Мишулина Основы теории вероятностей 2011
.pdfтация и объясняет название функции fX (x1, x2 , ..., xn ) – плотность
распределения вероятностей.
Из выражения (3.26) следует приближенная формула:
|
n |
(x |
X |
|
x |
|
|
f |
|
(x , x |
|
, ..., x |
|
) x x |
|
... x |
|
, (3.27) |
P |
|
i |
x ) |
X |
2 |
n |
2 |
n |
||||||||||
|
i |
|
i |
i |
|
|
1 |
|
1 |
|
|
|||||||
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
которая обобщает свойство (2.21) (см. § 14) скалярных случайных величин непрерывного типа.
Рассмотрим ряд дополнительных свойств плотности распреде- |
|||||
ления вероятностей fX (x1, x2 , ..., xn ) . |
|
|
|
||
1. Вероятность попадания случайного вектора X в произволь- |
|||||
ную |
квадрируемую |
область |
D, |
для |
которой |
S D |
|
... dx1 dx2 |
... dxn 0 , определяется выражением: |
|
( x1,x2 ,...,xn ) D |
|
|
P(X D) |
... |
fX (x1, x2 , ..., xn ) dx1 dx2 ... dxn . (3.28) |
|
|
|
( x1 , x2 ,..., xn ) D |
|
Выражение (3.28) выводится с использованием формулы (3.27). |
|||
2. Вероятность попадания случайного вектора X в прямоуголь- |
ный параллелепипед с ребрами, параллельными осям координат, определяется выражением:
|
|
|
|
|
n |
(a |
|
X |
|
|
|
|
|
|
|
|
P |
|
k |
k |
b ) |
|
|||
|
|
|
|
|
|
|
|
k |
|
|||
|
|
|
|
k 1 |
|
|
|
|
|
(3.29) |
||
|
|
b1 b2 |
bn |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
... fX (x1, x2 , ..., xn ) dx1 dx2 ... dxn . |
|
||||||||
|
|
a1 a2 |
an |
|
|
|
|
|
|
|
|
|
|
Формула (3.29) является частным случаем (3.28). |
|
||||||||||
|
3. |
Плотность |
распределения |
вероятностей fX (x1, x2 , ..., xn ) |
||||||||
удовлетворяет условию нормировки: |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
... fX (x1, x2 , ... , |
xn ) dx1 dx2 ... dxn 1. |
(3.30) |
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Равенство (3.30) следует из условия нормировки для функции |
|||||||||||
FX (x1, x2 , ..., xn ) |
в форме (3.3) и определения (3.23). |
|
||||||||||
|
4. |
Одномерная |
плотность |
распределения |
вероятностей |
|||||||
f X |
m |
(xm ) координаты Xm случайного вектора X может быть полу- |
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
121 |
чена при известной функции fX (x1, x2 , ..., xn ) в соответствии с равенством:
|
|
|
|
|
|
f X m (xm ) |
|
|
|
|
|
|
|
|
(3.31) |
|
... |
|
... |
fX (x1, x2 , ..., xn ) dx1 ... dxm 1 dxm 1 ... dxn. |
|||
|
|
|
|
|
|
||
|
Утверждение (3.31) следует из свойства (3.8) (см. § 20) функции |
||||||
FX (x1, x2 , ..., xn ) |
и определения (3.23). |
||||||
|
В частности, |
для n = 2 плотности распределения f X1 (x1) и |
|||||
f X |
2 |
(x2 ) |
координат X1 и X2 |
случайного вектора X = col(X1, X2) оп- |
|||
|
|
|
|
|
|
|
|
ределяются выражениями: |
|
||||||
|
|
|
|
|
|
|
|
|
f X1 (x1 ) f X (x1 , x2 ) dx2 |
; f X 2 (x2 ) f X (x1 , x2 ) dx1 . (3.32) |
|||||
|
|
|
|
|
|
|
Равенство (3.31) обобщается на любой подвектор случайного вектора X.
