SalimovRB_matematika_gl_1-20_2011_web
.pdfИнтеграл в формуле (8) равен площади криволинейной трапеции, основанием которой служит отрезок , оси Ox, а сверху трапеция ограничена со-
ответствующей частью кривой y f x |
(рис. 194). Этой же площади равна |
|
вероятность в левой части формулы (8). |
|
|
В формулах (7) и (8) положим x |
и перейдем к пределу при . |
|
Учитывая, что F ( ) 0, будем иметь |
|
|
F(x) P X x P X x x |
f x dx. (9) |
|
|
|
|
Интеграл в этой формуле и остальные части соотношения равны площади бесконечной криволинейной трапеции, ограниченной сверху частью кривой y f x , соответствующей интервалу ( , x), служащему основанием трапе-
ции (рис. 195).
Рис. 195
Перейдем теперь в (9) к пределу при x . Учитывая, что F ( ) 1, получим условие, которому должна удовлетворять плотность распределения f (x) (кроме условия f (x) 0 ):
f x dx 1.
Следовательно, площадь криволинейной трапеции, ограниченной кривой распределения и осью абсцисс, равна единице.
Будем считать, что lim f x 0.
x
§5. Нормальный закон распределения
Опыт показывает, что многие случайные величины, например, ошибки при наблюдениях, отклонения по дальности или боковое отклонение точки
361
5354.ru
Ее производная
|
x |
1 |
e |
|
x2 |
. |
(15) |
|
|||||||
2 |
|
|
|||||
|
|
|
|
2 |
|
|
Отметим свойства функции x :
функция определена для всех x на числовой оси;
эта функция возрастает всюду в интервале ; , так как её производ-
ная согласно (15) больше нуля;
0 0, так как в формуле (14) при x 0 верхний и нижний пределы интегрирования становятся равными;
можно показать, что lim x 1/ 2;
x
функция x – нечётная, т. е. x x , в чем легко убедиться на
основании (14).
Из сказанного ясно, что x имеет график, представленный на рис. 197.
С учетом (15) соотношение (13) согласно формуле Ньютона – Лейбница можно представить в виде
|
a |
|
a |
|
|||
P X |
|
|
|
|
. |
(16) |
|
|
|
||||||
|
|
|
|
|
Это есть вероятность попадания в интервал ; случайной величины X с нормальным законом распределения. Функция x , не выражается через
элементарные функции. Составлены подробные таблицы её значений, которые приводятся в справочниках по математике. Таблица значений функции Лапласа дана в конце книги (Приложение 1).
363
5354.ru
§6. Числовые характеристики дискретной случайной величины
Пусть X – дискретная случайная величина, закон распределения который
|
n |
|
|
|
|
|
|
|
|
|
|
|
задан таблицей 1, где pk 1 |
в силу формулы (1). |
|
|
|
|
|
||||||
|
k 1 |
|
|
|
|
|
|
|
|
|
|
|
Таблица 1 |
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
X |
|
x1 |
x2 |
… |
xk |
|
… |
xn |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P X x |
|
p1 |
p2 |
… |
pk |
|
… |
pn |
|
|
|
|
k |
|
|
|
|
|
|
|
|
|
|
|
Математическим ожиданием случайной величины X называется число, |
||||||||||||
обозначаемое M X или mx |
и равное сумме произведений всех возможных |
|||||||||||
значений X на вероятности этих значений, т. е. M X mx x1 p1 |
x2 p2 ... xn pn |
|||||||||||
или |
|
|
|
|
|
|
|
|
|
|
||
|
n |
|
|
|
|
|
|
|
|
|
|
|
M X mx xk pk . |
|
(17) |
|
|
|
|
|
|
|
|||
k 1 |
|
|
|
|
|
|
|
|
|
|
||
Математическое ожидание называют также центром распределения воз- |
||||||||||||
можных значений случайной величины X по аналогии с центром тяжести си- |
||||||||||||
стемы материальных точек. Такая аналогия действительно имеет место. |
||||||||||||
В самом деле, предположим, что на оси Ox в точках x1, |
x2 , |
..., xn находят- |
||||||||||
ся материальные точки соответственно с массами |
p1, p2 , ..., |
pn ; |
тогда, как из- |
вестно из механики, центр тяжести этой системы материальных точек опре-
|
n |
n |
деляется формулой |
xc xk pk / pk . Когда сумма в знаменателе равна едини- |
|
|
k 1 |
k 1 |
це, что имеет место для случайной величины в силу формулы (1), выражение
n |
|
|
|
|
для xc принимает вид xc xk pk , т. е. получим такую же формулу, что и фор- |
||||
k 1 |
|
|
|
|
мула (17) для математического ожидания. |
|
|
||
Иногда кроме рассматриваемой величины X |
вводят в рассмотрение дис- |
|||
кретную случайную величину |
mx . |
Разность |
mx принимает значения |
|
xk mx с вероятностями pk для |
k 1, 2, |
..., n. Следовательно, |
закон распреде- |
|
ления этой разности получается из таблицы 1, если в ней |
xk заменить на |
|||
xk mx для всех k. Математическое ожидание разности X mx , |
т. е. M X mx , |
|||
получится из формулы (17), если в ней xk заменить на xk mx |
для всех k. Лег- |
ко проверить, что при этом правая часть (17) будет равна нулю, если принять во внимание (1). Таким образом, математическое ожидание M X mx 0.
