Случайные величины и их числовые характеристики

 

1.1.1.  Случайная величина и ее распределение

 

Случайная величина является одним из основных понятий теории вероятностей. Рассмотрим некоторые примеры, разъясняющие смысл случайной величины.

При последовательном бросании монеты несколько раз число появлений “орла” является переменной величиной, принимающей значения 0,1,2,... в зависимости от случайных обстоятельств.

Интервал времени между двумя последовательными появлениями автобуса на данной остановке также является переменной величиной, подверженной различным колебаниям в зависимости от многих причин, учесть которые мы не в состоянии.

Рассматриваемая в этих примерах переменная величина обладает характерной особенностью. Хотя мы можем указать область ее возможных значений, однако мы не можем заранее знать, какое конкретное значение примет эта переменная величина, так как оно зависит от случая и меняется от испытания к испытанию.

Переменную величину, обладающую указанной особенностью, называют случайной величиной. Для изучения случайной величины необходимо не только указать область ее возможных значений, но и то, как часто принимается этой величиной определенное значение, то есть вероятность этих значений.

Соответствие между областью возможных значений случайной величины и множеством вероятностей этих значений носит название закона распределения случайной величины.

В зависимости от характера области возможных значений можно выделить два вида случайных величин: дискретные и непрерывные. Функцию, устанавливающую соответствие между областью возможных значений и множеством вероятностей для каждого вида случайных величин, можно задать разными способами.

Будем обозначать случайные величины большими латинскими буквами X, Y, T, ... , а соответствующие значения, которые они принимают, малыми буквами  x, y, t, ...

Случайная величина называется дискретной, если она принимает конечное или счетное число значений. Дискретная случайная величина задается с помощью ряда распределения - функции, ставящей в соответствие каждому возможному значению случайной величины определенную вероятность. Таким образом, ряд распределения - это конечное или счетное множество пар элементов:

{x_i, p_i },  i=1,2, ... ;        p_i=P(X= x_i) .

Так как случайная величина X примет обязательно какое-нибудь из своих возможных значений x_i, сумма вероятностей  p_i  всех возможных значений равно единице, то есть  для случайной величины, принимающей конечное число n возможных значений, и  для дискретной случайной величины, принимающей счетное число значений.

Ряд распределения удобно изображать в виде таблицы:

,

 

в верхней строке которой указаны возможные значения  x_i  дискретной случайной величины  X , а в нижней - соответственно вероятности того, что  X  примет значение  x_i.

 

Графическое изображение ряда распределения называется многоугольником /полигоном/ распределения. Для его построения возможные значения x_iслучайной величины откладываются по оси абсцисс, а вероятности - по оси ординат; точки с координатами (x_i, p_i) соединяются отрезками /рис.1.2/.

 

 

Пример 1.12. Найти ряд распределения случайной величины, являющейся частотой выпадения “орла” при трех бросаниях монеты. Построить полигон распределения вероятностей.

 

Решение. Возможные значения частоты X выпадения “орла” следующие: 0, 1, 2, 3. Соответствующие вероятности нетрудно подсчитать путем учета благоприятствующих каждому значению частоты случаев при числе всех возможных случаев, равных 8:

         

 

Таким образом,

 

 

Полигон распределения показан на рисунке 1.3.

 

Перейдем теперь к понятию непрерывной случайной величины.

 

Непрерывная случайная величина принимает возможные значения, заполняющие сплошь заданный интервал, причем для любого x   из этого интервала существует предел:

 

.

        

Функция p(x) /иногда обозначаемая через f(x) / называется плотностью распределения /дифференциальным законом распределения/. Из приведенного определения вытекают следующие свойства плотности распределения:

1.  

2.   При любых x₁и x₂, входящих в заданный интервал, удовлетворяет равенству:

;

3.   .

 

Заметим, что для удобства изучения непрерывных случайных величин плотность распределения определяют не на конечном интервале возможных значений случайной величины, а на всей действительной числовой прямой, полагая, естественно, p(x) тождественно равной нулю для x , лежащих вне интервала возможных значений случайной величины.

 

График плотности распределения носит название кривой распределения (рис. 1.4).

 

 

Пример 1.13. Интервал времени между моментами прихода автобусов к остановке равновозможен в пределах от нуля до пяти минут, Найти плотность распределения вероятностей интервала времени, построить кривую распределения и определить вероятность того, что этот интервал будет находиться в пределах от одной до трех минут.

 

Решение. Согласно условиям задачи можно считать, что вероятность попадания интервала  X   в пределы от  x  до x+  пропорциональна отношению , то есть:

.

 

Отсюда:

.

 

Теперь найдем значение параметра  k. Из свойства 3 плотности вероятностей:

откуда  k = 1.

 

Итак, плотность распределения для любого действительного  x  задается следующим образом:

 

 

Кривая распределения изображена на рисунке 1.5:

 

 

Найдем вероятность того, что интервал времени будет заключен в пределах от одной до трех минут, заметив, что по свойству 2:

 

.

 

Наиболее общим способом задания различных по своей природе случайных величин является функция распределения случайной величины /интегральный закон распределения/.

 

Функцией распределения F(x) случайной величины X, принимающей любое действительное значение x, называется вероятность того, что случайная величина  X примет значение, меньшее, чем  x , то есть:

F(x)=P(X<x).

 

Для дискретной случайной величины функция F(x) вычисляется по формуле:

где суммирование ведется по всем значениям  i , для которых x_i < x.

 

Для непрерывной случайной величины интегральный закон выражается формулой:

где функция p(z) является плотностью распределения.

 

Функция распределения обладает следующими основными свойствами:

 

1.   ;

 

2.    если x₂>x₁ ;

 

3.   ;

 

4.   ;

 

5.     (для непрерывной случайной величины).

 

График функции распределения для непрерывной случайной величины называется интегральной кривой распределения и имеет, например, вид, указанный на рис. 1.6:

 

Пример 1.14. Построить функцию и график распределения для случайной величины примера 1.12.

 

Решение. Интегральная функция имеет вид:

 

График функции распределения для дискретной случайной величины представляет собой ступенчатую разрывную линию, непрерывную слева (рис. 1.7).

 

 

Пример 1.15. Построить интегральный закон распределения и интегральную кривую для случайной величины примера 1.13.

Решение. Исходя из формулы:

будем иметь:

1.   при

2.   при

3.   при

        

Таким образом,

 

 

Интегральная кривая имеет вид (рис. 1.8):

 

 

 

К оглавлению

Назад к разделу "Формула Пуассона"

Вперед к разделу "Математическое ожидание и дисперсия случайной величины"