5. Для любого подвектора X'= col(X1, X 2, …, X m), m < n, вектора X= col(X 1, X 2, …, X n) справедливо равенство:
fX (x1, x2 , ..., xm ) |
... fX (x1, x2 , ..., xn ) dxm 1 ... dxn . |
(3.33) |
|
|
|
|
|
Утверждение |
(3.33) |
соответствует свойству (3.9) |
функции |
FX (x1, x2 , ..., xn ) |
(см. § 20). |
|
Равенства (3.31) и (3.33), как и соответствующие равенства (3.8) и (3.9) для функции FX (x1, x2 , ..., xn ) , называются условиями согласованности, записанными для функции плотности вероятности fX (x1, x2 , ..., xn ) . Равенство (3.33) является полным аналогом
равенства (3.17') для n-мерного распределения дискретного типа.
6. Если область Q распределения вероятностей случайного вектора X непрерывного типа не является квадрируемой (SQ = 0), то
P(X Q ) = 0.
Вчастности, для случайного вектора, распределенного в плос-
кости (X1, X2), вероятность его попадания на произвольную линию равна нулю.
122
Рассмотрим еще одно очевидное свойство функции плотности
fX (x1, x2 , ..., xn ) , вытекающее из ее интегрируемости (3.23).
7.Для любого 1 ≤ m ≤ n справедливо равенство:
lim fX (x1, x2 , ..., xn ) 0 .
x1, x2 ,..., xm
Пример 3.2. Рассмотрим двумерный случайный вектор X = col(X1, X2), плотность распределения вероятностей которого fX (x1, x2 ) постоянна в некоторой квадрируемой области Q:
f X (x1 |
c, если x Q ; |
|
|
, x2 ) |
иначе. |
(3.34) |
|
|
0, |
|
Распределение (3.34) называется равномерным в области Q. Для определения значения константы с применим условие нор-
мировки (3.30):
1 fX (x1, x2 ) dx1 dx2 c dx1 dx2 c SQ ,
x Q x Q
откуда следует, что c 1 SQ . Поскольку область Q является квад-
рируемой, площадь SQ ≠ 0.
Допустим, что область Q является прямоугольником со сторонами, параллельными осям координат: (–1 ≤ x1 ≤ 1), (–2 ≤ x2 ≤ 2). Тогда SQ = 8 и с = 1/8, так что плотность равномерного распределения описывается выражением:
|
|
1 8, если x [ 1; 1] и x |
2 |
[ 2; 2]; |
(3.35) |
||||
f X (x1 , x2 ) |
|
|
1 |
|
|
||||
|
|
0, иначе. |
|
|
|
|
|
||
Выражения для плотностей распределения |
f X1 (x1) и |
f X 2 (x2 ) |
|||||||
выводятся с использованием свойства (3.32): |
|
|
|
|
|||||
f X |
|
(x1 ) |
1 |
2 , если x1 [ 1; 1]; |
|
(3.36) |
|||
|
|
|
|
|
|
|
|||
|
1 |
|
0, иначе, |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
f X |
|
|
1 |
4 , если x2 [ 2; 2]; |
(3.37) |
||||
|
(x2 ) |
|
|
|
|
|
|||
|
2 |
|
0, иначе. |
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
123 |
Полученные выражения свидетельствуют о равномерном распределении координат X1 и X2 . Таким образом, если случайный вектор X = col(X1, X2) распределен равномерно в прямоугольнике со сторонами, параллельными осям координат, то и координаты случайного вектора распределены равномерно (см. формулу (2.17), § 14).
