Непрерывные распределения вероятностей и их параметры

п.1. Общие свойства непрерывного распределения

Если случайная величина x может принимать любые значения в интервале (a;b), она называется непрерывной случайной величиной.
Функция \(p(x)\) от значения случайной величины, равная вероятности получения этого значения в испытании, называется плотностью распределения.
Свойства плотности распределения: \begin{gather*} p(x)\geq 0\\ \int_{-\infty}^{+\infty}p(x)dx=1\ \text{(условие нормировки)} \end{gather*}

Например:
Пусть случайная величина равномерно распределена на отрезке \(x\in [a;b]\), т.е. \(p(x)=c=const\). Из условия нормировки получаем: $$ \int_{-\infty}^{+\infty}p(x)dx=\int_{a}^{b}c\cdot dx=c\cdot x|_{a}^{b}=c(b-a)=1\Rightarrow c=\frac{1}{b-a} $$ Плотность равномерного непрерывного распределения: $$ p(x)= \begin{cases} \frac{1}{b-a},\ x\in [a;b]\\ 0,\ x\notin [a;b] \end{cases} $$

п.2. Функция распределения непрерывной случайной величины

Функцией распределения непрерывной случайной величины называют функцию, которая определяет вероятность, что значение случайной величины x не превышает граничное значение t: $$ F(t)=P(x\leq t)=\int_{-\infty}^t p(x)dx $$ Вероятность для случайной величины попасть в интервал \(c\leq x\leq d\) определяется интегралом от плотности вероятности: $$ P(c\leq x\leq d)=\int_{c}^d p(x)dx=F(d)-F(c) $$ и равна разности значений функции распределения на концах интервала.

Для непрерывной случайной величины график \(F(x)\) является монотонно возрастающей гладкой кривой. Область значений \(F(x)\in [0;1]\).
Предел \(F(x)\) слева равен 0, предел справа равен 1: $$ \lim_{x\rightarrow -\infty}F(x)=0;\ \ \lim_{x\rightarrow +\infty}F(x)=1 $$ Например:
Найдем функцию распределения для равномерного распределения с плотностью: $$ p(x)= \begin{cases} \frac{1}{b-a},\ x\in [a;b]\\ 0,\ x\notin [a;b] \end{cases} $$ Для всех \(x\lt a\) $$ F(x)=\int_{-\infty}^a p(x)dx=\int_{-\infty}^a\cdot dx=0 $$ Для всех \(a\leq x\leq b\) \begin{gather*} F(t)=0+\int_{a}^t p(x)dx=\int_{a}^t\frac{1}{b-a}\cdot dx=\frac{1}{b-a}\cdot x|_{a}^t=\frac{t-a}{b-a}\\ F(x)=\frac{x-a}{b-a} \end{gather*} Для всех \(x\gt b\) \begin{gather*} F(x)=F(b)+\int_{b}^{+\infty} p(x)dx=1+0=1 \end{gather*} Получаем: $$ F(x)= \begin{cases} 0,\ x\lt a\\ \frac{x-a}{b-a},\ x\in [a;b]\\ 1,\ x\gt b \end{cases} $$ Графики плотности распределения и функции распределения для равномерно распределенной непрерывной величины:
Функция распределения непрерывной случайной величины

п.3. Числовые характеристики непрерывного распределения

Числовыми характеристиками непрерывного распределения являются математическое ожидание, дисперсия и среднее квадратичное отклонение (СКО).
Если для дискретных распределений числовые характеристики определяются через суммы (см. §62 данного справочника), то для непрерывных распределений для этого используются интегралы.

Математическое ожидание непрерывной случайной величины \(x\) с плотностью распределения \(p(x)\) равно интегралу: $$ M(X)=\int_{-\infty}^{+\infty}x\cdot p(x)dx $$
Дисперсия непрерывной случайной величины \(x\) с плотностью распределения \(p(x)\) равна интегралу: $$ D(X)=\int_{-\infty}^{+\infty}(x-M(x))^2\cdot p(x)dx=\int_{-\infty}^{+\infty}x^2\cdot p(x)dx-M^2(x) $$
Среднее квадратичное отклонение (СКО) непрерывной случайной величины – это корень квадратный от дисперсии: $$ \sigma(X)=\sqrt{D(X)} $$

