03_05_Сл_вел_Часть_2_2005
.pdfСлучайные величины |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
47 |
||||||
замена переменной t = |
|
(x − m) |
, x = tσ |
|
2 + m , dx = |
2σdt |
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
σ |
|
2 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
∞∫(σ |
|
|
|
|
|
|
|
|
2 ∞∫te−t2 dt |
|
|
|
|
∞∫e−t2 dt =... |
|
|
|
|
|||||||||||||||
... = |
1 |
|
2t + m)e−t2 dt = σ |
+ |
m |
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
π −∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
π −∞ |
|
|
|
|
|
|
π −∞ |
|
|
|
|
|
|
|
||||||
∞∫te−t2 dt равен нулю, как интеграл от нечетной функции в симметричных |
|
||||||||||||||||||||||||||||||||||||||
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
пределах; |
∞∫e−t2 dt = 2∞∫e−t2 dt = |
π - интеграл Пуассона, тогда |
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
m |
−∞ |
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
mx = |
|
π = m - центр рассеивания случайной величины Х. |
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
|
2 |
|
|
|
∞ |
1 |
|
( x − m )2 e− |
(x−m)2 |
|
|
|
|
|
||||||||||||
Дисперсия Dx |
= ∫( x − mx ) f ( x )dx = ∫ |
|
|
|
|
2σ2 dx =… заме- |
|||||||||||||||||||||||||||||||||
|
|
|
2π |
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
−∞ σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
на переменной …= |
1 |
|
|
|
∞∫t2σ2 2e−t2 |
2σdt = |
|
σ2 |
∞∫ 2t2e−t2 dt =... вычислим ин- |
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
σ |
2π −∞ |
|
|
|
|
|
|
|
|
|
|
|
π −∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
теграл по частям: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
σ2 |
|
|
|
|
|
|
|
∞ |
|
|
∞ |
|
|
|
|
|
σ2 |
|
|
|
|
||
|
|
|
−t2 |
|
|
|
|
|
|
|
−t 2 |
|
|
|
|
|
−t2 |
|
|
|
∫e |
−t2 |
|
|
|
|
|
2 |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
t =u,te |
|
dt = du |
,ϑ = − |
2 |
e |
|
, |
... = |
|
|
|
−te |
|
|
|
|
−∞ |
+ |
|
dt = |
π |
|
|
|
=σ |
. |
|||||||||||||
|
|
|
|
|
|
|
|
|
π |
|
|
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
π |
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
||||||
e−t2 приt →∞ убывает быстрее, чем любая степень t −te−t2 |
→0 ; D |
x |
=σ2 . |
||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Таким образом, параметр m для нормального распределения случайной величины Х является ее математическим ожиданием, а параметр σ – среднеквадратическим отклонением.
Рассмотрим изменение кривой распределения, в зависимости от параметров распределения. При изменении m кривая смещается вдоль оси абсцисс. При увеличении σ кривая распределения становится более плоской, растягивается вдоль оси абсцисс, при уменьшении σ – вытягивается вверх, одновременно сжимаясь с боков (площадь под кривой всегда равна 1).
На рисунке кривая I имеет σ=2/3, II - σ=1, III -
σ=3/2. ε |
x |
= |
µ4 |
|
−3 = 0 , т.к. для нормального рас- |
||
|
|
||||||
|
|
σ |
4 |
|
|
||
|
|
|
|
|
x |
|
|
пределения |
|
µ4 |
|
= 3 . |
|||
|
|
||||||
|
|
|
σ |
4 |
|
|
|
|
|
|
|
|
x |
|
|
Вычислим вероятность попадания случайной величины Х на участок от α до β:
β |
1 |
β |
( x−m)2 |
||
P(α < X < β) = ∫ f (x)dx = |
∫e− |
|
dx =... |
||
2σ2 |
|||||
|
|||||
α |
σ 2π α |
|
|
48 |
Лекции 3-5 |
|
|
|
|
β−m |
|
t2 |
|
|
x −m |
|
1 |
σ |
e− |
||
Замена t = |
, x=tσ+m, dx=σdt, ... = |
∫ |
2 σdt = |
||||
σ |
|
||||||
|
|
σ 2π α−m |
|
|
σ
1
2π
β−m σ∫
α−m
σ
−t2
e 2 dt =...
