Функция распределения случайной величины
Стандартное обозначение:
И для дискретной, и для непрерывной случайной величины она определяется одинаково:
, где – вероятность того, что случайная величина примет значение, МЕНЬШЕЕ, чем переменная , которая«пробегает» все действительные значения от «минус» до «плюс» бесконечности.
Построим функцию распределения для нашей подопытной игры:
Начинаем разбираться. Чему, например, равно значение ? Это вероятность того, что выигрыш будет меньше, чем –20. И это невозможное событие: . Совершенно понятно, что и для всех «икс» из интервала , а также для . Почему? По определению функции распределения:
– вы согласны? Функция
возвращает вероятность того,
что в точке выигрыш
будет СТРОГО МЕНЬШЕ «минус» пяти.
Таким образом: , если .
На интервале функция , поскольку левее любой точки этого интервала есть только одно значение случайной величины, которое появляется с вероятностью 0,5. Кроме того, сюда же следует отнести точку , так как:
– очень хорошо осознайте этот момент!
Таким образом, если , то
Далее рассматриваем промежуток . СТРОГО ЛЕВЕЕ любой точки этого промежутка находятся два выигрыша , поэтому:
И, наконец, если , то , ибо все значения случайной величины лежат СТРОГО левее любой точки интервала
Заметим, кстати, важную особенность: коль скоро функция характеризует вероятность, то она может принимать значения лишь из промежутка – и никакие другие!
Итак, функция распределения вероятностей ДСВ является кусочной и, как многие знают, в таких случаях принято использовать
фигурные скобки:
График данной функции имеет разрывный «ступенчатый» вид:
Причём, функция или её
график однозначно определяют сам закон распределения: в точке высота «ступеньки» (разрыв) составляет (следим по графику), в точке «скачок» разрыва равен и, наконец, в точке он равен в точности .
Таким образом, функция распределения вероятностей – это ещё один способ ЗАДАТЬ случайную величину. И этот способ
особо важен для непрерывной случайной величины – по той причине, что её невозможно описать таблицей (ввиду бесконечного и
несчётного количества принимаемых значений). Однако, всему своё время, и НСВ – тоже.
Освоим технические моменты решения типовой задачи:
Задача 93
Построить функцию распределения случайной величины
Найти вероятности того, что случайная величина примет значение из следующих промежутков:
…, пожалуй, достаточно.
Решение: На практике удобно использовать формальный алгоритм построения функции распределения:
Сначала берём первое значение и составляем нестрогое неравенство . На этом промежутке .
На промежутке (между
и ):
На промежутке (между
и ):
На промежутке (между
и ):
И, наконец, если строго
больше самого последнего значения , то:
Легко заметить, что с увеличением «икс» идёт накопление (суммирование) вероятностей, и поэтому функцию иногда называют интегральной функцией распределения.
В практических задачах проведённые выше действия обычно выполняют устно, а результат сразу записывают под единую скобку:Выполним чертёж:
и проконтролируем правильность решения с помощью «скачков» графика: в точке «скачок» равен , в точке составляет , в точке равен , и, наконец, в точке – .
При выполнении чертежа от руки оптимален следующий масштаб:
горизонтальная ось: 1 ед. = 2 или 1 тетрадная клетка;
вертикальная ось: 0,1 = 1 тетрадная клетка.
На левых концах ступенек (кроме нижнего луча) можно ставить выколотые точки – дело вкуса. Левый нижний луч следует прочертить жирно (чтобы он не сливался с координатной осью) и до конца оси! Правая верхняя линия не должна заканчиваться раньше острия оси! Такие оплошности могут говорить о непонимании функции распределения, а это, как вы понимаете, скверно. То было ручное построение.
Переходим ко второй части задания, её коротко можно сформулировать так:
2.2.8. Вероятность попадания в промежуток
2.2.6. Многоугольник распределения
Полную и свежую версию этой книги в pdf-формате,
а также курсы по другим темам можно найти здесь.
Также вы можете изучить эту тему подробнее – просто, доступно, весело и бесплатно!
С наилучшими пожеланиями, Александр Емелин
Интегральная функция распределения случайной величины и её свойства. Функция распределения дискретной случайно величины —
Теория
Задание случайной величины её законом распределения не обладает общностью, так как его нельзя использовать, например, для непрерывных случайных величин. Кроме того, даже для дискретных случайных величин закон распределения не удовлетворяет практическим требованиям.