Разность X mx называют центрированной случайной величиной. Теперь мы
364
5354.ru
видим, что математическое ожидание центрированной случайной величины равно нулю. Разность будем называть отклонением величины X от ее математического ожидания.
Для дискретной случайной величины X , закон распределения которой задан таблицей 1, а математическое ожидание определяется формулой (17), дисперсией называют число
D X x1 mx 2 p1 |
x2 mx 2 |
p2 ... xn mx 2 pn |
или |
|
|
n |
pk . |
|
D X xk mx 2 |
(18) |
|
k 1 |
|
|
Дисперсия характеризует рассеивание, разброс значений величины X относительно её математического ожидания. В самом деле, чем дальше распо-
ложено |
значение xk от mx , тем |
больше квадраты разностей xk mx 2 , тем |
больше слагаемые формулы (18), |
тем больше дисперсия D X . |
Средним квадратическим отклонением дискретной случайной величины
X называется число, равное (X ) D(X ).
Пример. Проводится испытание, в котором может появиться событие A , вероятность его появления известна и равна p. Тогда непоявление события A есть событие A , противоположное событию A , а вероятность A равна Пусть X – число появлений события A при данном испытании. Ясно,
что X |
примет значение x1 1, если событие A появится, следовательно, веро- |
|
ятность появления этого значения равна p – вероятности события A. |
Вели- |
|
чина |
X примет значение x2 0, если при данном испытании событие |
A не |
появится. Ясно, что вероятность появления этого значения равна q – вероятности события A . Таким образом, для величины X получим следующую таблицу, определяющую ее закон распределения:
|
X |
|
1 |
0 |
|
|
P X xk |
|
p |
q |
|
|
|
|
|
|
|
Запишем по |
формулам |
(17) и (18) математическое ожидание |
M x mx 1 p 0 q p, и дисперсию
D X 1 p 2 p 0 p 2 q q2 p p2q pq( p q) pq.
Перед тем, как записать свойства математического ожидания и дисперсии, остановимся на следующих определениях.
365
5354.ru
Произведением постоянной C и дискретной случайной величины X назы-
вается дискретная случайная величина, обозначаемая CX , возможные значения которой равны произведению этой постоянной C на соответствующие возможные значения X , а вероятности этих произведений равны вероятностям значений X , входящих в эти произведения.
Дискретные случайные величины называются независимыми, если закон распределения любой из них не зависит от того, какие значения приняли другие. В противном случае случайные величины называют зависимыми.
Суммой двух независимых дискретных случайных величин X и Y называет-
ся случайная величина, обозначаемая X Y , возможные значения которой равны суммам каждого возможного значения X с каждым возможным значением Y , а вероятности этих сумм равны произведениям вероятностей слагаемых значений. Аналогично определяется сумма любого числа N независимых случайных величин. Последнее определение проиллюстрируем на примере дискретных случайных величин, законы распределения которых заданы таблицами 2 и 3.
Таблица 2
|
|
|
X |
|
|
x1 |
|
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
P X x |
p1 |
|
p2 |
|
|
|
||
|
|
|
|
k |
|
|
|
|
|
|
|
Таблица 3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Y |
|
|
y1 |
|
y2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
P Y yk |
|
q1 |
|
q2 |
|
|
||
Согласно определению, |
|
|
|
|
|
|
|||||
для суммы |
|
X |
Y закон распределения определя- |
||||||||
ется таблицей 4. |
|
|
|
|
|
|
|
|
|
|
|
Таблица 4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
X Y |
x1 y1 |
x1 y2 |
x2 y1 |
x2 y2 |
|
|||||
|
|
|
|
|
|
||||||
|
P X Y |
p1 q1 |
p1 q2 |
p2 q1 |
p2 q2 |
|
Произведением двух независимых случайных величин X и Y называется случайная величина, обозначаемая XY , возможные значения которой равны произведениям каждого возможного значения X с каждым возможным значением Y , а вероятности этих произведений равны произведениям вероятностей слагаемых значений.