Последний интеграл не выражается через элементарные функции, но его
|
1 |
x |
t2 |
|
можно выразить через специальную функцию Ф(x) = |
∫e− |
2 dt - функцию |
||
2π |
||||
|
0 |
|
Лапласа, для которой существуют специальные таблицы. Таким образом,
P{α < X < β} =Ф( β σ− m) −Ф(ασ− m) .
Свойства функции Лапласа:
1)Ф(0)= 0 ,
2)Ф(−x)= −Ф(x) (нечетная),
3)Ф(∞)= 0,5.
Рассмотрим функцию распределения F(x): |
1 |
|
х−m |
||||
F (x)= P(X < x)= P(−∞< X < x)= |
|
|
|
||||
|
|
||||||
α = −∞,β = х,Ф( −∞) = −0,5 |
= |
|
+Ф |
|
|
||
2 |
σ |
||||||
|
|
|
|
|
.
!В связи с широкой распространенностью нормального распределения для него часто используется специальное обозначение: нормальный за-
кон с математическим ожиданием m и среднеквадратическим отклонением σ обозначается N (m,σ ).
!Закон нормального распределения очень широко распространен в случайных явлениях природы. Он возникает в тех случаях, когда складываются много независимых случайных величин Х1 ,Х2 ,...,Хn .Какими бы ни были законы распределения величин Х1 ,Х2 ,...,Хn , закон распределения их суммы будет близок к нормальному.
Примеры нормальных распределений: ошибки «точных измерений», ошибки стрельбы, вызывающие отклонение снарядов от точки прицеливания, ошибки вывода космического корабля в заданную точку пространства и т.п.
5.1. Функции от случайной величины
ОСлучайная величина Y называется функцией от случайной величины X, Y =ϕ(X ), если задан закон, по которому каждому значению X постав-
лено в соответствие только одно значение Y.
В более сложных случаях Yi =ϕi (X1, X2 , X3,..., Xn ) при i=1, 2, …, k, k ≠ n .
Случайные величины |
49 |
Сформулируем задачу для случая непрерывной с.в.: зная плотность распределения случайной величины X f (x) и связь Y =ϕ(X ), найти плотность распределения g(y) cлучайной величины Y. Вначале рассмотрим случай, когда Y =ϕ(X )- строго монотонна (возрастает или убывает).
ТПусть: 1) задана f (x) и 2) Y =ϕ(X ) строго монотонна и дифференцируема на интервале (a,b), который может быть и бесконечным.
Тогда g |
( |
y |
) |
( |
|
( |
y |
)) |
|
ψ′ |
( |
y |
) |
, где x =ψ |
( |
y |
) |
– обратная к y =ϕ |
( |
x |
) |
функ- |
|
|
= f ψ |
|
|
|
|
|
|
|
|
|
|||||||||||
ция. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доказательство: |
|
|
|
|
|
|
|
|
|
т.е. y =ϕ(x) |
|
|
|
|
|
|
||||||
Пусть Y =ϕ(X ) |
возрастает, |
|
возрастает, тогда существует |
|||||||||||||||||||
x =ψ (y) |
– |
функция, |
обратная функции |
y =ϕ(x) и функция |
|
x =ψ (y) |
является возрастающей.
Вычислим вероятность попадания случайной величины Y в промежуток
[y; y + ∆y):
P(y ≤Y ≤ y + ∆y)= P(ψ (y)≤ X ≤ψ (y + ∆y))=
=F (ψ (y + ∆y))− F (ψ (y))= F′(ψ (y)) (ψ (y + ∆y)−ψ (y))+O1 (∆y)=
=F′(ψ (y)) ψ′(y) ∆y +O1 (∆y)+O2 (∆y)= f (ψ (y)) ψ′(y) ∆ +O(∆y).
