romanovskiy_romanovskaya_elementy_teorii_veroyatnostey
.pdf=− 12 + 22 = 12 .
λλ λ
Здесь, аналогично, учтено, что
Помнить:
mξ = 1 , Dξ = 12 ,
λ λ
|
1 2 |
λ |
|
|||
lim x − |
|
|
e− x |
= 0 . |
||
|
||||||
x→∞ |
λ |
|
|
|||
σ = |
1 |
. |
|
|
|
(17) |
|
|
|
|
|||
ξ |
|
|
|
|
λ
3. Найдем функцию распределения F (x).
x
F (x) = P(ξ< x) = ∫ f (t)dt .
−∞
Пусть х ≤ 0: F (x) = P (ξ < x) = 0,
x>0: F ( x ) = P (− ∞ < ξ ≤ 0 + 0 < ξ < õ ) = P (0 < ξ< x ) = .
|
x |
|
|
x |
− |
λ |
|
e |
− λt |
|
x |
λ |
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
||||||||
= |
∫ |
f (t ) dt |
= λ e |
t dt = |
|
|
|
|
|
|
= 1 − e − x . |
||
λ |
|
|
|
|
|||||||||
|
|
|
∫ |
|
|
|
|
− λ |
|
|
|
||
|
0 |
|
|
0 |
|
|
|
|
|
0 |
|
||
|
|
|
|
|
|
|
|
|
|||||
Следовательно, |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
0 |
|
при |
x |
0; |
|
||||
|
|
F(x) = |
− e−λx при |
|
x > 0. |
|
|||||||
|
|
|
1 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
График F (x):
F(x)
1
0 |
x |
Рис. 19
4. Примерами показательных случайных величин являются продолжительность телефонного разговора, время
51
безотказной работы автоматической линии. Имеет место следующий более общий результат.
Рассмотрим простейший поток событий. Обозначим Т промежуток времени между соседними событиями потока
(рис. 20).
|
Т |
|
|
|
|
|
ось |
соб. |
|
след. |
времени |
|
|
||
|
Рис. 20 |
соб. |
|
|
|
|
Утверждение. Т – показательная случайная величина с параметром λ, равным интенсивности данного простейшего потока.
Доказательство. Вычислим функцию распределения F (x) случайной величины. Пусть:
1). х ≤ 0: F (x) = P(T < x) = 0;
123
Ο
2). x > 0: F (x) = P (0≤ T ≤ x) = Р (за время х более одного события) = 1 – Р (за время х ни одного события) =
|
a 0 |
−a =1 − e−a = |
|
λ |
|||
1 − |
|
e |
1 − e− |
x . |
|||
0! |
|||||||
|
|
|
|
|
|
||
Мы получили: |
|
|
|
||||
|
|
|
|
0 |
|
при |
|
|
|
|
F(x) = |
− e−λx |
при |
||
|
|
|
1 |
||||
|
|
|
|
|
|
|
|
Отсюда следует |
|
|
|
||||
|
|
|
′ |
|
|
0 |
|
|
|
|
f (x) = F (x) = |
|
|
||
|
|
|
|
|
λe−λx |
что и требовалось доказать.
x ≤ 0; x > 0.
при |
x ≤ 0; |
при |
x > 0, |
Мы использовали, что число событий простейшего потока с интенсивностью λ, наступающих за время х, является пуассоновской случайной величиной с параметром
а = λх.
52
§5. Нормальный закон
Непрерывную случайную величину ξ называют нормальной с параметрами (a, σ) и пишут ξ = N (a, σ), если ее плотность вероятности дается формулой
f (x) = |
1 |
|
− |
( x−a)2 |
|||
|
2 |
|
|||||
|
|
|
e |
2σ . |
|||
|
|
|
|||||
σ 2π |
|||||||
|
|
|
|
|
График f (x) изображен на рис.21.
f (x)
|
0 |
a + 3σ x |
a – 3 σ |
a |
|
|
Рис. 21 |
|
Можно доказать:
1.Площадь бесконечной фигуры между кривой f (x) и осью абсцисс равна 1.
2.Параметры (a, σ) нормальной случайной величины
ξ имеют смысл математического ожидания и среднеквадратического отклонения (СКО):
mξ = a, |
Dξ = σ2, σξ = σ. |
(18) |
|||||
|
1 |
|
x − a |
|
|
||
3. F(x) = |
|
+ Ф |
|
|
, где Ф (х) - функция Лапласа (12). |
||
|
|
||||||
|
2 |
|
|
σ |
|
|
Следующие свойства 4-6 вытекают из 2,3 с учетом свойств функции распределения случайной величины и функции Лапласа.