Например, с точки зрения практики событие, состоящие в том, что некоторый прибор проработает, например, 1000 часов, не представляет интереса. Более важным является событие Х < 1000 или событие Х > 1000. Такое событие имеет вероятность, отличную от нуля, и при изменении Х вероятность события будет изменяться.Следовательно, вероятность является функцией от х, которая и принимается в качестве интегральной функции распределения и которая является универсальной, пригодной для описания как непрерывных, так и дискретных случайных величин.
Определение 4. Интегральной функцией распределения вероятностей случайной величины Х называется функция
Таким образом, по определению
F(x) = Р(X < х), т.е. (3.1)
На числовой оси Ох случайная величина х сщдержится в интервале (– ∞, х) (рисунок 3. 4):
Рис. 3.4 |
Пример 9. Пусть для случайной величины X задан ряд распределения:
Х | х =1 | х = 2 | х = 3 | х = 4 | х = 5 | х = 6 |
P | p= 0,4 | p= 0,24 | p=0,19 | P=0,1 | p=0,04 | p= 0,03 |
Записать интегральную функцию распределения и построить ее график.
Решение. F(x) = P(X < x) = 0, х ≤ х=1; F (x) = P(X < x) = P(X = x)= = p = 0,4; 1 < х ≤ 2; F
Событие Х < х может быть осуществлено, когда Х принимает значения х1 с вероятностью p= 0,4 или значение х с вероятностью p. В силу несовместности этих событии получается, что Р(Х < х) = p + p. Далее имеем
F(x) = P(X < x) = Р(X = x) + P(X = x) + P(X = x) = 0,4 + 0,24 + 0,19 = 0,83, 3< х ≤4;
F(x) = P(X < x) = 0,4 + 0,24+0,19 + 0,1 = 0,93, х< х ≤ х, 4 < х ≤ 5;
F(x) = P(X < x) = 0,4+0,24+0,19+0,1+0,04 = 0,97, х
< х ≤ х, 5 < х ≤ 6;F(x) = P(X>x) = 0,4 + 0,24 + 0,19 + 0,1 + 0,04 + 0,03 = 1, х > 6.
Рис. 3.5 |
Таким образом, функция F(х) здесь составная (ступенчатая) и она претерпевает разрыв 1-го рода в точках хkи скачки этой функций равны pk = = Р(Х = хk) (k = 1, 2, 3, 4, 5, 6) (рисунок 3.5). Заметим, что функция распределе-ния для непрерывной случайной величины имеет форму плавной кривой (рисунок 3.6).
Функция и график, таблица I StudySmarter
Распределение вероятностей — это функция, которая дает индивидуальные вероятности возникновения различных возможных результатов эксперимента. Это математическое описание случайного явления с точки зрения его выборочного пространства и вероятностей событий.
Выражение распределения вероятностей
Распределение вероятностей часто описывается в виде уравнения или таблицы, которая связывает каждый результат вероятностного эксперимента с соответствующей вероятностью его возникновения.
Пример 1
Рассмотрим эксперимент, в котором случайная величина X = счету при правильном броске костей.
Так как здесь есть шесть равновероятных исходов, вероятность каждого исхода равна 1/6.
Соответствующее распределение вероятностей можно описать:
P (X = x) = 1/6, x = 1, 2, 3, 4, 5, 6
x
1
2
3
5
P (X = x)
1/6
1/6
1/6
1/6
1/6
1/6
Example 2
Правильная монета подбрасывается два раза подряд. X определяется как количество полученных голов. Запишите все возможные исходы и выразите распределение вероятности в виде таблицы и функции массы вероятности.
Решение 2
С орлом как H и решкой как T, есть 4 возможных исхода:
(T, T), (H, T), (T, H) и (H, H).
Следовательно, вероятность выпадения (X = x = количество орлов = 0) = (количество исходов с 0 орлами) / (общее количество исходов) = 1/4
(x = 1) = (количество исходов с 1 орлом) / (общее количество исходов) = 2/4
(x = 2) = (количество исходов с 2 орлами) / (общее количество исходов) = 1/4
Now let’s express the probability distribution
P (X = x) = 0.25, x = 0, 2
= 0.5, x = 1
Количество головок, х | 0 | 1 | 2 |
P (X = x) | 0. 25 | 0.5 | 0.25 |
Example 3
The random variable X has a функция распределения вероятностей
P (X = x) = kx, x = 1, 2, 3, 4, 5
Каково значение k?
Решение 3
Мы знаем, что сумма вероятностей функции распределения вероятностей должна быть равна 1,
Для x = 1, kx = k.
