Мишулина Основы теории вероятностей 2011
.pdfТаким образом, рассматривается композиция одинаковых показательных распределений. Вычисление плотности вероятности случайной величины Y приводит к следующему результату:
f (x) |
( x)n 1 |
e x , x > 0 . |
(4.23) |
|
|||
|
(n 1)! |
|
Наиболее просто этот результат может быть получен с использованием характеристической функции показательного закона распределения.
Распределение вероятностей (4.23) называют гамма-
распределением с целочисленным параметром n. Обычно плот-
ность распределения f (x) (4.23) записывают в следующей форме:
f (x) |
( x)n 1 |
e x , x > 0, |
(4.24) |
|
|||
|
Г(n) |
|
|
где Г(n) – гамма-функция, определяемая выражением: |
|
||
|
|
|
|
Г(g) u g 1e u du . |
(4.25) |
||
0 |
|
|
|
Для целочисленного аргумента n > 0 справедливо равенство |
|||
Г(n 1) n!, |
(4.26) |
которое использовано при написании выражения (4.24). Отметим, что для гамма-функции справедливо рекуррентное выражение:
(g) (g 1) (g 1), g 0.
Кроме того, (1) 1 и (1/ 2) .
Для расчета математического ожидания и дисперсии гаммараспределения воспользуемся известными значениями характери-
стик показательного распределения случайных величин X i , i 1, n
(см. § 16, пример 2.9): mXi 1/ ; d Xi 1/ 2 . Поскольку Y являет-
ся композицией независимых случайных величин X i , i 1, n , по-
лучаем |
следующие |
числовые |
характеристики |
гамма- |
|
распределения: |
|
|
|
|
|
|
M[Y ] n / , |
D[Y ] n / 2 . |
(4.27) |
||
|
|
|
|
|
181 |
Пусть случайные величины Y 1 и Y 2 независимы и имеют гам-
ма-распределения с одним и тем же значением параметра и целочисленными параметрами n1 и n2 соответственно. Рассмотрим
случайную величину Z = Y 1+Y 2 . Несложно установить, что в этом
случае Z может быть представлена как сумма (n1 + n2) независимых слагаемых, распределенных по показательному закону, и, следовательно, имеет гамма-распределение с целочисленным параметром (n1 + n2). Это означает, что гамма-распределение обладает композиционной устойчивостью.
Заменим в выражении (4.24) для плотности распределения вероятностей целочисленный параметр n на произвольный действительный параметр > 0. В этом случае будет получена функция
f (x) |
( x) 1 |
e x , |
x > 0, > 0, |
(4.28) |
|
||||
|
Г( ) |
|
|
которая обладает свойствами плотности распределения вероятностей. Полученное распределение носит название гамма-
распределения с действительным параметром ( > 0).
Рассмотрим математическое ожидание для гамма-распределения с действительным параметром > 0:
m x f (x)
0
( x)( 1) 1
( 1)
0
|
( x) |
|
|
|
|||
dx |
|
e x dx |
|
|
|||
|
|
|
|
|
|||
0 |
( ) |
(4.29) |
|||||
|
|
|
|||||
e x dx |
|
|
|
||||
f 1 (x) dx |
. |
||||||
|
|
||||||
|
|
|
0 |
|
Здесь нижний индекс и ( + 1) в обозначении плотности распределения вероятностей указывает на параметр гаммараспределения.
Аналогично можно получить выражение для дисперсии
d / 2 . |
(4.30) |
Формулы (4.29), (4.30) обобщают приведенные ранее формулы (4.27) для числовых характеристик гамма-распределения с целочисленным параметром.
182
Для гамма-распределения с действительным параметром также справедливо свойство композиционной устойчивости, отмеченное ранее для гамма-распределения с целочисленным параметром. Оно состоит в том, что если Y 1 и Y 2 независимы, характеризуются об-
щим значением параметра и имеют гамма-распределения с параметрами 1 и 2 , то их сумма Z = Y 1 +Y 2 имеет гамма-
распределение с параметром ( 1 + 2 ).
Рассмотрим частный случай гамма-распределения при 1 : |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
( x) |
1 |
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
f 1 (x) |
|
2 |
|
e x |
, x > 0. |
|
|
|
||||||||||
|
|
1 |
|
|
|
|
|
|||||||||||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
2 |
равенство Γ |
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
||||||||||||
Учитывая приведенное выше |
1 |
|
|
и полагая |
||||||||||||||||
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, получим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
1 |
|
|
|
|
|
x |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
f 1 |
(x) |
|
|
|
e 2 2 , |
x > 0. |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
2 x |
|
|
|
|
||||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Приведенное выражение |
|
для |
|
f 1 (x) |
совпадает |
с |
плотностью |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
распределения вероятностей (4.20) для закона Рэлея. Таким образом, распределение Рэлея является частным случаем гамма-
распределения при значении действительного параметра 12 .
