события Х = 1 и У = 3
независимы и, следовательно, |
вероятность |
их |
совместного наступле |
ния (т. е. вероятность события |
Z = I +3 = |
4) |
по теореме умноження |
равна 0,4·0,2 = 0,08. |
|
|
|
Аналогично найдем:
Р(Z= I +4=5) =0,4.0,8=0,32;
Р(Z = 2+ 3=5) =0.6.0,2 = 0,12;
Р(Z=2+4=6) =0,6.0,8=0,48.
Напишем нскомое распределение, сложив предварительно вероят ности несовместныХ событиil Z=Z2, Z=zs (0,32+0,12=0,44):
Р0,08 0,44 0,48
Контроль: 0,08+0,44+0,48=1.
2. Пусть |
Х и У-непрерывные случайные |
в е л и ч и н ы. |
доказано: |
если |
Х и У независимы, то |
Плотность распределения |
g(z) |
суммы Z = Х + У (при |
условии, что плотность хотя бы одиого из аргументов
задана на интервале ( - 00, 00) одной формулой) может
быть найдена с помощью равенства
aJ
g(z)= ~ fl(X)f.(z-х)dх
либо с помощью равносильного равенства
C<J
g (z) = ~,1 (z-y),. (у)dy,
где '1' f2-плотности распределения аргументов.
Если возможные значения аргументов неотрицательны,
то g(z) находят по формуле
:г
g (z) = ~' . (х)'. (г-х)dx,
о
либо по равносильной формуле
:г
g(z)= ~,. (Z-y)f2 (y)dy.
О
Плотность распределения суммы независимых случай
ных величин назьшают композицией.
Закон распределения вероятностей называют устой
чивым, если композиция таких законов есть тот же закон
(отличающийся, вообще говоря, параметрами). Нормаль
Ный закон обладает свойством устойчивости: композиция
нормальных законов также имеет нормальное распреде
ление (математическое ожидание и дисперсия этой ком
позиции равны соответственно суммам математических
ожиданий н дисперсий слагаемых). Например, если Х и
У - независимые случайные величины, распределенные
нормально с математическими ожиданиями и диспер-
енями, соответственно |
равными а. = 3, а, = 4, D |
1 |
= 1, |
D 2 = 0,5, то |
композиция |
этих величин (т. е. плотность |
вероятности |
суммы Z = Х + У) также распределена |
|
нор |
мально, 'причем математическое ожидание и дисперсия
композиции соответственно равны а = 3 + 4 = 7; D = 1 +
+0,5 = 1,5.
Пример 2. Независимые случайные величины Х И У За.ЦанЫ
плотностями распределеиий:
Нх)= ~ е- х/з |
(Оs;;;;; х < |
f(y)={-e- 1J14 |
(O~y < |
Найти композицию ЭТИХ законов, Т. е. плотность распределения слу
чайной величины Z=X +У.
Реш е н и е. Возможные значения аргументов неотрицательны, поэтому воспользуемся формулой (***)
2 |
|
|
2 |
1[1 е-(2-Х)/.] dx= |
|
g(z)= ~ '1 (x)f2 (z-x)dx= ~ (+е-%/3 |
|
|
2 |
|
|
|
|
|
|
|
= I~ е-2/. ~ е-Х/12 dx= е- 2/ . (1 _ |
е-2/12). |
|
Заметим, что |
здесь z ~ О, так |
как Z = Х +у |
и, |
по УСЛОВИЮ, |
воз |
можные значения Х и У неотрицате.~ьны. |
|
|
|
|
Рекомендуем читателю для |
контроля убедиться, |
что |
|
|
|
00 |
|
|
|
|
|
|
|
~ g (z) dz = 1. |
|
|
|
|
|
|
о |
|
|
|
|
|
В следующих далее |
пара графах |
кратко описаны |
рас |
пределения, |
связанные |
с |
нормальным, которые будут |
использованы при изложении математической статистики.
§ 13. Распределение «хн квадрат»
Пусть Хj (i = 1, 2, ... , n) - нормальные незави
симые случайные величины, причем математическое ожи
дание каждой из них равно нулю, а среднее квадрати
ческое отклонение-единице. Тогда сумма квадратов
этих величин
распределена по закону ?е (<<хи квадрат») с k = n степе
нями свободы; если же эти величины связаны одним ли-
нейным |
соотношением, |
например ~ Хj = |
nХ, то число |
степеней |
свободы k = n - |
1. |
|
ГIлотность этого распределения |
|
|
|
при |
x~O, |
|
|
при |
х > О, |
""
где Г (х) = StX - 1 е-! dt-гамма-функция; в частности,
о
г(n+l)=n!.