Например:
Найдем числовые характеристики равномерного распределения. $$ p(x)= \begin{cases} \frac{1}{b-a},\ x\in [a;b]\\ 0,\ x\notin [a;b] \end{cases} $$ Мат. ожидание: \begin{gather*} M(x)=\int_{-\infty}^{+\infty} x\cdot p(x)dx=\int_{a}^{b} x\cdot\frac{1}{b-a}dx=\frac{1}{b-a}\cdot\frac{x^2}{2}|_{a}^{b}=\frac{b^2-a^2}{2(b-a)}=\\ =\frac{(b-a)(b+a)}{2(b-a)}=\frac{a+b}{2} \end{gather*} Т.е., среднее значение (центр тяжести) равномерного распределения – это середина отрезка.
Дисперсия: \begin{gather*} D(x)=D(X)=\int_{-\infty}^{+\infty}x^2\cdot p(x)dx-M^2(x)=D(X)=\int_{a}^{b}x^2\cdot\frac{1}{b-a}dx-\left(\frac{a+b}{2}\right)^2=\\ =\frac{1}{b-a}\cdot\frac{x^3}{3}|_{a}^{b}-\left(\frac{a+b}{2}\right)^2=\frac{b^3-a^3}{3(b-a)}-\frac{b^3-a^3}{3(b-a)}-\frac{(a+b)^2}{4}=\frac{a^2+ab+b^2}{3}-\frac{a^2+2ab+b^2}{4}=\\ =\frac{a^2-2ab+b^2}{12}=\frac{(b-a)^2}{12} \end{gather*} СКО: $$ \sigma(x)=\sqrt{D(x)}=\frac{b-a}{2\sqrt{3}} $$

п.4. Таблица непрерывных распределений, их параметров и числовых характеристик

Название Принятое
обозначение
Плотность
распределения
Мат.
ожидание
Дисперсия
Непрерывное равномерное \(U(a,b)\) \begin{gather*} p(x)=\frac{1}{b-a}\\ x\in\left[a;b\right] \end{gather*} \(\frac{a+b}{2}\) \(\frac{(b-a)^2}{12}\)
Нормальное (Гаусса) \(N(\mu,\sigma^2)\) \begin{gather*} p(x)=\frac{1}{\sqrt{2\pi\sigma^2}}e^{-\frac{(x-\mu)^2}{2\sigma^2}}\\ x\in\mathbb{R} \end{gather*} \(\mu\) \(\sigma^2\)
Экспоненциальное \(Exp(\lambda)\) \begin{gather*} p(x)=\lambda e^{-\lambda x}\\ \lambda\gt 0,\ x\geq 0 \end{gather*} \(\frac1\lambda\) \(\frac{1}{\lambda^2}\)

п.5. Примеры

Пример 1. Непрерывная случайная величина x задана плотностью распределения: $$ p(x)= \begin{cases} Ax^2,\ x\in [0;2]\\ 0,\ x\notin [0;2] \end{cases} $$ Найдите множитель A, функцию распределения, мат. ожидание, дисперсию и СКО случайной величины x. Постройте графики плотности распределения и функции распределения. Чему равна вероятность, что случайная величина окажется в интервале \(\frac12\leq x\leq 1\)?

Находим множитель A из условия нормировки: \begin{gather*} \int_{-\infty}^{+\infty}p(x)dx=\int_{0}^{2}Ax^2dx=1\\ A\cdot\frac{x^3}{3}|_{0}^{2}=\frac{A}{3}(2^3-0)=\frac{8A}{3}=1\Rightarrow A=\frac38\\ p(x)= \begin{cases} \frac38 x^2,\ x\in [0;2]\\ 0,\ x\notin [0;2] \end{cases} \end{gather*} График плотности распределения:
Пример 1
Функция распределения \(F(x)\) для \(x\lt 0\) равна 0, для \(x\gt 2\) равна 1.
Найдем \(F(x)\) в интервале \(x\in\left[0;2\right]\): \begin{gather*} F(t)=\int_{0}^{t}p(x)dx=\frac38\int_{0}^{t}x^2dx=\frac38\cdot\frac{x^3}{3}|_{0}^{t}=\frac{t^3}{8}\Rightarrow F(x)=\frac{x^3}{8}\\ F(x)= \begin{cases} 0,\ x\lt 0\\ \frac{x^3}{8},\ x\in [0;2]\\ 1,\ x\gt 2 \end{cases} \end{gather*} График функции распределения:
Пример 1
Найдем математическое ожидание: \begin{gather*} M(x)=\int_{-\infty}^{+\infty}x\cdot p(x)dx=\int_{0}^{2}x\cdot\frac38 x^2dx=\frac38\int_{0}^{2}x^3dx=\frac38\cdot\frac{x^4}{4}|_{0}^{2}=\frac{3}{32}\cdot 2^4=1,5 \end{gather*} Найдем дисперсию: \begin{gather*} D(x)=\int_{-\infty}^{+\infty}x^2\cdot p(x)dx-M^2(x)=\int_{0}^{2}x^2\cdot\frac38 x^2dx-1,5^2=\frac38\int_{0}^{2}x^4dx-1,5^2=\\ =\frac38\cdot\frac{x^5}{5}|_{0}^{2}-1,5^2=\frac{3}{40}\cdot 2^5-1,5^2=2,4-2,25=0,15 \end{gather*} Найдем СКО: $$ \sigma(x)=\sqrt{D(x)}=\sqrt{0,15}\approx 0,387 $$ Вероятность для x оказаться в интервале \(\frac12\leq x\leq 1\) равна: $$ P\left(\frac12\leq x\leq 1\right)=F(1)-F\left(\frac12\right)=\frac{1^3}{8}-\frac{\left(\frac12\right)^3}{8}=\frac{7}{64} $$