Сдругой стороны,
P(y ≤Y ≤ y + ∆y)=G(y + ∆y)−G(y)= =G′(y) ∆ +O(∆y)= g (y) ∆y +O(∆y).
Следовательно, g( y) = f (ψ (y)) ψ′(y), если y =ϕ(x)возрастает.
Если y =ϕ(x) убывает,
g( y) = − f (ψ (y)) ψ′(y).
Объединяя, получаем
g (y)= f (ψ (y)) ψ′(y) .
В случае, если y =ϕ(x) немонотонна, для нахождения g (y) интервал (a,b) нужно разбить на промежутки монотонности y =ϕ(x), на каждом
участке найти обратную функцию, найти вклад в плотность вероятно-
50 |
Лекции 3-5 |
сти g (y) от каждого участка и результаты сложить:
n
g (y)= ∑f (ψi (y)) ψi′(y) .
i=1
Пример:
Случайная величина Х равномерно распределена на промежутке [0;2]; Y=X2. Определим закон распреде-
ления g(y). Решение:
0, x [0;2], f (x) =
1 , x [0;2].
2
По теореме g( y) = |
|
|
′ |
|
2 |
, |
|
|||
|
|
|
|
|||||||
f (x( y)) | x ( y) | , Y=X |
|
|||||||||
следовательно, у=х2, x= |
|
y ; x′ = |
1 |
|
, |
|
|
|||
2 |
|
|
|
|||||||
|
|
|
|
|
|
y |
|
|
||
0, y [0;4]; |
|
|
|
|
|
|||||
|
1 |
|
1 |
|
|
|
|
|
|
|
g (y)= |
|
|
, y [0;4]. |
|
|
|||||
|
2 |
|
|
|
|
|||||
|
|
2 |
y |
|
|
|
|
|
Пример:
Случайная величина Х равномерно распределена на промежутке [-1;1]; Y=X2 Определить g (y).
Решение: y=x2.
Имеем 2 участка монотонности: [-1;0] и [0;1]
для 1-го x1 = − |
y ; для 2-го x2 = |
y . |
|||||||||||
g (y)= |
1 |
|
|
1 |
+ |
1 |
|
|
1 |
= |
|
1 |
, y [0;1]. |
2 |
|
y |
2 |
|
y |
|
y |
||||||
|
2 |
|
2 |
2 |
|
Для дискретной случайной величины вычисление ряда распределения для функции также может измениться в зависимости от того, будут ли повторяться значения функции.
Пример:
Случайная величина Х задана рядом распределения
|
X |
1 |
2 |
3 |
|
p |
0,3 |
0,5 |
0,2 |
Y=X2. Найти ряд распределения Y. |
|
|
||
Решение: |
|
|
|
|
|
Y |
1 |
4 |
9 |
|
p |
0,3 |
0,5 |
0,2 |
Пример:
Случайная величина Х задана рядом распределения
Случайные величины |
|
|
|
|
|
51 |
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
-1 |
1 |
|
|
2 |
|
|
||
|
|
p |
0,3 |
0,5 |
|
0,2 |
|
||||
|
Y=X2. Найти ряд распределения Y. |
|
|
|
|
|
|
||||
|
Решение: так как с.в. Y принимает значение y =1 при x =1 и при x = −1, |
||||||||||
|
соответствующие вероятности суммируются: |
|
|
|
|||||||
|
|
|
Y |
|
1 |
|
4 |
|
|
|
|
|
|
|
p |
|
0,8 |
|
0,2 |
|
|
5.2.Числовые характеристики функции случайной величины Математическое ожидание
Если Y =ϕ(X ) и случайная величина Х имеет плотность распределения f (x), то M (Y )= mY = ∞∫ϕ(x)f (x)dx . (следствие теоремы).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доказательство: |
(приведено |