Отсюда видно, что распределение «хи квадрат» опре деляется одним параметром-числом степеней свободы k.
С увеличением числа степеней свободы распределение
медленно приближается к нормальному.
§ 14. Распределение Стьюдента
Пусть z- нормальная случайная величина, причем
M(Z)=O, u(Z)=l, а V-независимая от Z величина,
которая распределена по закону ?е с k степенями сво
боды. Тогда величина
т = z
YV/k
имеет распределение, которое называют t-распределением
или распределением Стьюдента (псевдоним английского
Сlатистика В. Госсета), с k степенями свободы.
Итак, отношение нормированной нормальной величины
к квадратному корню из независимой случайной вели
чины, распределенной по закону «хи квадрат» с k степе
нями свободы, деленной на k, распределено по закону
Стьюдента с k степенями свободы.
С возрастанием числа степеней свободы распределение
Стьюдента быстро приближается к нормальному. Допол
нительные сведения об этом распределении приведены
далее (см. гл. XVI, § 16).
§ 15. Распределение F Фишера - Снедекора
Если и и V - независимые случайные величины, распределенные по закону х· со степенями свободы k1 И k.,
то величина
имеет распределение, которое называют распределением F
Фишера-Снедекора со степенями свободы k 1 и k. (иногда его обозначают через У2).
Плотность этого распределения
Опри x~O,
x<k.- 2)/2
СО (k2 +k.x)(k t +k.)/. при х> О,
где
Мы видим, что распределен ие F определяется двумя пара
метрами - числами степеней свободы. Дополнительные
сведения об ЭТОМ распределении приведены далее (см.
гл. XIX, § 8).
Задачи
1. Найти математическое ожидаиие и дисперсию случайной величины Х, зная ее плотность распределения:
|
а) |
f (х) |
|
r I |
при - 1 |
< х < 1, |
f (х) =0 при остальных |
|
n |
у l-х2 |
|
|
|
|
|
|
|
Значениях х; |
|
|
|
|
|
|
6) |
{(х)= |
I |
при a-l<.;xe;;;a+l, [(х)=О при остальных зна- |
|
21 |
чениях х.
Оmв. а) М(Х)=О, D(X)=1/2; б) М(Х)=а, D(Х)=12;з.
2. Случайная' величина Х распределена нормально. Математи
ческое ОЖНданне и среднее квадратнческое отклонение этой величины
соответственно равны 6 и 2. Найти вероятность того, что в резуль
тате испытания Х примет значение, заключенное в интервале (4,8).
Оmв. 0,6826.
3. Случайная величина распределена нормально. Среднее квад
ратическое отклонение этой величины равно 0,4. Найти вероятность того, что отклонениt' случайной величнны от ее математического ОЖИ дания по абсолютной величине будет меньше 0,3.
Оmв. 0,5468.
4. Случайные ошибки измерения подчинены иормальному закону со средним квадратически~] отклонением а = 1 мм и математическим
ожиданием а = О. Найти вероятность того, что ИЗ двух независимых иаблюдений ошибка хотя бы одного из них не превзойдет по абсо лютной величине 1,28 мм.
Отв. 0,96.
5. Валики, I!1Г()TOH'nfle~JbJe автоматом, считаются стандартными,
если ОТклонение диаметра валика |
от проектного |
ра1мера не превы |
шает 2 мм. с.'l)'ча!lные отклонения |
диаметра валиков |
подчиняются |
нормальному закону со средннм квадратичеСКIIМ отклонением (J = 1,6 мм |
и ма1ематическим ожиданием |
а=О. Сколько процентов |
стандартиых |
валиков изготовляет автомат? |
|
|
|
|
Оmв. Примерно 79%. |
|
|
|
|
6. Днскретная СЛУ'lайная |
величина Х задана |
законом раСllреде |
ления:
б) Х -1 1 2
р 0,1 0,2 0,7
Найти закон расп ределения случайной веЛИЧIIНЫ У = Х".
7. Непрерывная случаt"lная величина Х задана плотностью рас
пределения f (х). Найти дифференциальную функцию g (у) случайной
величины У, если:
а) У = Х -t 1 ( - 00 < х < 00); б) 1-' = 2Х ( - а < х < а).