4. |
|
β − a |
|
α − a |
(19) |
P(α < ξ < β) = Ф |
|
− Ф |
. |
||
|
|
σ |
|
σ |
|
53
Действительно,
|
|
|
|
1 |
|
β− a |
|
1 |
|
α − a |
|
|||
P(α < ξ < β) = F(β) − F(α) = |
|
|
+ Ф |
|
− |
|
|
−Ф |
|
= |
||||
2 |
2 |
|||||||||||||
|
|
|
|
|
σ |
|
|
σ |
|
|||||
|
β− a |
|
α − a |
|
|
|
|
|
|
|
|
|
|
|
= Ф |
|
−Ф |
. |
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
σ |
|
|
|
|
|
|
|
|
|
|
5.P(| ξ − a |< ε) = 2Ф ε .
σ
Имеем
P(| ξ−a|<ε) =P(a−ε<ξ<a+ε) =Ф |
a+ε−a |
−Ф |
a−ε−a |
|
= |
|
|
|
|||||
|
|
|
|
|
|
|
|
σ |
|
σ |
|
=Ф ε +Ф ε =2Ф εσ σ σ
6.P(| ξ− a |< 3σ) ≈ 1 .
Всамом деле
P(| ξ − a |< 3σ) = 2Ф 3σ = 2Ф(3) ≈ 1.
σ
Значения нормальной случайной величины с практической достоверностью лежат в интервале (а ± 3σ) (рис 21) (правило трех сигм).
7. Примеры нормальных случайных величин
1.Показание измерительного прибора. В этом случае а – истинное значение измеряемой величины, σ характеризует точность прибора (называется среднеквадратической ошибкой прибора).
2.Размер серийно изготовляемой детали. В этом
случае а – размер детали по |
ГОСТу, σ |
характеризует точность технологии. |
|
3.Величина анодного тока в электронной лампе.
4.Высота стебля пшеницы на поле, и т. д.
Помнить: нормальный закон широко распространен в природе и в практической деятельности человека, связанной
54
со случайными факторами. Причина этого будет объяснена в главе 5.
Замечание. Случайные величины ξ1, ξ2, … , ξn называются независимыми в совокупности (кратко: независимыми), если знание значений любой части из них не дает новой информации об остальных. Справедливо следующее утверждение: если случайные величины ξ1, ξ2, … , ξn независимы и нормальны с одними и теми же а, σ, то сумма ξ1 + … + ξn также нормальна, при этом имеет место формула:
|
|
|
ξ +K+ ξ |
|
|
|
|
|
ε |
|
|
|
|
n |
|
|
n |
||||||
P |
|
|
1 |
− a |
< ε |
|
= 2Ф |
|
|
. |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
||
|
|
|
n |
|
|
|
|
|
σ |
|
|
|
|
|
|
|
Глава 4. Совместные распределения случайных величин
Пусть с испытанием связаны две случайные величины ξ1, ξ2. Будем кратко говорить: (ξ1, ξ2) – случайная точка на плоскости. Будем говорить, что (ξ1, ξ2) – случайная точка дискретного типа, если множество ее реализаций в результате испытания состоит из отдельных, изолированных точек, и непрерывного типа, если множество ее реализаций заполняет сплошь области на плоскости или всю плоскость. В основе изучения совместных свойств случайных величин ξ1, ξ2 лежит совместный закон распределения или, в других терминах, закон распределения случайной точки.
§1. Закон распределения случайной точки дискретного типа на плоскости
Совместное распределение двух случайных величин ξ1, ξ2 в дискретном случае задается перечислением всех возможных реализаций случайной точки (ξ1, ξ2) и указанием их вероятностей. Это удобно делать с помощью таблицы с двумя входами:
55
ξ2 |
y1 |
|
y2 |
|
… |
|
yn |
ξ1 |
|
|
|
|
|
|
|
х1 |
P11 |
|
P12 |
|
… |
|
P1n |
х2 |
P21 |
|
P22 |
|
… |
|
P2n |
… |
… … |
|
… |
|
|
|
… |
хm |
Pm1 |
|
Pm2 |
|
… |
|
Pmn |
|
m |
n |
|
|
|
||
При этом ∑∑ Pij |
= 1 . |
|
|||||
|
i =1 |
j =1 |
|
|
|
Здесь хi (i =1, …, m) – всевозможные значения случайной величины ξ1, yj (j = 1, …, n)-
всевозможные значения случайной величины ξ2,
Pij = P (ξ1 = xi и ξ2 = yj).
Таблица показывает, как суммарная вероятность 100% распределена между значениями случайной точки.