Найдем выражение для функции распределения вероятностей FX (x1, x2 ) , используя определение (3.23):
|
|
|
|
|
FX (x1, x2 ) |
|
|
|
|
|
0, если x1 1, x2 |
|
|
|
|
|
|||||
|
|
|
или x1 , x2 2; |
|
|
|||||
|
|
|
|
|
||||||
1 |
8 (x1 1)(x2 2), если 1 x1 |
1, 2 x2 |
2; |
(3.38) |
||||||
|
|
|
|
|
|
|
|
|
||
1 2 (x1 1), |
если 1 x1 |
1, x2 |
2; |
|
|
|||||
1 |
4 (x 2), если x 1, 2 x |
|
2; |
|
|
|||||
|
|
2 |
|
1 |
2 |
|
|
|
||
|
|
|
2. |
|
|
|
|
|
||
1, если x 1, x |
|
|
|
|
|
|||||
|
|
1 |
2 |
|
|
|
|
|
|
|
Определим |
одномерные |
функции распределения |
FX1 (x1) и |
|||||||
FX 2 (x2 ) с использованием формул (3.8), (3.9): |
|
|
||||||||
|
|
|
0, если x1 1; |
|
|
|
|
|
||
FX |
|
|
|
(x1 1), если 1 x1 1; |
|
|
||||
1 |
(x1) 1 2 |
|
(3.39) |
|||||||
|
|
1, если x |
|
|
|
|
|
|
||
|
|
|
1, |
|
|
|
|
|
||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
0, |
если x2 2; |
|
|
|
|
||
FX |
|
|
|
|
|
|
|
|
|
|
2 |
(x2 ) 1 4 (x2 2), если 2 x2 2; |
|
(3.40) |
|||||||
|
|
1, если x 2. |
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
2 |
|
|
|
|
|
Пример 3.3. Плотность распределения вероятностей двумерного случайного вектора X = col(X1, X2) задана выражением
c (x1 x2 ), если x1, x2 |
[0; 1]; |
|
fX (x1, x2 ) |
|
(3.41) |
0, иначе, |
|
|
где с – неизвестная константа. Таким образом, случайный вектор распределен в квадрате Q: x1, x2 [0; 1] . Требуется вычислить зна-
124
чение константы с и определить плотности распределений случайных величин X1 и X2.
Для вычисления значения константы с воспользуемся условием
1 1
нормировки (3.30): 1 c (x1 x2 ) dx1 dx2 c .
0 0
Расчет плотности распределений f X1 (x1) и f X 2 (x2 ) по формулам (3.32) с учетом с = 1 приводит к следующему результату:
|
|
0, |
если x1 |
0, x1 1; |
|
|
f X |
1 |
(x1) |
1 2), |
если 0 x1 1, |
(3.42) |
|
|
(x1 |
|
||||
|
|
|
||||
|
|
0, |
если x2 |
0, x2 1; |
|
|
f X |
2 |
(x2 ) |
|
|
|
(3.43) |
|
(x2 1 2), |
|
если 0 x2 1. |
|
||
|
|
|
|
Пример 3.4. Для плотности распределения (3.41), рассмотренной в примере 3.3, рассчитаем вероятность попадания случайного вектора X = col(X1, X2) в квадрат Q ': x1, x2 [0; 0,5] .
Согласно формуле (3.29)
0,5 |
0,5 |
|
P((0 X1 0,5) (0 X 2 0,5)) |
(x1 x2 ) dx1 dx2 |
0,125. |
0 |
0 |
|
Пример 3.5. Определим функцию распределения вероятностей FX (x1, x2 ) для случайного вектора, рассмотренного в примере 3.3.