Оmв. а) g (у) =! (y-l) (- 00 < у < 00);
б) g (у) = ; f ( ~ ) (- 2а < у < 2а).
8. Независимые дискретные случайные величины заданы следую-
щими законами распределени я:
Найти заКl ны |
rаспределеНIIЯ функци й: |
а) Z=X+Y; б) Z=XY. |
Оmв. а) Z |
:) |
4 |
6 |
7 |
9 |
|
р |
0,06 |
0,10 |
0,28 |
0,40 |
0,16 |
|
б) Z |
2 |
3 |
5 |
8 |
12 |
20 |
р |
0,06 |
0,10 |
0,04 |
0,24 |
0,40 |
0,16 |
9. Независимые случайные величины Х н У заданы пло. юстями
распределеНIIЙ
- 1 |
-х/з |
(О<х |
f1 (х) -уе |
|
1 |
-У/5 |
(О<у |
f2 (Х) -se |
|
Найти композицию этих законов, т. е. плотноСтЬ распределения случайной величины Z = Х + У.
-21 е-z/ь (1 - |
е-и/н) при |
z ~ О; |
Отв. g (г) = { О |
при |
z < О. |
Глава тринадцатая
ПОКА3АТЕЛЬНОЕ РАСПРЕДЕЛЕНИЕ
§ 1. Определение показательного распределении
Покаэаmельным (экспоненциальным) называют
распределение вероятностей непрерывной случайной вели чины Х. которое описывается пл<?тностью
|
f (х) = |
{ |
Опри |
х < О, |
|
|
|
'Ie-"x |
при |
---- О |
, |
|
|
|
|
1\, |
Х с;::::::- |
|
|
где л - постоянная положительная величина. |
|
Мы |
видим, что |
показательное |
распределение |
опреде |
ляется |
о Д н и м параметром |
л. Эта особенность |
показа |
тельного распределения указывает |
на его |
|
преимущество |
|
((Х) |
|
|
|
|
|
|
|
|
|
|
|
1 -------- |
- |
|
о
Рис. 12
по сравнению с распределениями, зависящими от боль
шего числа параметров. Обычно параметры неизвестны
и приходится находить их оценки (приближенные Значе
ния); разумеется, проще оценить один параметр, чем два
или три и Т. д. Примером непрерывной случайной вели
чины, распределенной по показательному закону, может
служить время м е ж Д у появлениями двух последователь
ных событий простейшего потока (см. § 5).
Найдем функцию распределения показательного закона
(см. гл. XI, § 3):
Х |
О |
|
х |
|
F (х) = ~ f (х) dx = |
~ Odx + л ~ е-ЛХdx = l_е-Лх • |
-С<> |
-ао |
|
О |
|
Иlак, |
О |
|
|
х < О, |
F (х)= { |
|
при |
|
l-е- |
лХ |
при |
x~ о. |
|
|
|
|
Мы определили показательный закон с помощью плот
ности распределения; ясно, что его можно определить,
используя функцию распределения.
Графики плотности и функции распределения показа тельного закона изображены на рис. 12.
Пример. Написать плотность и Фуикцию распределения показа тельного закоиа, если параметр 1..=8.
Реш е н и е. Очевидно, искомая плотиость распределения
'(х)=8е-ВХ при x~O; '(х)=О прн х < О.
Искомая функция распределення
F(x)=l-e- Sx при x~O; Р(х)=О при х < О.
§ 2. 8ероитность попадания в заданный
интервал показательно распределенной
случайной величины
Найдем вероятность попадания в интервал (а, Ь)
непрерывной случайной величины Х, которая распреде лена по показательному закону, заданному функцией
распределения
Р(х)= l-е-Лх(х~О).
Используем формулу (см. гл. Х, § 2, следствие 1)
р (а < Х < Ь) = F (ь)-р (а).
Учитывая, что Р(а)=1-е-М, F(b)=l-e-A.Ь, получим
р (а < Х < Ь) =е-ла __ е-ЛЬ.
Значения функции е-Х находят по таблице.
Пример. Непрерывиая случайная величина Х распределена по
показательному закону
'(х)=2е-2Х при x~O; {(х)=О при х < о.
Найтн вероятность того, что в результате испытания Х попадает
в интервал (0,3, 1).
Реш е н и е. По условию, Л=2. Воспользуемся формулой (*):
р (0,3 < х < 1)=e-(2.0'3)_e-(2.1)=e- O,6 _ e - 2=
~0,54881-0,13534 ~ 0,41.