Законы распределения непрерывных случайных величин

Закон распределения непрерывной случайной величины нельзя задать также, как для дискретной. Он неприменим в силу того, что нельзя перечислить все бесконечное несчетное множество значений, а вероятности каждого отдельно взятого значения непрерывной случайной величины равны нулю.

Для описания закона распределения непрерывной случайной величины Х предлагается другой подход: рассматривать не вероятности событий Х=х для разных х, а вероятности события Х<х. При этом вероятность P(X<x) зависит от текущей переменной, т. е. является некоторой функцией от х.

Функцией распределения случайной величины Х называется функция F(x), выражающая для каждого х вероятность того, что случайная величина Х примет значение, меньшее х:

.

Функцию F(x) называют интегральной функцией распределения или интегральным законом распределения.

Способ задания непрерывной случайной величины с помощью функции распределения не является единственным. Необходимо определить некоторую функцию, отражающую вероятности попадания случайной точки в различные участки области возможных значений непрерывной случайной величины. Т. е. представить некоторую замену вероятностям для дискретной случайной величины в непрерывном случае.

Такой функцией является плотность распределения вероятностей. Плотностью вероятности (плотностью распределения, дифференциальной функцией) случайной величины Х называется функция f(x), являющаяся первой производной интегральной функции распределения:

.

Про случайную величину Х говорят, что она имеет распределение (распределена) с плотностью f(x) на определенном участке оси абсцисс.

 

Равномерный закон распределения. Непрерывная случайная величину Х имеет равномерный закон распределения (закон постоянной плотности) на отрезке [ a; b ], если на этом отрезке функция плотности вероятности случайной величины постоянна, т.е. f(x) имеет вид:

Функция плотности вероятности f(x)	Функция распределения F(x)
Рис.1. Равномерный закон распределения

 

 

Нормальный закон распределения (закон Гаусса). Непрерывная случайная величина Х имеет нормальный закон распределения с параметрами и (обозначают ), если ее плотность вероятности имеет вид:

,   где , .
Функция плотности вероятности f(x)	Функция распределения F(x)
Рис.2. Нормальный закон распределения

 

Математическое ожидание характеризует центр рассеивания значений случайной величины и при изменении кривая будет смещаться вдоль оси абсцисс (см. рис. 2 при и при ). Если же при неизменном математическом ожидании у случайной величины изменяется дисперсия, то кривая будет изменять свою форму, сжимаясь или растягиваясь (см. рис. 2 при : ; ; ). Таким образом, параметр характеризует положение, а параметр - форму кривой плотности вероятности.

Нормальный закон распределения случайной величины Х с параметрами и (обозначается N (0;1)) называется стандартным или нормированным, а соответствующая нормальная кривая – стандартной или нормированной.

Согласно определению функция плотности вероятности и функция распределения связаны между собой:

, где .

Интеграл такого рода является "неберущимся", поэтому для его нахождения используют особую функцию, так называемый интеграл вероятностей или функцию Лапласа, для которой составлены таблицы (см. Приложение 2).

,   - функция нечетная!
Рис. 3. Функция Лапласа Ф(t)

 

 

Используя функцию Лапласа можно выразить функцию распределения нормального закона по формуле:

, где .

Для практических целей очень важны свойства случайной величины, имеющей нормальный закон распределения.

1. Если , то для нахождения вероятности попадания этой величины в заданный интервал (х₁;х₂) используется формула:

.

1. Вероятность того, что отклонение случайной величины от ее математического ожидания не превысит величину (по абсолютной величине), равна:

.

1. "Правило трех сигм". Если случайная величина , то практически достоверно, что ее значения заключены в интервале (). (Вероятность выхода за эти границы составляет 0,0027.) Правило позволяет, зная параметры ( и ), ориентировочно определить интервал практических значений случайной величины.

24. глава 12 параграф 9

Вычисление асимметрии и эксцесса позволяет установить симметричность распределения случайной величины относительно Для этого находят третий центральный момент, характеризующий асимметрию закона распределения случайной величины. Если он равен нулю , то случайная величина симметрично распределена относительно математического ожидания Поскольку имеет размерность случайной величины в кубе, то вводят безразмерную величину — коэффициент асимметрии:

Центральный момент четвертого порядка используется для определения эксцесса, характеризует плосковершиннисть или гостровершиннисть плотности вероятности Эксцесс вычисляется по формуле

Число 3 вычитается для сравнения отклонения от центрального закона распределения (нормального закона), для которого подтверждается равенство:

Итак, для нормального закона распределения. Если эксцесс положительный то на графике функция распределения остро вершину и для отрицательных значений более пологую. Таким образом можно установить отклонения заданного закона от нормального. Для наглядности при различных значениях асимметрии и эксцесса графики плотности вероятностей изображены на рисунках ниже