§ 34. Распределение χ 2
Рассмотрим сумму квадратов n независимых нормально распре-
|
|
|
|
|
|
с параметрами 0, 2 |
деленных случайных величин X |
i |
, |
i 1, n , |
|||
|
|
|
|
|
|
|
(нормальное распределение вероятностей N(0, ) ): |
||||||
n |
|
|
n |
|
||
X X i2 |
Y i . |
(4.31) |
||||
i 1 |
|
|
i 1 |
|
||
|
|
|
|
|
|
183 |
Здесь Yi = X i2 , i 1, n , независимы и подчинены закону Рэлея, являющемуся частным случаем гамма-распределения с параметрами
|
|
1 |
и 1 . |
|
|
||
|
2 |
||
2 |
2 |
Используя приведенное в предыдущем параграфе свойство композиционной устойчивости гамма-распределения, приходим к выводу, что случайная величина X (4.31) имеет гамма-распределение
с параметром 2n :
|
|
|
|
n |
|
|
|
|
|
|
|
|
||
|
|
x |
|
|
1 |
|
|
x |
|
|
|
|||
|
|
2 |
|
|
|
|
||||||||
f (x) |
|
|
|
|
|
2 |
2 |
|
|
|||||
|
|
|
|
|
|
|
|
|
e |
|
, x > 0. |
(4.32) |
||
|
|
|
|
n |
|
|
|
|
||||||
|
|
|
|
|
n |
|
|
|
|
|
||||
|
|
2 |
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|||||
|
(2 |
|
) 2 |
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
Распределение (4.32) носит название 2 -распределения с n сте-
пенями свободы. Множитель 2 |
является масштабным и в стати- |
|||||||||||||||||
стических таблицах полагается равным единице ( |
1 |
): |
||||||||||||||||
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|||
|
|
|
|
n |
1 |
|
|
x |
|
|
|
|
|
|
|
|||
f (x) |
|
x 2 |
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
e 2 , |
x > 0. |
(4.33) |
||||||||
|
n |
n |
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
2 |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|||
На основании (4.29), (4.30) |
при |
n |
, |
1 |
получаем мате- |
|||||||||||||
2 |
2 |
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
матическое ожидание и дисперсию 2 -распределения: |
||||||||||||||||||
m M[ 2 ] n , |
|
D[ 2 ] 2n . |
(4.34) |
|||||||||||||||
На рис. 4.3 приведена |
серия |
|
графиков плотности |
2 -распределения. Для n > 2 плотность распределения является унимодальной функцией с максимумом при x n 2 .
184
fX(x) |
|
|
|
|
|
0,6 |
|
|
|
|
|
|
n=1 |
|
|
|
|
0,4 |
|
|
|
|
|
|
n=2 |
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
n=6 |
|
|
0 |
|
|
|
|
|
0 |
4 |
8 |
12 |
16 |
x |
Рис. 4.3. Плотность χ2-распределения вероятностей |
|||||
|
с n степенями свободы |
|
|
Рассмотрим статистическую модель, в которой возникает распределение 2 с n степенями свободы. Допустим, что производятся n независимых наблюдений нормально распределенной слу-
чайной величины X с параметрами m и 2 . Можно интерпретировать этот эксперимент как наблюдение n независимых случайных
|
|
|
|
|
|
|
|
|
|
||
величин |
X i , |
i 1, n , с |
одинаковыми законами |
распределения |
|||||||
N(m, σ2). |
Проведем их нормирование: |
|
|||||||||
|
|
~ |
|
X i m |
|
|
|
|
|||
|
|
|
|
|
|
|
|||||
|
|
|
|
|
X i |
|
, i 1, n , |
|
|||
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
и рассмотрим случайную величину Z: |
|
||||||||||
|
|
|
|
|
|
|
|
n ~ |
|
||
|
|
|
|
|
|
|
Z X i2 . |
(4.35) |
|||
|
|
|
|
|
|
|
|
i 1 |
|
||
|
|
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Поскольку |
X i , i 1, n , имеют распределение N(0, 1) и незави- |
симы, случайная величина Z распределена по закону 2 с n степенями свободы.