На основании определения случайного вектора непрерывного типа (3.23)
|
|
|
|
|
x1 |
x2 |
|
FX (x1, x2 ) |
fX (s1, s2 ) ds1 ds2 |
||||||
|
|
|
|
|
|
|
|
|
0, если x1 |
0 или x2 |
0; |
||||
|
|
|
(x1 x22 x2 x12 ), если x1 (0; 1], x2 (0;1]; (3.44) |
||||
|
1 |
2 |
|||||
|
1 |
2 |
(x x |
2 ), если x (0; 1], x 1; |
|||
|
|
|
1 |
1 |
1 |
2 |
|
|
1 |
2 |
(x |
x2 ), |
если x |
1, x (0; 1]; |
|
|
|
|
2 |
|
2 |
1 |
2 |
|
1, |
если x |
1, |
x 1. |
|
||
|
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
|
125 |
Рассчитаем |
вероятность попадания |
случайного вектора |
|
X = col(X1, X2) |
в квадрат Q ': ( x1, x2 [0; 0,5] ), используя свойство |
||
(3.6) функции распределения вероятностей (3.39): |
|||
|
P((0 X1 0,5) |
(0 X 2 |
0,5)) |
FX (0,5; 0,5) FX (0,5; |
0) FX (0; 0,5) FX (0; 0). |
Вычисления приводят к результату, совпадающему с полученным ранее с помощью известной плотности распределения вероятно-
стей: P((0 X1 0,5) (0 X 2 0,5)) FX (0,5; 0,5) 0,125.
Применяя свойство (3.8) к выражению (3.44), получим одномерные функции распределения вероятностей FX1 (x1) и FX 2 (x2 ) :
FX1 (x1) FX (x1, ) FX (x1, 1) |
|
||||||||||
|
0, если x1 |
0; |
|
|
|
|
|||||
|
1 2 (x |
|
x |
2 ), если x (0; 1]; |
(3.45) |
||||||
|
|
1 |
|
1 |
|
1 |
|
|
|
||
|
1, если |
x |
|
1, |
|
|
|
|
|||
|
|
|
|
1 |
|
|
|
|
|
|
|
FX 2 (x2 ) FX ( , |
x2 ) FX (1, x2 ) |
|
|||||||||
|
0, если x2 |
0; |
|
|
|
|
|||||
|
1 2 (x |
2 |
x |
2 ), если x |
2 |
(0; 1]; |
(3.46) |
||||
|
|
|
|
|
2 |
|
|
|
|||
|
1, если |
x |
2 |
1. |
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
Полученные выражения соответствуют свойствам одномерных функций распределения вероятностей случайных величин: они являются неубывающими, непрерывными слева (в данном примере – непрерывными) функциями, принимающими значения на отрезке
[0; 1] (§ 12).
Контрольные вопросы и задачи
1.Укажите условия, при которых n-мерный случайный вектор относится к непрерывному типу.
2.Что послужило основанием для того, чтобы назвать функ-
цию fX (x1, x2 , ..., xn ) плотностью распределения вероятностей случайного вектора?
126
3.Как можно с использованием функции fX (x1, x2 , ..., xn )
приближенно оценить вероятность попадания случайного вектора в окрестность точки (x1, x2 , ..., xn ) ? Приведите обоснование к ответу.
4.Как определить плотность распределения fX (x1, x2 , ..., xn ) ,
если |
известна |
функция |
распределения |
вероятностей |
FX (x1, x2 , ..., xn ) |
случайного вектора? |
|
5. Как рассчитать вероятность попадания случайного вектора X = col(x1, x2, …, xn) в произвольную квадрируемую область D, если известна его плотность распределения вероятностей
fX (x1, x2 , ..., xn ) ?
6.Какой формулой определяется вероятность попадания слу-
чайного вектора X = col(x1, x2, …, xn) в n-мерный прямоугольный параллелепипед с ребрами, параллельными осям координат?
7. Чему равна вероятность попадания двумерного случайного вектора непрерывного типа на произвольную линию в плоскости
(X1, X2)?
8.Напишите условие нормировки распределения вероятностей, которому удовлетворяет функция f X (x1, x2 , ..., xn ) .
9.В чем состоит условие согласованности распределений ве-
роятностей, выраженное через n-мерную функцию плотности
fX (x1, x2 , ..., xn ) ?
10.Напишите условия согласованности для частного случая
распределения двумерного случайного вектора непрерывного типа. 11. Чему равна функция fX (x1, x2 , ..., xn ) , если хотя бы один
из ее аргументов стремится к –∞? Приведите доказательство.