для случая |
|
|
монотонно |
возрастающей |
|||||||||||||||||||||||||||||||||||
y =ϕ(x)) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
( ) |
|
|
|
∞ |
|
|
|
( ) |
|
∞ |
|
|
( |
|
( )) |
|
|
( ) |
|
|
|
|
∞ |
( ) ( ) |
|
|
|||||||||||||
|
|
|
|
|
∫ |
|
|
|
|
∫ |
|
|
|
|
′ |
|
|
|
|
∫ |
|
|
|||||||||||||||||||
|
M Y = y g y dy = y f ψ |
y ψ |
|
y dy = ϕ x f x dx , ч.т.д. |
|||||||||||||||||||||||||||||||||||||
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
||||
Дисперсия |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Если Y =ϕ(X ) |
и случайная величина Х имеет плотность распределения |
||||||||||||||||||||||||||||||||||||||||
f (x), то D(Y )= ∞∫(ϕ(x))2 f (x)dx − ∞∫ϕ(x)f (x)dx 2 . |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Доказательство: (приведено для случая монотонно возрастающей |
|||||||||||||||||||||||||||||||||||||||||
y =ϕ(x)). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
D(Y )= M ((Y − M (Y ))2 )= M (Y 2 )−(M (Y ))2 = ∞∫ y2 g (y)dy − ∞∫ |
yg (y)dy = |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
−∞ |
|
|
|
|
∞ |
|
|
|
|
|
|
|
( ( )) |
|
|
( ) |
|
∞ |
( ( )) |
|
|
|
( ) |
|
2 |
|
|
|
|
|
||||||||||||||
|
|
∫ |
|
2 |
|
|
|
|
|
′ |
|
∫ |
|
|
′ |
|
|
|
|
|
|
|
|
||||||||||||||||||
|
= |
|
y |
|
f |
|
|
ψ y ψ |
|
y dy |
− |
|
|
|
y f ψ y ψ |
|
y dy |
|
|
= |
|
|
|||||||||||||||||||
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
= ∞∫(ϕ(x))2 f (x)dx − ∞∫ϕ(x)f (x)dx 2 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Моменты |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Начальный момент порядка k случайной величины Y: |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
k |
|
|
|
( |
|
|
|
) |
|
∞ |
|
|
|
|
|
∞ |
|
|
( |
|
|
|
) |
|
|
|
|
|
|
|
|
∞ |
|
( |
|
) |
|
|||
|
|
|
|
|
|
|
|
∫ |
|
|
|
|
|
∫ |
|
|
|
|
|
|
|
|
|
|
|
|
|
∫ |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
′ |
|
|
|
|
|
|
|
|
|
|
k |
|
α |
|
= M Y |
k |
|
|
= |
|
y |
k |
g (y)dy = y |
k |
f ψ (y) |
|
ψ |
|
(y)dy = |
|
|
|
ϕ(x) f (x)dx . |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
52 |
Лекции 3-5 |
Центральный момент порядка k случайной величины Y: |
|
µk = M ((Y − M (Y ))k )= ∞∫(y − M (Y ))k g (y)dy = |
|
−∞ |
|
= ∞∫(y − mY )k f (ψ (y)) ψ′(y)dy = ∞∫(ϕ(x)− mY )k f (x)dx.
−∞ |
−∞ |
5.3. Распределения, связанные с нормальным
Рассмотрим некоторые распределения, функционально связанные с нормальным, которые далее будут широко использоваться в задачах математической статистики.