Ясно, что закон распределения произведения XY вышеуказанных величин (табл. 2,3) получается из таблицы 4 заменой сумм возможных значений на их произведения.
366
5354.ru
В таблицах 2 и 3 согласно (1) должно быть p1 p2 1, q1 q2 1. Теперь мы
можем записать свойства математического ожидания и дисперсии дискретной случайной величины.
Пусть X , Y – дискретные независимые случайные величины, C const, тогда:
1) M CX CM X ; 2) M X Y M X M Y ; D CX C2 D X ; 4) D X Y D X D Y ;
5)M ( XY ) M ( X ) M (Y ).
Первое и третье свойства доказываются непосредственно, исходя из формул (17) и (18) с учётом определения произведения CX .
Докажем второе свойство. Согласно таблицам 2, 3 и 4 по формуле (17) запишем математические ожидания рассматриваемых величин:
M X x1 p1 x2 p2 , M Y y1q1 y2q2 , M X Y
x1 y1 p1q1 x1 y2 p1q2 x2 y1 p2q1 x2 y2 p2q2. |
|
В правой части раскроем скобки и при этом учтём, что p1 p2 1, |
q1 q2 1, |
тогда останется сумма, которая будет равна сумме величин M X M Y . По-
следние свойства доказываются аналогично.
Отметим связь между дисперсией и математическим ожиданием. Дисперсия дискретной случайной величины X , определяемой таблицей 1, вычисля-
ется по формуле (18). |
|
|
|
|
|
|
|
|
||
Рассмотрим теперь величину X mx 2 , |
которая |
принимает значение |
||||||||
xk mx 2 с вероятностями pk для всех k 1, 2, |
..., n. Здесь mx есть математиче- |
|||||||||
ское ожидание X , определённое по формуле (17). Закон распределения вели- |
||||||||||
чины X m |
x |
2 получается из таблицы 1, если в ней x |
заменить на x |
k |
m |
2 |
||||
|
|
k |
|
|
|
|
x |
|
||
для всех k. |
Но тогда математическое ожидание этой величины |
M X m |
x |
2 |
||||||
|
|
|
|
|
|
|
|
|
|
|
определяется по формуле (17), в которой xk |
надо заменить на |
xk mx |
2 для |
|||||||
всех k 1, 2, ..., n. При этом получим правую часть |
формулы (18). |
|
Итак, |
D X M X mx 2 .
Значение числовых характеристик случайной величины заключается, в частности, в том, что в задачах, связанных с большим числом случайных величин, нередко бывает достаточно знать их числовые характеристики, отвлекаясь от законов распределения этих величин. В грубых расчетах значения
367
5354.ru
случайной величины заменяют ее математическим ожиданием, т. е. некоторым средним значением.
§7. Числовые характеристики непрерывной
случайной величины
Пусть X – |
непрерывная случайная величина, плотность распределения |
которой равна |
f x , а интервалом всех возможных значений служит интер- |
вал ; . |
|
Математическим ожиданием рассматриваемой величины называется число, обозначаемое M ( X ) или mx , равное
|
|
|
|
(19) |
M (X ) mx xf (x)dx |
|
|||
|
|
|
|
|
Дисперсией X называется число D X , равное интегралу |
||||
|
|
|
|
|
D X |
x mx 2 |
f x |
dx. |
(20) |
Средним квадратическим отклонением рассматриваемой величины назы-
вается число (X ) D(X ).
При этом нужно иметь в виду следующие определения:
непрерывные случайные величины называются независимыми, если закон распределения любой из них не зависит от того, какие возможные значения приняли другие величины; в противном случае, случайные величины назы-
ваются зависимыми;
произведением постоянной C и непрерывной случайной величины X с
плотностью f x называется случайная величина, обозначаемая CX , возмож-
ные значения которой равны произведениям этой постоянной на соответствующие возможные значения X и плотность распределения вероятностей которой равна
суммой двух непрерывных независимых случайных величин X |
и Y с плот- |
|||
ностями |
распределения |
вероятностей, |
соответственно |
равными |
f1 x , f2 y , |
x , y , называется случайная величина, обозна- |
|||
чаемая X Y , возможные значения которой равны суммам соответствующих |
||||
возможных значений X и Y , |
плотность распределения вероятностей этой |
|||
суммы выражается формулой |
|
|
|
368
5354.ru
f z f1 t f2 z t dt, z x y.