12.Какое распределение n-мерного случайного вектора непрерывного типа называется равномерным?
13.Двумерный случайный вектор непрерывного типа распределен равномерно в прямоугольнике со сторонами, параллельными осям координат. Каким является закон распределения вероятностей его координат?
14.Случайный вектор X = col(X1, X2) принимает значения в квад-
рате Q: ( x1, x2 [0; 2] ) и имеет следующую плотность распределения вероятностей:
127
|
2 |
[0; 2]; |
c ( x1 x2 x2 ), если x1, x2 |
||
fX (x1, x2 ) |
иначе, |
|
0, |
|
|
|
|
|
где с – неизвестная константа. Определите значение константы с и рассчитайте значения вероятностей следующих событий:
A ((0 X1 1) (0 X 2 1)); B (0 X1 1); C (0 X 2 1).
Напишите выражения для FX (x1, x2 ) , FX1 (x1) , FX 2 (x2 ) , f X1 (x1) и
fX 2 (x2 ) .
§23. Условные распределения вероятностей. Независимость случайных величин
Рассмотрим случайную величину X1, для которой известна функция распределения вероятностей FX1 (x1) . Допустим, что не-
которое событие А содержательно связано со случайной величиной X1, так что появление или непоявление события А влияет на распределение вероятностей случайной величины X1. В этом случае вводят условное распределение вероятностей случайной величины
X1 относительно события А (в предположении, что событие А имело место), которое обозначают FX1 | A
FX1 | A (x1) P(X1 x1 | A) .
Распределение FX1 (x1) , не связанное ни с какими условиями, уме-
стно назвать безусловным. Например, на коэффициент упругости стали (случайная величина X1) влияет время ее выдержки при отжиге в технологическом процессе (случайная величина X2). В связи с этим известное значение X2 = x2 (событие А) предоставляет дополнительную информацию для коррекции распределения вероятностей случайной величины X1 . Можно предположить, что в этом примере безусловное распределение FX1 (x1) не совпадает с услов-
ным распределением относительно события X2 = x2:
FX1 (x1) ≠ FX1 | X 2 (x1 | X 2 x2 ) .
128
Заметим, что аргументом условной функции распределения вероятностей FX1 | X 2 (x1 | X 2 x2 ) является x1, в то время как x2 – па-
раметр распределения. В теории вероятностей принята краткая нотация для условной функции распределения: FX1 | X 2 (x1 | x2 ) .
Пусть известно совместное распределение вероятностей FX (x1, x2 ) случайных величин X1 и X2 непрерывного типа. Опреде-
лим условную функцию распределения FX1 | X 2 (x1 | x2 ) |
следующим |
предельным выражением: |
|
FX1 | X 2 (x1 | x2 ) lim P( X1 x1 | x2 X 2 x2 x2 ) . |
(3.47) |
x2 0 |
|
Применим для преобразования правой части выражения (3.47) известные свойства условных вероятностей событий и совместной плотности распределения fX (x1, x2 ) :
FX1 | X 2 (x1 | x2 ) lim |
P ((X1 x1) (x2 X 2 x2 x2 )) |
|
|||||||||||||||
|
P (x2 |
X 2 x2 x2 ) |
|
|
|||||||||||||
|
x2 |
0 |
|
|
|
|
|||||||||||
|
|
|
x1 |
x2 x2 |
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
ds1 |
f X1, X 2 (s1, s2 ) ds2 |
|
|
|