Пример 2. Непрерывная случайная величина x задана функцией распределения: $$ F(x)= \begin{cases} 0,\ x\lt c\\ \frac{(x+2)^2}{4},\ c\leq x\leq d\\ 1,\ x\gt d \end{cases} $$ Найдите границы интервала c и d, плотность распределения, мат. ожидание, дисперсию и СКО случайной величины x. Постройте графики плотности распределения и функции распределения. Чему равна вероятность, что случайная величина окажется в интервале \(-1\leq x\leq -\frac12\)

Границы интервала ищем из условий: \begin{gather*} F(c)=\frac{(c+2)^2}{4}=0\Rightarrow c=-2\\ F(d)=\frac{(d+2)^2}{4}=1\Rightarrow d=0 \end{gather*} Получаем: \begin{gather*} F(x)= \begin{cases} 0,\ x\lt -2\\ \frac{(x+2)^2}{4},\ -2\leq x\leq 0\\ 1,\ x\gt 0 \end{cases} \end{gather*} График функции распределения:
Пример 2
Плотность распределения равна производной от функции распределения: $$ p(x)=F'(x) $$ Для \(x\lt -2\cup x\gt 0\) получим \(p(x)=0\), т.к. производная от постоянной равна 0.
На значащем интервале: $$ p(x)=\left(\frac{(x+2)^2}{4}\right)=\frac{2(x+2)}{4}=\frac{x+2}{2} $$ Получаем: \begin{gather*} p(x)= \begin{cases} \frac{x+2}{2},\ -2\leq x\leq 0\\ 0,\ x\lt -2\cup x\gt 0 \end{cases} \end{gather*} График плотности распределения:
Пример 2
Найдем математическое ожидание: \begin{gather*} M(x)=\int_{-\infty}^{+\infty}x\cdot p(x)dx=\int_{-2}^{0}x\cdot\frac{x+2}{2}dx=\frac12\int_{-2}^{0}(x^2+2x)dx=\frac12\cdot\left(\frac{x^3}{3}+x^2\right)|_{-2}^{0}=\\ =\frac12\left(0-\left(\frac{-8}{3}+4\right)\right)=-\frac23 \end{gather*} Найдем дисперсию: \begin{gather*} D(x)=\int_{-\infty}^{+\infty}x^2\cdot p(x)dx-M^2(x)=\int_{-2}^{0}x^2\cdot\frac{x+2}{2}dx-\left(-\frac23\right)^2=\\ =\frac12\int_{-2}^{0}(x^3+2x^2)dx-\frac49=\frac12\cdot\left(\frac{x^4}{4}+\frac{2x^3}{3}\right)|_{-2}^{0}-\frac49=\frac12\left(0-\left(\frac{16}{4}-\frac{2\cdot 8}{3}\right)\right)-\frac49=\\ =\frac23-\frac49=\frac29 \end{gather*} Найдем СКО: $$ \sigma(x)=\sqrt{D(x)}=\frac{\sqrt{2}}{3} $$ Вероятность для x оказаться в интервале \(-1\leq x\leq -\frac12\) равна: $$ P\left(-1\leq x\leq -\frac12\right)=F\left(-\frac12\right)-F(-1)=\frac{\left(-\frac12+2\right)^2}{4}-\frac{(-1+2)^2}{4}=\frac{1,5^2-1^2}{4}=\frac{9}{16} $$

Регистрация
Войти с помощью
Необходимо принять пользовательское соглашение
Войти
Войти с помощью
Восстановление пароля
Пожаловаться
Задать вопрос