биофизика
.pdfПерейдем к перечислению основных свойств математического ожидания.
1.Математическое ожидание постоянной равно этой постоянной, т. е. если С - константа, то М(С) = С.
2.Математическое ожидание суммы произвольных случайных величин равно сумме их математических ожиданий:
M(X+Y)=M(X)+M(Y).
Следствие. математическое ожидание суммы конечного числа произвольных случайных величин равно сумме их математических ожиданий, т. е. M( ∑X i ) = ∑
i |
i |
Пример 2. Найти математическое ожидание числа m наступлений события А при n независимых испытаниях, в каждом из которых событие А появляется с вероятностью р или не появляется с вероятностью q.
Решение:
n
Очевидно, что m может быть представлено в виде суммы: m = ∑X k ,
k =1
где Хк есть случайная величина, равная единице, если событие А произошло в k-м испытании, ти нулю, если событие А не произошло. Таким образом, P(Xk = 1) = p и P(Xk = 0) = q.
На основании последнего свойства математического ожидания
n
имеем: M (m) = ∑M (X k )
k =1
Как было доказано, М(Хк)=р. Следовательно, М(m) = n p. Итак, математическое ожидание случайной величины,
распределенной по закону Бернулли, равно n p.
3.Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:
272
M(X Y) = M(X) M(Y)
Следствием 1-го и 3-го свойств является утверждение: постоянный множитель можно выносить за знак математического ожидания, т. е. М(С Х) = С М(Х).
Наиболее употребительной характеристикой рассеивания случайной величины Х является так называемая дисперсия, которую будем обозначать символом Д(Х).
Определение. Дисперсией случайной величины называется математическое ожидание квадрата отклонения Х от своего математического ожидания:
D(Х)=М(Х-М(Х))2
Таким образом, если Х - дискретная случайная величина, принимающая конечное число значений х1, х2, .....хn с вероятностями, соответственно равными р1, р2, ...рn, то по определению
n |
|
D (X ) = ∑(xk − M (x))2 pk . |
(7.32) |
k =1
По аналогии для непрерывной случайной величины с плотностью вероятности f(x) дисперсия Д(Х) определяется с помощью равенства
+∞ |
|
D (X ) = ∫(x − M (X ))2 f (x)dx |
(7.33) |
−∞
Перечислим теперь основные свойства дисперсии:
1)дисперсия постоянной равна нулю, т. е. если Х=С, то D(С)=0;
2)дисперсия любой случайной величины есть число неотрицательное, т. е. D(Х)≥0;
3)дисперсия случайной величины равна разности математического ожидания квадрата случайной величины и квадрата математического ожидания, т. е. D(Х)=М(Х2)-(М(Х))2;
273
4)если С - константа, то D(СХ)=С2D(Х);
5)дисперсия суммы или разности независимых случайных величин
равна сумме их дисперсий: D(X±Y)=D(Х) ± D(Y).
Это свойство остается справедливым для любого числа случайных величин, т. е. D(Х1±Х2±Х3±.....±Хn)=D(Х1)+.....+D(Хn), где Х1, Х2, ....Хn - попарно независимые случайные величины.
Пример 3. Найти дисперсию случайной величины Х, распределенной по закону Бернулли.
n
Решение. Как указано выше, справедливо равенство X = ∑X k ,
k =1
где все Хк (к=1, 2,. , n) попарно независимы и имеют закон распределения
Xk |
0 |
1 |
|
|
|
pk |
q |
p |
n
На основании 5-го свойства имеем равенство D(Х) = ∑ D(Хк).
k =1
На основании 3-го свойства имеем равенство D(Хк) = М(Хк2)-
М2(Хк).
Выше было найдено, что М(Хк) = р. Очевидно, что М(Хк2) = р,
следовательно, D(Хк) = = р – р2 = р(1 – р) = р q. Окончательно получаем:
D(Х) = n p q.
В вычислительном отношении более удобна не дисперсия, а другая мера рассеивания случайной величины Х, которая чаще всего и используется, - это корень квадратный из дисперсии, взятый с положительным знаком, которая называется средним квадратичным отклонением или стандартным отклонением случайной величины.
Стандартное отклонение обычно обозначается символом σх или σ(Х):
274
σ(Х) = D(X ) .
Удобство стандартного отклонения состоит в том, что оно имеет размерность самой случайной величины Х, в то время как дисперсия имеет разномерность, представляющую квадрат разномерности Х.
Отметим в заключении, что дисперсия среднего арифметического Х из n независимых одинаково распределенных случайных величин Х1, Х2, ......, Хn равна дисперсии какой-либо из этих величин, деленной на общее число величин:
D( X )=D((Х1+Х2+....+Хn)/n)=D(Х)/n.