По данной таблице можно найти законы распределения случайных величин ξ1 и ξ2. Значения случайных величин даны в таблице. Вероятности значений ξ1 вычисляются суммированием по строкам таблицы, то есть
n
pi = P (ξ1 = xi) = ∑ Pij .
j =1
Вероятности значений ξ2 вычисляются суммированием
m
по столбцам таблицы, то есть pj = P (ξ2 = yj) = ∑ Pij .
i=1
Обратное неверно. Закон распределения случайной точки восстанавливается по законам распределения координат только в случае, когда ξ1, ξ2 независимы.
Пример. В урне имеются три шара с номерами 1, 2, 3. Берут наугад из урны один за другим 2 шара. Обозначим ξ1 – номер 1-го шара, ξ2 – номер 2-го шара. Найти закон распределения случайной точки (ξ1, ξ2), законы распределения
случайных величин ξ1 и ξ2.
Решение. Найдем закон распределения дискретной случайной точки (ξ1, ξ2):
56
ξ2 |
|
1 |
|
|
2 |
|
3 |
|
|
|
|
P11 = P (ξ1 = 1 и ξ2 = 1) = |
||||||||
ξ1 |
|
|
|
|
|
|
|
|
= P (ξ1 =1) P (ξ2 = 1/ξ1 =1) = |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
1 |
|
1 |
|
1 |
|
||||||||||
1 |
|
0 |
|
|
|
|
|
= |
1 |
· 0 = 0. |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
6 |
|
6 |
|
3 |
|
|||||||||||||||
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
3 |
|
|
|
|
|
|||||||
2 |
|
1 |
|
|
0 |
|
1 |
|
1 |
|
P12 = P (ξ1 = 1 и ξ2 = 2) = |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
= P (ξ1 =1) P (ξ2 = 2/ξ1 =1) = |
||||||||
6 |
|
|
|
6 |
|
3 |
|
|||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||
3 |
|
1 |
|
|
1 |
|
0 |
|
|
1 |
|
= |
1 |
· |
1 |
= |
1 |
. |
||
6 |
|
|
6 |
|
3 |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
3 |
2 |
6 |
|
|||||||
|
|
1 |
|
|
1 |
|
1 |
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
|
|
3 |
|
3 |
|
|
|
|
|
|
|
|
|
|
|
Аналогично находятся все остальные вероятности возможных значений случайной точки (ξ1, ξ2).
Законы распределения случайных величин ξ1 и ξ2, очевидно, имеют вид:
|
1 |
2 |
3 |
|
|
|
1 |
2 |
|
3 |
||||||
ξ : |
|
1 |
1 |
1 |
|
; |
ξ : |
|
1 |
1 |
1 |
|
||||
1 |
|
|
|
2 |
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
3 |
3 |
|
|
|
3 |
|
|
|||||||
|
3 |
|
|
|
3 |
|
3 |
§2. Закон распределения случайной точки непрерывного типа на плоскости
В непрерывном случае совместное распределение случайных величин ξ1, ξ2 не может быть задано (как и в случае одной непрерывной случайной величины ξ) таблицей, так как в этом случае вероятности отдельных реализаций случайной точки (ξ1, ξ2) равны нулю. Совместное распределение задается, как и в случае одной случайной величины, двумя способами: с помощью функции распределения F(х,у) и плотности вероятности f(х,у).
Функция распределения случайной точки (ξ1, ξ2) определяется равенством
F (x, y) = P(ξ1 < x, ξ2 < y)
57
Плотность вероятности случайной точки (ξ1, ξ2) определяется равенством
|
f (x, y) = lim |
P(x < ξ< x + Dx, y < ξ < y + Dy) |
|||||
|
1 |
2 |
|
||||
|
|
|
Dx × Dy |
||||
|
|
x←0 |
|
|
|||
|
|
y→0 |
|
|
|
|
|
y |
|
|
|
|
f(x,y) |
||
|
|
|
|
|
|
V=1 |
|
|
|
|
|
|
|
||
y |
|
|
|
|
|
|
y |
|
|
|
|
||||
0 |
x |
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 22 |
|
|
x |
Рис. 23 |
||
|
|
|
|
Другими словами, плотность вероятности случайной точки (ξ1, ξ2) в точке (х,у) есть предел отношения вероятности попадания в заштрихованный прямоугольник (рис.22) к площади этого прямоугольника при условии, что прямоугольник стягивается к точке (х,у). Нестрого говоря, плотность вероятности случайной точки – вероятность попадания на участок с площадью единица.