|||||||||
|
lim |
|
|
x2 |
|
|
|
|
|
|
|
|
|
|
|
(3.48) |
|
|
|
|
|
x2 x2 |
|
|
|
|
|
|
|
|
|||||
|
x2 0 |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
ds1 |
f X1, X 2 (s1, s2 ) ds2 |
|
|
|
||||||||||||
|
|
|
|
|
|
||||||||||||
|
|
|
|
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x1 |
|
|
|
|
|
|
x1 |
|
|
|
|
|
|
|
|
|
|
f X1, X 2 (s1, x2 ) x2 ds1 |
|
f X1, X 2 (s1, x2 ) ds1 |
|
|||||||||||||
lim |
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
|
||
|
|
|
|
|
|
|
|
(x ) |
|
|
|||||||
x2 0 |
|
|
|
|
|
|
|
|
f |
X 2 |
|
|
|
||||
|
f X1, X 2 (s1, x2 ) |
x2 ds1 |
|
|
|
2 |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Условная плотность распределения |
f X1 | X 2 (x1 | x2 ) |
по аналогии |
|||||||||||||||
с (2.16) и (3.24) связана с функцией |
FX | X |
2 |
(x1 | x2 ) |
равенством: |
|||||||||||||
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
||
|
f X1 | X 2 (x1 | x2 ) |
FX1 | X 2 (x1 | x2 |
) |
. |
|
|
|
||||||||||
|
|
|
|
x1 |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
После дифференцирования выражения (3.48) получим следующий результат:
129
|
|
|
|
|
x1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f X1, X 2 (s1, x2 ) ds1 |
|
f X |
|
, X |
|
(x1, x2 ) |
|
f X1 | X 2 |
(x1 |
| x2 ) = |
|
|
|
|
1 |
2 |
. |
||||
|
|
|
|
|
|
||||||||
x1 |
|
|
f X 2 (x2 ) |
|
|
f X 2 (x2 ) |
|||||||
|
|
|
|
|
|
|
|
|
|||||
Таким образом, получено следующее выражение: |
|
|
|
||||||||||
|
|
f X1, X 2 (x1, x2 ) f X1| X 2 (x1 | x2 ) f X 2 (x2 ) . |
(3.49) |
||||||||||
Справедливо также и выражение: |
|
|
|
|
|
|
|
||||||
|
|
f X1 , X 2 (x1, x2 ) f X 2 | X1 (x2 | x1 ) f X1 (x1) . |
(3.50) |
Можно обобщить равенства (3.49), (3.50) на случай n-мерного случайного вектора X = col(X1, X2, …, Xn), который представлен своими подвекторами X' и X":
X' = col(X1, X2, …, Xm), X" = col(Xm+1, Xm+2, …, Xn),
X = col(X'Т, X"Т).
Для этого случая справедливо равенство:
fX1, X 2 ,..., X n (x1, x2 , ..., xn )
f X1, X 2 ,..., X m | X m 1, X m 2 ,..., X n (x1, x2 , ..., xm | xm 1, xm 2 , ..., xn )
f X m 1 , X m 2 ,...,X n (xm 1, xm 2 , ..., xn ).
(3.51)
Случайные величины X1, X2, …, Xn называются независимыми,
если для |
любых областей D1, D2, …, Dn числовой оси |
события |
(X1 D1), |
(X2 D2), …, (Xn Dn) являются независимыми в сово- |
|
купности, т.е. выполняется равенство (см. (1.42), § 8): |
|
|
|
P((X1 D1) (X2 D2) … (Xn Dn)) = |
|
|
= P(X1 D1) P(X2 D2) … P(Xn Dn). |
(3.52) |
В частности, если области Dk , k = 1, 2, …, n, таковы, что событие Xk Dk состоит в выполнении условия Xk < xk , то для незави-
симых событий выполняется равенство: |
|
P((X1 < x1) (X2 < x2) … (Xn < xn)) = |
|
= P(X1< x1) P(X2 < x2) … P(Xn < xn). |
(3.53) |
Равенство (3.53) означает следующее свойство функции распределения вероятностей FX (x1, x2 , ..., xn ) для независимых случай-
ных величин X1, X2, …, Xn:
FX (x1, x2 , ..., xn ) = FX1 (x1) FX 2 (x2 ) ... FX n (xn ) . (3.54)
130