Отсюда следует, что σ( X )= σ(Х)/ n .
Именно так обстоит дело, когда мы производим n измерений какой-либо физической величины. Важно то, что результат каждого измерения не зависит от результатов отдельных измерений; тогда последовательные измерения можно рассматривать как значения не зависимых и одинаково распределенных случайных величин. Средняя квадратичная ошибка одного измерения (стандартное отклонение Х) будет при этом σ(Х), а средняя квадратичная ошибка среднего арифметического Х из n измерений будет в n раз меньше средней квадратичной ошибки одного измерения. Следует заметить, что если в опыте наш прибор давал систематическую ошибку, то никакими повторениями опыта от нее не избавиться.
7.2.4. Нормальный закон распределения.
Среди непрерывных распределений наиболее важную роль играет нормальное распределение. К нормальному закону распределения, называемому законом Гаусса, при весьма часто
275
встречающихся условиях приближаются другие законы. Если мы, в частности, имеем сумму большого числа независимых величин, подчиненных каким угодно законам распределения, то при некоторых весьма общих условиях она будет приближенно подчиняться нормальному закону.
Нормальный закон распределения характеризуется плотностью вероятности вида
|
|
|
1 |
−(x−a )2 |
, |
(7.35) |
|
|
f (x) = |
σ |
e 2σ 2 |
|
|||
|
|
2π |
|
|
|
|
|
где постоянные а и σ - параметры распределения. |
|
||||||
Кривая |
распределения, |
|
соответствующая |
нормальной |
|||
плотности, показана на рисунке 6. |
|
|
|
Рис.7.11. плотность вероятности нормального распределения
1
σ 2π
a-3σ a-2σ a-σ a |
a+σ a+2σ a+3σ |
Легко видеть, что f(a+x) = f(a–x), так что кривая плотности симметрична относительно прямой х = а. Методами дифференциального исчисления можно установить, что кривая плотности имеет единственный максимум при х = а и две точки перегиба при х = а ± σ.
Если случайная величина подчинена нормальному закону распределения вероятности с параметрами а и σ, то этот факт для краткости может быть записан в виде Х Ν(а, σ).
276
Вероятностный смысл параметров а и σ выясняется после нахождения математического ожидания и дисперсии.
Оказывается, что М(Х) = а, Д(Х) = σ2 .
Заметим, что иногда в качестве характеристики рассеивания для нормального закона вместо стандартного отклонения применяется так называемая мера точности, обозначаемая обычно через h.
Под мерой точности понимается величина, обратно пропорциональная стандартному отклонению
h = 1/σ√2.
Термин «мера точности» заимствован из теории ошибок измерений. Чем точнее измерение, тем меньше стандартное отклонение и тем больше мера точности. Если в качестве характеристики рассеивания применяется мера точности h, плотность вероятности нормального закона запишется в виде
f (x) = |
h |
e−h2 (x−a)2 . |
(7.36) |
|
π |
|
|
Функция распределения случайной величины Х Ν(а, σ) может быть выражена через функцию Лапласа следующим образом:
F(x)=1/2+Ф((х-а)/σ). (7.37)
Определенный интеграл с переменным верхним пределом
вида
Ф(x) = |
1 |
∫x e−t 2 /2 dt |
(7.38) |
|
2π |
0 |
|
носит название нормированной функции Лапласа или просто функции Лапласа. Смотри таблицу 3.
Функция Лапласа обладает следующими свойствами:
Ф(0)=0,
277
Ф(-∞)=0,5, Ф(-х)=-Ф(х).
Вычислим теперь вероятность попадания случайной величины Х Ν(а,σ) в промежуток (α,β):
Р(α<Χ<β) = F(β) – F(α) = Ф((β−а)/σ) − Ф((α – а)/σ). (7.39)
Если промежуток симметричен относительно М(Х) = а, то
получаем формулу следующего вида |
|
Р{|Х-а| < ε} = 2Ф(ε/σ). |
(7.40) |
Полагая в последней формуле ε = хσ, получим: Р{|Х – а|<σx σ} = 2Ф(х). В частности полагая последовательно х = 1, 2, 3 и пользуясь таблицей 3, получаем:
Р{|Х-а|<σ} = 2Ф(1) = 0,6827 Р{|Х-а|<2σ} = 0,9545 Р{|Х-а|<3σ} = 0,9973.
Последнее равенство дает основание к следующему практическому правилу, которое часто называют правилом «3σ»: все практически возможные значения случайной величины,
подчиненной нормальному закону N(а,σ), заключены в интервале (а
– 3σ, а + 3σ).
Самостоятельная работа.
Дискретные случайные величины.