§ 35. Распределение χ
Рассмотрим случайную величину Z, которая распределена по закону 2 с n степенями свободы, т.е. имеющую гамма-
185
распределение с параметрами 12 , 2n (4.33). Рассмотрим слу-
чайную величину Y |
|
|
|
|
|
|
|
||||||||
Z . Вычислим интегральный закон распре- |
|||||||||||||||
деления вероятностей FY ( y) , y > 0: |
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
y2 |
|
|
|
|
|
|
FY ( y) P( |
Z |
y) P[Z y2 ] fZ (z) dz . |
||||||||||||
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
y2 |
|
|
|
|
|
dFY ( y) |
|
|
|
|
2 y |
n 1 |
2 |
|
|
||||
f ( y) |
2 y f |
|
( y 2 ) |
|
e |
|
|
|
, y > 0. (4.36) |
||||||
|
|
|
|
2 |
|
||||||||||
|
Y |
|
|
|
|
Z |
2 |
n / 2 |
|
|
|||||
|
|
dy |
|
|
|
|
|
|
|
|
|
|
|
|
|
Распределение вероятностей (4.36) случайной величины Y назы-
вается -распределением.
При n = 3 -распределение называют распределением Максвелла. На основании формулы (4.36) и равенства n2 / 2 плотность распределения Максвелла определяется выражением:
|
|
|
|
|
|
y2 e |
y2 |
|
|
|
f |
Y |
( y) |
2 |
|
2 |
, |
y > 0. |
|||
|
||||||||||
|
|
|
|
|
|
|
|
Принимая во внимание сделанное в конце предыдущего пара-
графа замечание |
(4.35) относительно математической модели |
2 -распределения, |
можно дать -распределению следующую |
геометрическую интерпретацию. Распределению подчиняется
длина радиуса-вектора в евклидовом пространстве, если проекции вектора на оси координат случайны, независимы и одинаково распределены по нормальному закону N(0, 1).
В математической статистике применяют -распределение, от-
масштабированное с помощью постоянного коэффициента 1/ n , где n – число степеней свободы распределения. Случайная величи-
на Y Y / |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
n подчинена распределению / |
n с плотностью |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
n y2 |
|
||
|
|
|
|
|
|
|
|
|
|
n |
|
y)n 1 |
|
|
|
|
|
|
||||
|
fY ( y) |
n fY ( n y) |
|
|
|
|
|
|
|
2 . |
|
|||||||||||
|
2n ( |
|
|
|
|
|
|
e |
(4.37) |
|||||||||||||
|
2 |
|
|
n |
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
186 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В выводе выражения (4.37) применено доказанное ранее правило расчета плотности распределения вероятностей случайной величины после ее линейного преобразования.
§36. Функция распределения частного. Распределение Стьюдента
Определим случайную величину T как частное от деления двух независимых случайных величин:
T |
X |
, |
(4.38) |
|
Y |
||||
|
|
|
где X – нормированная нормально распределенная случайная величина N(0, 1), а Y имеет / n -распределение с n степенями сво-
боды. Предполагается, что случайные величины X и Y' независимы. Найдем выражение для функции распределения вероятностей
FT (t) :
X |
|
|
f (x, y) dxdy , |
|
||
FT (t) P |
|
t |
|
(4.39) |
||
|
||||||
Y |
|
|
x |
t |
|
|
|
|
|
|
y |
|
|
|
|
|
|
|
|
где f(x, y) – совместная плотность распределения случайных величин X и Y'.
|
y |
|
|
|
|
|
x/y = t |
||
x/y < t |
|
|
||
|
|
|
|
x |
|
|
|
|
|
|
|
x/y < |
t |
|
|
|
|
||
|
|
|
|
|
Рис. 4.4. Иллюстрация к расчету функции распределения вероятностей частного от деления двух случайных величин
На рис. 4.4 показана область интегрирования в выражении (4.39), которая состоит из двух частей. Это позволяет провести дальнейшие преобразования выражения (4.39):
187
yt |
0 |
FT (t) dy f (x, y) dx dy f (x, y) dx .
0 yt
После дифференцирования по переменной t получим выражение
для плотности распределения |
fT (t) : |
|
|
0 |
|
fT (t) y f ( yt, y) dy y f ( yt, y) dy . |
|
|
0 |
|
|
Поскольку случайные величины X и Y' независимы, можно запи- |
||
сать: |
|
|
|
0 |
|
fT (t) y f X ( yt) fY ' ( y) |
dy y f X ( yt) fY ' ( y) dy . |
(4.40) |
0 |
|
|
Таким образом, получено выражение для плотности распределения частного от деления двух независимых случайных величин. После подстановки в выражение (4.40) функций плотности для распределений случайных величин X и Y' и интегрирования получим следующее выражение:
|
|
|
|
n 1 |
|
|
|
|
t 2 |
n 1 |
|
|||||||
|
|
|
|
|
|
2 |
|
|
||||||||||
|
|
|
|
2 |
|
|
|
|
|
|||||||||
f |
|
(t) |
|
|
|
|
|
|
|
|
1 |
|
|
|
. |
(4.41) |
||
|
|
|
|
|
|
|
|
|
||||||||||
|
T |
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
n |
|
n |
|
|
|
|
|
||||||
|
|
|
2 |
|
|
|
|
|
|
Распределение (4.41) носит название распределения Стьюдента с n степенями свободы, или t-распределения (William Sealy Gosset, псевдоним Student, 1876 – 1937, Англия). Заметим, что случайная
величина T может принимать любые действительные значения в интервале ( , ) .
