Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Числовые характеристики непрерывных случайных величинСодержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
Распространим определения числовых характеристик дискретных величин на величины непрерывные. Начнем с математического ожидания. Пусть непрерывная случайная величина X задана плотностью распределения f (x). Допустим, что все возможные значения X принадлежат отрезку [ а, b ]. Разобьем этот отрезок на п частичных отрезков длиной , ,..., и выберем в каждом из них произвольную точку xi (i = 1, 2,..., п). Нам надо определить математическое ожидание непрерывной величины по аналогии с дискретной; составим сумму произведений возможных значений xi на вероятности попадания их в интервал ; (напомним, что произведение f (х) приближенно равно вероятности попадания X в интервал ): Перейдя к пределу при стремлении к нулю длины наибольшего из частичных отрезков, получим определенный интеграл Математическим ожиданием непрерывной случайной величины- X, Возможные значения которой принадлежат отрезку [ a,b ], называют определенный интеграл M (X) = (*) Если возможные значения принадлежат всей оси Ох, то M (X) = Предполагается, что несобственный интеграл сходится абсолютно, т. е. существует интеграл Если бы это требование не выполнялось, то значение интеграла зависело бы от скорости стремления (в отдельности) нижнего предела к — , а верхнего—к + . По аналогии с дисперсией дискретной величины определяется и дисперсия непрерывной величины. Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения. Если возможные значения X принадлежат отрезку[ a,b ], то D (X) = если возможные значения принадлежат всей оси х, то D (X) = Среднее квадратическое отклонение непрерывной случайной величины определяется, как и для величины дискретной, равенством s(X) = . Замечание 1. Можно доказать, что свойства математического ожидания и дисперсии дискретных величин сохраняются и для непрерывных величин. Замечание 2. Легко получить для вычисления дисперсии более удобные формулы: D (X) = (**) D (X) = Пример 1. Найти математическое ожидание и дисперсию случайной величины X, заданной функцией распределения Решение. Найдем плотность распределения:
Найдем математическое ожидание по формуле (*): M (X) = Найдем дисперсию по формуле (**): D (X) = Пример 2. Найти математическое ожидание и дисперсию непрерывной случайной величины X, распределенной равномерно в интервале (а, b). Решение. Найдем математическое ожидание X по формуле (*), учитывая, что плотность равномерного распределения f (x) = 1 / (b — а)(см. гл. XI, § 6): M (X) = Выполнив элементарные выкладки, получим M (X) = (a+b) / 2 Найдем дисперсию X по формуле (**): D (X) = Выполнив элементарные выкладки, получим D (X) = (b — a)2 / 12. Замечание 3. Математическое ожидание и дисперсия случайной величины R, распределенной равномерно в интервале (0, 1), т. е. если a = 0, b =1, как следует из примера 2, соответственно равны М (R) = 1/2, D(R)=l/12. Этот же результат мы получили в примере 1 по заданной функции распределения случайной величины R.
Нормальное распределение
Нормальным называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью Мы видим, что нормальное распределение определяется двумя параметрами: а иs. Достаточно знать эти параметры, чтобы задать нормальное распределение. Покажем, что вероятностный смысл этих параметров таков: а есть математическое ожидание, s—среднее квадратическое отклонение нормального распределения. а) По определению математического ожидания непрерывной случайной величины, M (X) = Введем новую переменную z = (x — а) / s. Отсюда x= s z+a, dx= s dz. Приняв во внимание, что новые пределы интегрирования равны старым, получим M (X) = Первое из слагаемых равно нулю (под знаком интеграла нечетная функция; пределы интегрирования симметричны относительно начала координат). Второе из слагаемых равно a (интеграл Пуассона ). Итак, М (Х) = а, т. е. математическое ожидание нормального распределения равно параметру а. б) По определению дисперсии непрерывной случайной величины, учитывая, что М (Х) = а, имеем D (X) = Введем новую переменную z = (x — а) / s. Отсюда х — a = s z, dx = s0 dz. Приняв во внимание, что новые пределы интегрирования равны старым, получим D (X) = Интегрируя по частям, положив u = z, dv= , найдем D (X) = s2. Следовательно, s(X) = . Итак, среднее квадратическое отклонение нормального распределения равно параметру s. Замечание 1. Общим называют нормальное распределение с произвольными параметрами а и s (s > 0). Нормированным называют нормальное распределение с параметрами а = 0 и s=1. Например, если X — нормальная величина с параметрами а и s, то U = (X — а) / s— нормированная нормальная величина, причем M (U) = 0, s(U) = 1. Плотность нормированного распределения Эта функция табулирована (см. приложение 1). Замечание 2. Функция F (х)общего нормального распределения (см. гл. XI, § 3) а функция нормированного распределения
Функция Fo (x) табулирована. Легко проверить, что F (x) =F 0((x-a) / s). Замечание 3. Вероятность попадания нормированной нормальной величины X в интервал (0, х)можно найти, пользуясь функцией Лапласа Действительно (см.гл. XI, § 2), P (0 <X<x) = Замечание 4. Учитывая, что (см. гл. XI, §4,свойство 2), и, следовательно, в силу симметрии j(х)относительно нуля , а значит, и Р (- < X < 0)=0,5, легко получить, что F 0(x) = 0, 5 + (x). Действительно, F 0(x) =P (- <X<x) =P (- <X< 0) +P (0 <X<x) = 0, 5 + (x). Нормальная кривая
График плотности нормального распределения называют нормальной кривой (кривой Гаусса). Исследуем функцию y= методами дифференциального исчисления. 1. Очевидно, функция определена на всей оси х. 2. При всех значениях х функция принимает положительные значения, т. е. нормальная кривая расположена над осью Ох. 3. Предел функции при неограниченном возрастании х (по абсолютной величине) равен нулю: , т. е. ось Ох служит горизонтальной асимптотой графика. 4.Исследуем функцию на экстремум. Найдем первую производную: Легко видеть, что у' = 0 при х = а, у' > 0 при х < а, у' < 0 при х> а. Следовательно, при х = а функция имеет максимум, равный 5.Разность х — а содержится в аналитическом выражении функции в квадрате, т. е. график функции симметричен относительно прямой х= а. 6.Исследуем функцию на точки перегиба. Найдем вторую производную: Легко видеть, что при х = а+s и х= а — s вторая производная равна нулю, а при переходе через эти точки онаменяет знак (в обеих этих точках значение функции равно 1 / ( e)). Таким образом, точки графика (а — s, 1 / ( e)) и (а + s, 1 / ( e))являются точками перегиба. На рис. 7 изображена нормальная кривая при а =1, s= 2
|
||||
Последнее изменение этой страницы: 2016-09-19; просмотров: 475; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.222.91.173 (0.01 с.) |