Аналогично определяется сумма трех и большего числа независимых случайных величин.
произведением двух непрерывных случайных величин X и Y называется случайная величина, обозначаемая XY , возможные значения которой равны произведениям соответствующих возможных значений X и Y.
Доказанные выше для дискретной случайной величины свойства математического ожидания и дисперсии остаются в силе и для непрерывных независимых случайных величин.
Рассмотрим теперь числовые характеристики непрерывной случайной величины X , имеющей нормальный закон распределения. Выражение (10) подставим в формулу (19). После ряда вычислений, которые опускаем, получим M x mx a . Число M x a и функцию (10) подставим в формулу (20). По-
сле вычислений получим D X 2. Отсюда среднее квадратическое отклонение x . Здесь дисперсия характеризует рассеивание (разброс) значений X относительно математического ожидания M X a.
Считая, что k – заранее заданное малое положительное число, на оси Ox возьмём интервал a k;a k . Вероятность P a k X a k попадания X в
этот интервал равна площади криволинейной трапеции, основанием которой служит отрезок (a k, a k), а сверху трапеция ограничена соответствующей частью кривой y f ( x). Эта вероятность и указанная площадь тем больше, чем меньше . Таким образом, чем меньше дисперсия 2 , тем больше указанная вероятность, следовательно, тем чаще X попадает в указанный интервал и тем меньше рассеивание значений X относительно точки a – математического ожидания X .
В теории вероятностей числовые характеристики случайных величин играют важную роль. Нередко встречаются задачи, при решении которых достаточно знать числовые характеристики случайных величин, а законы их распределения не используются. Приближенные значения математического ожидания и дисперсии могут быть найдены, например, опытным путем (см. § 2 главы 20).
Пример. Пусть X – непрерывная случайная величина с нормальным законом распределения. Найти вероятность попадания X в интервал
369
5354.ru
Воспользуемся формулой |
(16), |
положив a 3 , a 3 . |
Тогда |
P a 3 X a 3 3 3 . |
Но |
x – функция нечётная, |
поэтому |
3 3 . Таким образом, |
|
|
|
P a 3 X a 3 2 3 . |
|
|
|
Из таблицы значений для x найдем 2 3 0,997. Поэтому предыдущая формула примет вид P a 3 X a 3 0,997. Следовательно, эта вероят-
ность очень близка к единице. Таким образом, событие, состоящее в том, что значение X попадает в интервал a 3 ;a 3 , является почти достоверным.
Это означает, что указанное событие, как правило, всегда появляется, и зна-
чение X , |
как правило, находится в интервале a 3 ;a 3 , центр которого |
есть a mx |
– математическое ожидание X . Это правило называется правилом |
трёх сигм. |
§8. Неравенство Чебышева
Пусть X – дискретная случайная величина, закон распределения которой задан таблицей
X |
|
x1 |
x2 |
… xk |
xk 1 |
xk 2 |
… xn |
P X x |
|
p1 |
p2 |
… pk |
pk 1 |
pk 2 |
… pn |
k |
|
|
|
|
|
|
|
Её математическое ожидание M X mx определяется формулой (17). Запишем дисперсию этой величины, выделив в ней члены, содержащие
xk , xk 1, ... :
D X x1 mx 2 p1 x2 mx 2 p2 ... xk mx 2 |
pk |
(21) |
|
xk 1 mx 2 pk 1 xk 2 mx 2 pk 2 xn mx 2 |
pn . |
||
|
Справедливо следующее утверждение.
Теорема (о неравенстве Чебышева). Вероятность того, что отклонение случайной величины X от её математического ожидания по абсолютной ве-
личине будет меньше положительного числа , удовлетворяет |
|
неравенству |
|||||||||||
Чебышева |
|
|
|
|
|
|
|
|
|
||||
P |
|
X M X |
|
1 D X / 2 . |
(22) |
|
|
|
|
|
X M X |
|
|
|
|
|
|
|
|||||||||
Доказательство. Рассмотрим два |
события |
|
X M X |
|
и |
|
|
. |
|||||
|
|
|
|
||||||||||
|
|
При каждом испытании одно из этих событий обязательно произойдёт, причём только одно. Это означает, что указанные события образуют полную
370
5354.ru