Для x = 2, kx = 2k.
И так далее.
Таким образом, мы имеем
k + 2k + 3k + 4k + 5k = 1
=> k = 1/15
Дискретное и непрерывное распределение вероятностей
Функции распределения вероятностей можно классифицировать как дискретные или домен принимает дискретный или непрерывный набор значений.
Дискретная функция распределения вероятностей
Математически дискретная функция распределения вероятностей может быть определена как функция p (x), которая удовлетворяет следующим свойствам:
1. Вероятность того, что x может принимать определенное значение, равна p(x). То есть
P (X = x) = p (x) = px
2. p (x) неотрицательно для всех действительных x.
3. Сумма p (x) по всем возможным значениям x равна 1, то есть
= 1
Дискретная функция распределения вероятностей может принимать дискретный набор значений – они не обязательно должны быть конечными. Все примеры, которые мы рассмотрели до сих пор, представляют собой дискретные функции вероятности. Это связано с тем, что все экземпляры функции дискретны — например, количество орлов, полученных при подбрасывании монеты. Это всегда будет 0, или 1, или 2, или… У вас никогда не будет, скажем, 1,25685246 решек, а это не входит в область применения этой функции. Поскольку функция предназначена для покрытия всех возможных исходов случайной величины, сумма вероятностей всегда должна быть равна 1.
Другие примеры дискретных распределений вероятностей:
X = количество голов, забитых футбольной командой в данном матче.
X = количество учащихся, сдавших экзамен по математике.
X = количество людей, родившихся в Великобритании за один день.
Дискретные функции распределения вероятностей называются массовыми функциями вероятностей.
Непрерывная функция распределения вероятностей
Математически непрерывную функцию распределения вероятностей можно определить как функцию f (x), которая удовлетворяет следующим свойствам:
1. Вероятность того, что x находится между двумя точками a и b, равна
p (a ≤ x ≤ b ) = f (x) dx
2. Оно неотрицательно для всех действительных x.
3. Интеграл функции вероятности равен
f (x) dx = 1
Непрерывная функция распределения вероятностей может принимать бесконечный набор значений на непрерывном интервале. Вероятности также измеряются в интервалах, а не в заданной точке. Таким образом, площадь под кривой между двумя различными точками определяет вероятность для этого интервала. Свойство, что интеграл должен быть равен единице, эквивалентно свойству для дискретных распределений, что сумма всех вероятностей должна быть равна единице.
Примеры непрерывных вероятностных распределений:
X = количество осадков в дюймах в Лондоне за март.
X = продолжительность жизни данного человека.
X = рост случайного взрослого человека.
Непрерывные функции распределения вероятностей называются функциями плотности вероятности.
Кумулятивное распределение вероятностей
Кумулятивная функция распределения вероятностей для случайной величины X дает вам сумму всех отдельных вероятностей до точки x включительно для расчета P (X ≤ x).
Это означает, что кумулятивная функция вероятности помогает нам найти вероятность того, что результат случайной величины находится в пределах и выше указанного диапазона.
Пример 1
Рассмотрим эксперимент, в котором случайная величина X равна количеству выпавших орлов при двукратном броске игральных костей.
Кумулятивное распределение вероятностей будет следующим:0021
No. of heads, x
0
1
2
P (X = x)
0.25
0.5
0.25
Cumulative Probability
P (X ≤ x)
0.25
0.75
1
The cumulative probability distribution gives us the probability that the количество полученных голов меньше или равно x. Итак, если мы хотим ответить на вопрос «какова вероятность того, что я не выиграю больше, чем решка», кумулятивная функция вероятности говорит нам, что ответ на этот вопрос равен 0,75.
Пример 2
Правильная монета подбрасывается три раза подряд. Случайная величина X определяется как количество выпавших орлов. Представьте кумулятивное распределение вероятностей с помощью таблицы.
Решение 2
Представление получения орла как H и решки как T, есть 8 возможных исходов:
(T, T, T), (H, T, T), (T, H, T), (T , Т, Н), (Н, Н, Т), (Н, Т, Н), (Т, Н, Н) и (Н, Н, Н).
Кумулятивное распределение вероятностей представлено в следующей таблице.
No. of heads, x | 0 | 1 | 2 | 3 |
P (X = x) | 0. 125 | 0.375 | 0.375 | 0.125 |
Cumulative Probability P (x ≤ x) | 0,125 | 0,5 | 0,875 | 1 |