1. Построить закон распределения и функцию распределения числа попаданий мячом в корзину при двух бросках, если вероятность попадания равна 0,4.
Ответ:
278
0 1 2
Х
р 0,36 0,48 0,16
0, прихх≤0
0,36, при0 < x ≤1
F(x) =
0,84, при1 < x ≤ 2
1, прихх> 2
2. В партии из 10 деталей имеется 8 стандартных. Наугад отобраны 2 детали. Составить закон распределения стандартных деталей среди отобранных.
Ответ:
0 1 2
Х
р 1 16 28
45 45 45
3. В партии из 6 деталей имеется 4 стандартных. Наугад отобраны 3 детали. Составить закон распределения дискретной случайной величины Х – числа стандартных деталей среди отобранных.
Ответ:
Х |
0 |
1 |
2 |
3 |
|||
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
р |
0 |
1 |
|
3 |
|
1 |
|
|
|
5 |
|
5 |
|
5 |
|
|
|
|
|
|
|
|
|
4. Две игральные кости одновременно бросают два раза. Написать биноминальный закон распределения дискретной случайной величины Х – числа выпадений четного числа очков на обеих игральных костях.
Ответ:
0 1 2
Х
279
р |
|
19 |
|
6 |
|
1 |
|
|
16 |
16 |
16 |
|
|||
|
|
|
|
|
|
|
|
5. В парии деталей 10% нестандартных. Наугад отобраны 4 детали. Написать биноминальный закон распределения дискретной случайной величины Х – числа нестандартных деталей среди четырех отобранных.
Ответ:
Х |
0 |
1 |
2 |
3 |
4 |
|
|
|
|
|
|
|
|
|
|
|
|
р |
0,6561 |
0,2916 |
0,0486 |
0,0036 |
0,0001 |
|
|
|
|
|
|
Непрерывные случайные величины.
6. Дана плотность распределения вероятности:
|
|
|
|
|
|
|
x ≤ 0 |
|
|
|
|
0, |
|
π |
|
||
|
|
|
|
|
|
f (x) = sin x, 0 < x ≤ |
2 |
|
|||
|
|
π |
|
|
|
|
x > |
|
|
|
|
0, |
2 |
|
|
|
|
|
|
|
|
|
|
Найти F(x). |
|
|
|
|
|
Ответ: |
|
|
|
|
|
|
|
|
|
|
|
|
x ≤ 0 |
|
|
|
|
0, |
|
|
π |
||
|
|
|
0 < x ≤ |
||
F(x) = 1−cos x, |
2 |
||||
|
|
π |
|
|
|
|
x > |
|
|
|
|
1, |
2 |
|
|
|
|
|
|
|
|
|
7. Дана плотность распределения вероятности:
0, |
x > 2 |
|
|||
|
1 |
|
|
|
|
|
|
|
|
||
f (x) = x − |
|
, |
1 |
< x ≤ 2 |
|
2 |
|||||
|
|
|
|
||
0, |
x ≤1 |
|
|||
|
|
|
|
|
Найти F(x).
280
Ответ:
0, |
x ≤1 |
||
|
|
|
|
1 |
(x2 − x), 1 < x ≤ 2 |
||
F(x) = |
|
|
|
2 |
|
||
|
|
x > 2 |
|
1, |
|||
|
|
|
|
8. Дана плотность распределения вероятности:
|
x ≤ |
π |
|
|
0, |
6 |
|
|
|
|
|
|
|
|
|
π |
|
π |
|
|
|
< x ≤ |
||
f (x) = 3sin 3x, |
6 |
3 |
||
|
|
|
||
|
x > |
π |
|
|
0, |
3 |
|
|
|
|
|
|
|
Найти F(x). Ответ:
|
x ≤ |
π |
|
|
|
0, |
6 |
|
|
|
|
|
|
π |
|
π |
|
|
|
|
|||
|
|
|
< x ≤ |
||
F(x) = − cos 3x, |
6 |
3 |
|||
|
|
π |
|
||
|
x > |
|
|
|
|
1, |
3 |
|
|
|
|
|
|
|
|
|
9. Дана плотность распределения случайной величины Х:
|
|
|
|
|
|
|
x |
≤ 0 |
|
|
|
0, |
|
π |
|||
|
|
|
0 |
< x ≤ |
|
f (x) = cos x, |
|
2 |
|||
|
|
|
π |
|
|
|
x |
> |
|
|
|
0, |
2 |
|
|||
|
|
|
|
Найти функцию распределения F(x). Ответ:
|
|
|
|
|
x ≤ 0 |
|
|
0, |
π |
||
|
|
0 < x ≤ |
|
F(x) = sin x, |
2 |
||
|
|
π |
|
|
x > |
|
|
1, |
2 |
|
|
|
|
|
281