5.3.1. Распределение χ2 (Пирсона) |
|
Рассмотрим совокупность независимых случайных |
величин |
Х1 ,Х2 ,...,Хn , у которых математическое ожидание равно нулю, |
а среднее |
квадратическое отклонение – единице. Сумма квадратов этих величин распределена по закону, называемому «хи – квадрат с n степенями свободы»:
χ2 = ∑Xi2 . i=1n
Если эти величины связаны одним линейным соотношением, например,
n |
|
|
|
|
|
|
|||
∑Xi = n |
|
, число степеней свободы уменьшается, k = n −1. |
|||||||
X |
|||||||||
i=1 |
|
|
|
|
|
|
|||
Плотность этого распределения |
|
|
|
|
|||||
|
|
0, |
|
|
|
|
|
x ≤ 0, |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
f (x)= |
|
−x 2 |
x |
−1 |
|
||
|
|
|
|
e |
|
x2 |
|
, x > 0, |
|
|
|
2n 2 Γ(n 2) |
|
|
Распределение Пирсона зависит от одного параметра – числа степеней свободы. С увеличением числа степеней свободы распределение приближается к нормальному, что можно наблюдать на приведенных ниже графиках.
Случайные величины |
|
|
53 |
5.3.2. t – распределение Стьюдента |
|
|
|
Пусть Z – стандартная нормальная величина (т.е. M (Z )= 0 , σ (Z )=1, а |
|||
V – независимая от Z случайная величина, распределенная по закону χ2 |
с k |
||
степенями свободы. Величина |
Z |
|
|
T = |
|
||
χ2 |
|
||
|
|
k
распределена по закону, называемому t – распределением Стьюдента с k степенями свободы. Очевидно, распределение Стьюдента зависит от одного параметра – числа степеней свободы k . Плотность t – распределения Стьюдента выражается формулой
|
k +1 |
|
|
|
|
|
−k +1 |
||
|
Γ |
|
|
|
x |
2 |
|
||
f (x,k )= |
2 |
|
|
|
2 |
||||
1 |
+ |
|
. |
||||||
k |
k |
||||||||
|
|
|
|
|
|||||
|
πkΓ |
|
|
|
|
|
|||
|
|
2 |
|
|
|
|
|
|
С увеличением числа степеней свободы распределение быстро приближается к нормальному, что можно наблюдать на приведенных ниже графиках.
Важная роль распределения Стьюдента в математической статистике объясняется следующим фактом: если случайные величины Х1 ,Х2 ,...,Хn незави-
симы и одинаково распределены по нормальному закону N (a,σ ), то величи-
на |
( |
|
−a) |
|
|
|
|
|
|
|
tn−1 = |
|
n , где X = 1 ∑Xi , s2 = |
1 ∑(Xi − X ) |
|||||||
X |
||||||||||
|
|
|
|
|
|
n |
|
n |
2 |
|
|
|
|
s |
|
|
n i=1 |
|
i=1 |
|
|
|
|
|
|
|
n −1 |
|
|
подчиняется распределению Стьюдента с n −1 степенями свободы.
54 |
Лекции 3-5 |
5.3.3. F – распределение Фишера – Снедекора
Если независимые случайные величины U и V распределены по закону χ2 с k1 и k2 степенями свободы соответственно, то величина
F= U k1V k2
распределена по закону, называемому распределением Фишера – Снедекора
со степенями свободы k1 и k2 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Плотность этого распределения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x ≤ 0, |
|||
|
|
|
|
|
|
|
k1 |
−1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
f (x)= |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
x 2 |
|
|
|
|
|
|
|
|
|
|
−x 2 |
|
|
|
|
||||
|
C |
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
, x > 0, |
|||||||
|
(k |
|
|
+ k x) |
k1 +k2 |
|
|
|||||||||||||||||
|
|
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
где |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
k |
|
+ k |
|
|
|
|
|
|
k1 |
|
|
|
|
k2 |
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
2 |
|
(k1 )2 |
(k2 )2 |
|||||||||||||||||||
|
|
Γ |
|
1 |
|
|
|
|
||||||||||||||||
|
|
|
2 |
|
|
|||||||||||||||||||
C = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|||
|
|
|
|
|
|
k |
|
|
k |
2 |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
Γ |
1 |
|
Γ |
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
С увеличением числа степеней свободы распределение приближается к нормальному, что можно наблюдать на приведенных графиках.