Перечислим без доказательства основные свойства плотности вероятности f(х,у) (первые 4 из них аналогичны свойствам плотности вероятности f(х) одной непрерывной случайной величины, 5-е и 6-е указывают связь закона распределения случайной точки (ξ1, ξ2) с законами
распределения ее координат). 10. f (x, y) ≥ 0;
20. Вероятность попадания случайной точки в любую область D на плоскости дается формулой
P ((x1, x2) Î D) = ∫∫ f (x, y)dxdy .
D
30. Объем фигуры, заключенной между плоскостью
58
хОу и графиком плотности (рис.23), равен единице: V = 1. 40. f (x, y) = Fxy' (x, y) .
50. Законы распределения координат случайной точки (ξ1,ξ2) восстанавливаются по совместному закону распределения по формулам
∞ |
∞ |
|
f1 (x) = ∫ f (x, y)dy , |
f 2 ( y) = ∫ f (x, y)dx |
(20) |
−∞ |
−∞ |
|
60. Совместный закон |
распределения восстанав- |
ливается по законам распределения координат только в случае, когда ξ1, ξ2 независимы. В этом случае верна формула
f (x, y) = f1 (x) × f 2 ( y)
Последнее равенство является необходимым достаточным условием независимости ξ1, ξ2.
Отметим, что функция распределения F(х,у) имеет смысл и в дискретном случае. В непрерывном случае при изучении совместных свойств случайных величин, как правило, удобнее пользоваться плотностью вероятности f(х,у).
Пример. Случайная точка (x1, x2) равномерно распределена в треугольнике со сторонами: х = 0, y = 0, x + y = 3.
Найти: совместную плотность f(x,y), плотности вероятности f1(x), f2(y) случайных величин x1, x2. Проверить
зависимы x1 и x2 или нет.
Решение. Так как случайная точка (x1, x2) равномерно распределена в треугольнике AOB (рис. 24), то f (x, y) = const для точек из DАОВ. Тогда, используя свойство 30, имеем
Sосн · h = 1, следовательно
|
|
|
9 |
· h = 1, откуда h = |
2 |
и |
|||
|
|
2 |
|
||||||
|
h |
|
|
|
9 |
|
|||
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
если (x, y) Î D; |
||||
O |
B |
|
|
|
|
, |
|||
|
|
9 |
|||||||
|
3 y |
f (x, y) = |
|
|
|
|
|||
A |
|
|
|
|
|
|
если (x, y) Ï D. |
||
|
|
|
0, |
||||||
3 |
|
|
|
|
|
|
|
|
|
x |
Рис. 24 |
59 |
|
|
|
|
|
|
|
По формулам (20) находим:
y |
∞ |
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f1 (x) = ∫ f (x, y)dy . |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|||||||
3 |
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
Если х Ï [0, 3], то f (x, y)=0 (рис.25) |
|||||||||||
|
|
|
|
|
|
и, следовательно, f1 (x) = 0. |
||||||||||
|
|
|
|
|
|
Если хÎ [0,3], то f (x, y) = |
2 |
, откуда |
||||||||
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
3− x |
9 |
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2(3 - x) |
||||
0 |
х |
|
3 х |
|
|
х |
f1 (x) = |
|
|
dy = |
|
. |
||||
|
|
|
|
|
||||||||||||
|
– ∞ |
|
|
|
|
|
|
|
9 |
|
∫0 |
9 |
|
|
|
|
|
Рис. 25 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Окончательно, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
2(3 - x) |
|
|
|
|
|
|
|
|
||||
|
|
f1 |
(x) = |
|
|
|
, |
x Î[0,3]; |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
9 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
0, |
|
|
x Ï[0,3]. |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Аналогично, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
2(3 - y) |
|
|
|
|
|
|
|
|
|||
|
|
f 2 |
( y) = |
|
|
, |
y Î[0,3]; |
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|||||||||
|
|
|
9 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
0, |
|
|
y Ï[0,3]. |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
Так как f1(x) · f2 (y) ¹ const, то равенство (21) не выполняется, следовательно x1, x2 статистически зависимы.
§3. Ковариация двух случайных величин. Коэффициент корреляции
1. Пусть с испытанием связаны случайные величины ξ1,ξ2 с числовыми характеристиками (а1,σ1), (а2,σ2).
Ковариацией случайных величин x1, x2 называется число |
|
||||||||||||
cov (x1, x2) = M [(x1 – |
|
a1) (x2 – |
|
a2)]. |
|
|
|||||||
Из определения следует: в дискретном случае |
|
||||||||||||
cov(ξ,ξ) = |
∑ |
p |
ij |
(x |
i |
- a |
1 |
)(y |
j |
- a |
2 |
). |
(22) |
1 2 |
|
|
|
|
|
|
|
i, j
60