Функция распределения случайной величины.

Для непрерывных случайных величин применяют такую форму закона распределения, как функция распределения.

Функция распределения случайной величины Х, называется функцией аргумента х, что случайная величина Х принимает любое значение меньшее х (Х<х)

F(х)=Р(Х<х)

F(х) - иногда называют интегральной функцией распределения или интегральным законом распределения.

Функция распределения обладает следующими свойствами:

1. 0<F(х)<1

2. если х₁>х₂,то F(х₁)>F(х₂)

3. 

функция может быть изображена в виде графика. Для непрерывной величины это будет кривая изменяющееся в пределах от 0 до 1, а для дискретной величины - ступенчатая фигура со скачками.

С помощью функции распределения легко находится вероятность попадания величины на участок от α до β

Р(α<х<β) рассмотрим 3 события

А - α<Х

В - α<Х<β

С - Х<β

С=А+В

Р(С)=Р(А)+Р(В)

Р(α<х<β)=Р(α)-Р(β)

Плотность распределения вероятности непрерывной случайной величины.

Плотность распределения вероятности непрерывной случайной величины Х называется функция f(х) равная первой производной от функции распределения F(х)

График плотности распределения называется кривой распределения.

Основные свойства плотности функции распределения:

1. f(х)>0

2. 

Характеристики положения случайной величины.

Модой (М_о) случайной величины х называется наиболее вероятное ее значение. Это определение строго относится к дискретным случайным величинам.

Для непрерывной величины модой называется такое ее значение для которого ф-ция плотности распределения имеет максимальную величину.

Медианой (М_е) случайной величины называется такое ее значение для которого окажется ли случайная величина меньше этого значения.

Для непрерывной случайной величины медиана это абсцисса точки в которой площадь под кривой распределяется пополам.

Для дискретной случайной величины значение медианы зависит от того четное или нечетное значение случайной величины

n=2k+1, то Ме=х_к+1 (среднее по порядку значение)

Если значение случайных величин четное, т.е n=2k, то

Математическое ожидание случайной величины.

Математическим ожиданием E(x) для случайной величины x, которая может принимать значения x и только такие значения с вероятностями Р(x )=Р , называют число, которое определяется равенством

i=k i=k

E(x)=∑xi·Рi, ∑ Рi=1, Рi≥0, i=1,…,k (10.1)

i=1 i=1

Например, в случае с игральной костью математическое ожидание количества очков x, которое выпадет, будет согласно (10.1) числом

E(x)=(1/6)∙(1+2+3+4+5+6)=(1/6)∙21=7/2= (10.2)

Смысл понятия математического ожидания раскрывается в законе больших чисел. Этот закон проявляется следующим образом. Если сделать подряд очень большое число n независимых испытаний при одинаковых условиях, и таких, что каждый раз осуществляется одно из значений рассматриваемой случайной величины х, то с вероятностью очень близкой к единице, то есть практически наверняка и с большой степенью точности будет выполняться приближенное равенство

(x(1)+x(2)+…+x(n))/n ≈ E(x) (10.3)

Здесь x(i)–значение случайной величины x, которое появляется в i-том испытании. Закон больших чисел обоснован теоретически при определенных аксиомах теории вероятностей и многократно подтвержден на практике.

Пусть некоторая случайная величина х* является суммой случайных величин

(10.4)

тогда математическое ожидание E(x*) равно сумме математических ожиданий Е(х )

(10.5)