Математическое ожидание случайной величины, распределенной по закону Стьюдента, равно нулю в силу симметрии плотности распределения вероятностей, а дисперсия для n > 2 равна n /(n 2).
При n = 1 плотность распределения (4.41) приводится к виду:
fT (t) |
1 1 |
. |
(4.42) |
|||
|
|
|
||||
1 t 2 |
||||||
|
|
|
Это распределение вероятностей является частным случаем распределения Коши (2.39) при значениях параметров α = 0, β = 1. Функция распределения вероятностей FT (t) закона Коши (4.42)
определяется выражением:
188
F |
(t) 1 |
1 arctg t . |
(4.43) |
|
T |
2 |
|
|
|
|
|
|
||
Для случайной величины, распределенной по закону Коши, не су- |
||||
ществует математического ожидания, дисперсии и моментов более |
||||
высокого порядка. |
|
|
|
|
f (x) |
|
|
|
|
0,4 |
|
N(0, 1) |
|
|
|
|
|
||
0,3 |
|
|
|
|
0,2 |
|
|
|
|
0,1 |
|
|
|
|
0 |
|
|
T5 |
|
|
|
|
|
|
-6 -4 -2 0 |
2 |
4 |
6 x |
|
Рис. 4.5. Графики плотности распределения вероятностей |
||||
нормального закона N(0, 1) и закона Стьюдента T5 |
При увеличении числа n степеней свободы t-распределение приближается к нормальному распределению N(0, 1) (рис. 4.5).
§ 37. Распределение Фишера
Рассмотрим две независимые случайные величины X и Y, каж-
дая из которых имеет 2 -распределение с параметрами |
n |
и |
n |
2 |
|||||||
|
|
|
|
|
|
|
|
1 |
|
|
|
соответственно. Введем случайную величину Z: |
|
|
|
|
|||||||
Z |
X |
: |
Y |
|
X n2 |
. |
|
(4.44) |
|||
|
|
|
|
||||||||
|
n |
|
n |
2 |
|
Y n |
|
|
|
|
|
1 |
|
|
1 |
|
|
|
|
|
Случайная величина Z подчинена распределению Фишера (Ronald Aylmer Fisher, 1890 – 1962, Великобритания) с плотностью вероятности
|
|
|
n1 |
1 |
|
n |
|
|
|
1 |
(n1 n2 ) |
|
|
|
|
|
|
|
|
|
|||||
f (z) C |
0 |
z 2 |
1 |
|
1 |
z |
|
|
2 |
, |
(4.45) |
|
|
|
|||||||||||
|
|
|
|
|
n2 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
189
|
|
|
|
|
1 |
(n |
|
n |
|
|
) |
|
|
|
|
|
1 n |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
где |
C |
|
|
|
2 |
|
1 |
|
|
2 |
|
|
|
|
2 1 |
||||
0 |
|
|
|
|
|
|
|
|
|
n1 |
. |
||||||||
|
|
|
1 |
|
|
|
|
|
1 |
|
|
|
|
n |
|
|
|
||
|
|
|
|
n |
|
n |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|||||
|
|
|
|
2 |
|
1 |
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
f (z) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
0,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 1 2 3 4 5 z
Рис.4.6. Плотность распределения вероятностей закона Фишера с параметрами n1 = n2 = 10
На рис. 4.6 приведен график плотности распределения вероятностей для закона Фишера, который обычно называют F-распределением и обозначают F (n1, n2 ) . Параметры n1 и n2 называются степенями свободы распределения Фишера. Отметим, что случайная величина 1/ Z распределена также по закону Фишера, но с обратным порядком следования параметров n2 и n1 , т.е. имеет распределение F (n2 , n1) .
Если n1 = n2 = n, то для любого n медиана распределения Фишера равна единице. Это означает, что семейство графиков функции распределения вероятностей для разных n пересекается в одной точке, в которой z = 1 и F(1) = 0,5 (рис. 4.7). Соответствующее семейство графиков плотности распределения вероятностей показано на рис. 4.8.
На графиках рис. 4.8 видно, что при увеличении чисел степеней свободы n1 и n2 плотность распределения f (z) концентрируется около значения z = 1.
190