- •31. Теория вероятностей
- •31.1. Основные понятия теории вероятностей.
- •31.2. Теоремы сложения и умножения вероятностей
- •31.3. Формула полной вероятности. Формула Байеса
- •31.4. Повторение испытаний
- •31.5. Дискретные случайные величины. Функция
- •31.6. Непрерывные случайные величины
- •31.7. Основные законы распределения
- •31.8. Функция одного случайного аргумента
- •31.9. Функция двух случайных аргументов
- •31.10. Закон больших чисел
- •32. Математическая статистика
- •32.1. Основные понятия математической
- •32.2. Точечные и интервальные оценки
- •32.3. Статистическая проверка
- •32.4. Критерии согласия Пирсона и Колмогорова
- •32.5. Элементы теории корреляции. Выборочное
- •33. Вычислительная математика
- •33.1. Элементы теории погрешностей
- •33.2. Аппроксимация функций
- •33.3. Приближенное решение нелинейных уравнений
- •33.4. Приближенное вычисление интегралов
- •33.5. Приближенное решение обыкновенных
- •1. Таблица значений функции
- •2. Таблица значений функции лапласа
- •3. Распределение пуассона
- •4. Таблица значений
- •5. Таблица значений
- •6. Критические точки распределения фишера–снедекора
- •7. Критические точки распределения χ2
- •8. Критические точки распределения стьюдента
- •9. Критические значения распределения колмогорова
- •Содержание
31.6. Непрерывные случайные величины
Если множество значений случайной величины Xзаполняет (непрерывно) конечный или бесконечный промежуток на числовой оси, то такая случайная величина называетсянепрерывной.
Можно дать другое, более строгое, определение, используя понятие функции распределения.
Случайная величина Xназываетсянепрерывной, если ее функция распределенияF(x) непрерывна на всей числовой оси.
Для непрерывной случайной величины Xпри любомимеет место равенство
а также
где F(x) – функция распределения величиныX.
Помимо функции распределения для непрерывных случайных величин существует еще один удобный способ задания закона распределения – плотность распределения вероятностей.
Пусть функция распределения F(x) данной непрерывной случайной величиныXнепрерывна и дифференцируема всюду, кроме, может быть, отдельных точек.
Плотностью распределения вероятностей непрерывной случайной величиныназывают первую производную от функции распределения:
Часто вместо термина плотность распределенияиспользуют терминыплотность вероятностей, илидифференциальная функция, или простоплотность.
Основные свойства плотности вероятностей
Пусть f(x) – плотность вероятностей.
1.
2.
График плотности распределения вероятностей f(x) называетсякривой распределения.
3.Вероятность того, что непрерывная случайная величинаХпримет значение, принадлежащее интервалу (a;b), определяется равенством
4.Функция распределенияF(x) выражается через плотность вероятностейf(x) формулой
Математическое ожидание непрерывной случайной величины Хс плотностью распределения вероятностейf(x) находят по формуле
(31.16)
При этом математическое ожидание существует, если интеграл в правой части формулы (31.16) абсолютно сходится (это значит, что сходится интеграл
В частности, если все возможные значения принадлежат интервалу (a;b), то
Все свойства математического ожидания, указанные выше для дискретных случайных величин, сохраняются и для непрерывных величин.
Дисперсия непрерывной случайной величины Х, возможные значения которой принадлежат всей осиOx, определяется равенством
или равносильным равенством
В частности, если все возможные значения Хпринадлежат интервалу (a;b), то
или
Все свойства дисперсии, указанные для дискретных случайных величин, сохраняются и для непрерывных величин.
Среднее квадратичное отклонение непрерывной случайной величиныопределяется аналогичным образом, как и для дискретной величины:
На практике применяются и другие числовые характеристики непрерывных случайных величин.
МодойМ0(Х) непрерывной случайной величиныХназывается такое ее значение, при котором плотность вероятностей имеет максимум.
Медианой Ме(Х) непрерывной случайной величины Х называется то ее возможное значение, которое определяется равенством
Геометрически медиану можно истолковать как точку, в которой ордината f(x) делит пополам площадь, ограниченную кривой распределения.
Пример 1. Случайная величина X задана функцией распределения
Найти вероятность того, что в результате испытания величина X примет значение, заключенное в интервале (–1; 1).
Решение. Вероятность того, что X примет значение, заключенное в интервале (a; b), равна приращению функции распределения на этом интервале:
Положив a = –1, b = 1, получим
Пример 2. Пусть плотность вероятностей f(x) случайной величины X задана с помощью равенств
Найти коэффициент a.
Решение. Коэффициент a определяем с помощью равенства
отсюда
Пример 3. Плотность вероятностей случайной величины Х задана формулой
Найти ее числовые характеристики: математическое ожидание, дисперсию, среднеквадратическое отклонение.
Решение. Найдем математическое ожидание, используя формулу (31.16):
Вычислим дисперсию:
Отсюда найдем среднеквадратическое отклонение: