Смекни!
smekni.com

Курс лекций по теории вероятностей (стр. 9 из 20)

Говорят, что случайная величина τ имеет геометрическое распределение с параметром р, где 0 £ p £, n, и пишут τ ÎGр, если τ принимает значения 1, 2, 3, …с вероятностями P(τ = k) = p (1-p)k-1. Случайная величина τ с таким распределением имеет смысл номера первого успешного испытания в схеме Бернулли с вероятностью успеха р.

Таблица распределения τимеет вид

τ 1 2 k
Р p Р (1 – р) p (1-p)k-1

Распределение Пуассона.

Говорят, что случайная величина ξ имеет распределение Пуассона с параметром λ, где λ > 0, и ξÎПλ, если ξпринимает значения 0, 1, 2 … с вероятностями

Таблица распределения ξ имеет вид

ξ 1 2 k
Р е- λ λ е- λ k /k!)е- λ

Гипергеометрическое распределение.

Говорят, что случайная величина ξимеет гипергеометрическое распределение с параметрами n, N и K, K£N, n£N если ξ принимает целые значения от max (0, N - Kn ) до min (K ,n ) с вероятностями

. Случайная величина ξ с таким распределением имеет смысл числа белых шаров среди n шаров выбранных наудачу и без возвращения из урны, содержащей К белых шаров и N-K не белых.

Заметьте, что со всеми этими распределениями мы уже хорошо знакомы.

Но распределения случайных величин далеко не исчерпываются дискретными распределениями. Так, например, если точка бросается наудачу на отрезок [0,1], то можно задать случайную величину, равную координате этой точки. Но число значений этой случайной величины несчетно, так что ее распределение дискретным не является. Да и вероятность этой случайной величине принять каждое из своих возможных значений (попасть в точку) равна нулю. Так что не только таблица распределения не существует, но и соответствие «значение величины « вероятность его принять» ничего не говорит о распределении случайной величины.

Какими же характеристиками еще можно описать распределение?

Раздел 7. Функция распределения

Заметим, что на том же отрезке [0, 1] вероятности попадания в множества положительной меры совсем не нулевые. И термин «наудачу» мы когда-то описывали как раз в терминах вероятностей попадания в множество. Может быть, разумно описать распределение случайной величины, задав для любого множества, вероятность принять значения из этого множества? Это действительно полное описание распределения, но уж очень трудно с ней работать — слишком много множеств на прямой.

Нельзя ли обойтись заданием вероятностей попадания в какой-нибудь меньший набор множеств на прямой? Оказывается, что можно ограничиться только вероятностями попадания в интервалы (-¥, х) для всех хÎR, с помощью которых можно будет определить и вероятность попасть в любое другое множество.

Замечание 11. Можно с таким же успехом ограничиться набором вероятностей попадания в интервалы (-¥, х], или в (х ,¥), или в [х ,¥), или в 1 ,x2). Впрочем, последних уже слишком много.

Определение 27.Функцией распределения случайной величины ξназывается функция Fξ(x) : R® [0, 1], при каждом xÎR равная Fξ(x) = P(ξ < x) = P{ω: ξ(ω) < x}

Пример 22. Случайная величина ξ имеет вырожденное распределение Ic. Тогда

Пример 23. Случайная величина ξ имеет распределение Бернулли Вр. Тогда

Пример 24. Будем говорить, что случайная величина ξимеет равномерное распределение на отрезке [a, b] и писать ξÎUa,b(“ uniform”), если ξ— координата точки, брошенной наудачу на отрезок [a, b] числовой прямой. Это распределение можно задать и с помощью функции распределения:

7.1 Свойства функции распределения

Теорема 19.

Функция распределения Fξ(x) обладает следующими свойствами:

F1) Функция распределения Fξ(x) не убывает: если х1 < x2 тоFξ(x1)< Fξ(x2);

F2) Существуют пределы

и

F3) Функция распределения Fξ(x) непрерывна слева:

Теорема 20. Если функция F: R® [0, 1] удовлетворяет свойствам (F1)–(F3), то F есть функция распределения некоторой случайной величины ξ, то есть найдется вероятностное пространство (Ω, Ψ, Р) и случайная величина ξ на этом пространстве, что F(х) = Fξ(x).

Прочие полезные свойства функций распределения

F4) В любой точке х0разница Fξ0+0) - Fξ0)равна P(ξ = х0):

Следствие 3. Если функция распределения Fξ(x) непрерывна в точке х0, то

P(ξ = х0)= 0

F5) Для любой случайной величины ξ имеет место равенство P£ξ < b) = Fξ(a) - Fξ(b).

Если же функция распределения Fξ(x) непрерывна (для любого x, или только в точках a и b), то

P£ξ < b) = P(а < ξ < b) = P£ξ£b) = P(а < ξ£b) = Fξ(a) - Fξ(b)

Функция распределения дискретного распределения

Мы уже видели, как выглядят функции распределения некоторых дискретных распределений. Из свойств (F4), (F5) следует

Свойство 4. Случайная величина ξимеет дискретное распределение тогда и только тогда, когда функция распределения Fξ— ступенчатая функция. При этом возможные значения ξ— точки ai скачков Fξ, и

pi = P(ξ = ai ) = Fξ (ai + 0) - Fξ (ai )— величины скачков.

В следующей главе мы рассмотрим случайные величины, функции распределения которых не удовлетворяют свойству 4 хотя бы потому, что они вовсе не имеют разрывов. Более того, мы выделим класс функций распределения, которые «восстанавливаются по своей производной» с помощью интегрирования (так называемые абсолютно непрерывные функции).

Раздел 8. Абсолютно непрерывные распределения

Определение 28.Случайная величина ξ имеет называемые абсолютно непрерывное распределение, если существует неотрицательная функция fξ(x) такая, что для любого хÎRфункция распределения Fξ(x) представима в виде

При этом функция fξ(x) называется плотностью распределения случайной величины ξ.

Теорема 21.Плотность распределения обладает свойствами:

(f1) fξ(x)³ 0 для любого x;

(f2)

Эти два свойства полностью характеризуют класс плотностей:

Лемма 2. Если функция fобладает свойствами (f1) и (f2), то существует вероятностное пространство и случайная величина ξ на нем, для которой fявляется плотностью распределения.

Доказательство. Пусть Ω есть область, заключенная между осью абсцисс и графиком функции f (« подграфик» функции f). Площадь области Ω равна 1 по свойству (f2). И пусть случайная величина ξ есть абсцисса точки, наудачу брошенной в эту область.

Тогда (вспомнить геометрическую вероятность) для любого хÎR


то есть f является плотностью распределения случайной величины ξ

Свойства плотностей