Смекни!
smekni.com

Случайные величины (стр. 11 из 13)

Выражение (43.2) для

можно представить через начальные моменты
,
. Из определения следует:

.

Аналогично центральный момент третьего порядка

.

Пусть случайная величина

имеет плотность вероятности:

, (43.6)

(распределение Рэлея), тогда вычисление

и подстановка в (43.2) приводит к результату
.

Плотность вероятности с

имеет более тяжелый «хвост» в области больших положительных аргументов, и наоборот, при
более тяжелым является «хвост» плотности в области отрицательных аргументов.

Коэффициент эксцесса

Характеристикой степени сглаженности вершины плотности вероятности является число

, (43.1)

называемое коэффициентом эксцесса.

Определим

для нормального распределения. Поскольку
, то осталось вычислить

.

Пусть

, тогда

.

Вычислим интеграл способом «по частям»:

.

Таким образом,

. Подставим полученные результаты в (43.6), тогда
.

Если

, то плотность вероятности имеет более высокую и более острую вершину, чем кривая плотности нормального распределения с той же дисперсией. Если
, то вершина плотности распределения более плоская, чем у нормального распределения.

Среднеквадратическая ошибка

Пусть

- неизвестный параметр (число), характеризующий состояние системы. Для определения параметра
проводится опыт (измерение). Ситуация осложняется тем, что в процессе измерения на величину
накладывается помеха. Таким образом, измерению подлежит не число
, а некоторая случайная величина
, значения которой в каждом опыте точно предсказать невозможно.

Случайную величину

будем называть оценкой параметра
. Тогда
- ошибка, также случайная величина. Характеристикой качества оценки
является ее среднеквадратическая ошибка

. (45.1)

Преобразуем это выражение:

(45.2)

Величина

- детерминированная, поэтому ее можно вынести за оператор
, следовательно, второе слагаемое

Первое слагаемое (45.2) по определению

- дисперсия случайной величины

. Введем обозначение

. (45.3)

Число

называется смещением оценки
. Таким образом, из (45.2) следует

(45.4)

- среднеквадратическая ошибка является суммой двух неотрицательных слагаемых. Первое из них – дисперсия, или случайная (стохастическая) компонента ошибки, а второе – квадрат смещения – систематическая ошибка. Если

, то оценка
называется несмещенной.

Пусть случайная величина

- имеет плотность вероятности
. Тогда процедуре измерения можно дать геометрическую интерпретацию. На рис. 45.1 представлен график плотности вероятности оценки и показана систематическая ошибка
, и случайная ошибка
.

Рис. 45.1. Плотность вероятности оценки,

случайная и систематическая части ошибки.

Очевидно, идеальная процедура измерения (с нулевой среднеквадратической ошибкой) – это процедура, для которой плотность

близка к функции
. Тогда
, точка
, а эффективная ширина
.

Характеристическая функция

Характеристической функцией случайной величины

называется функция

,
. (46.1)

Пусть

- непрерывная случайная величина с плотностью вероятности
, тогда ее характеристическая функция

(46.2)

- является интегральным преобразованием, которое называется преобразованием Фурье от плотности вероятности

. Известно, что преобразование Фурье является взаимно однозначным. Поэтому существует обратное преобразование, которое определяет плотность вероятности
через характеристическую функцию
. Это преобразование имеет вид

. (46.3)

Соотношения (46.2) и (46.3) образуют пару преобразований Фурье.

Для дискретной случайной величины

, принимающей значения
с вероятностями
характеристическая функция, как следует из (46.1), имеет вид

. (46.4)

Характеристическая функция является полной вероятностной характеристикой случайной величины, также как и функция распределения

или плотность вероятности
. Смысл введения характеристической функции в теории вероятности состоит в том, что имеется класс задач, которые относительно просто решаются с применением преобразования Фурье от плотности вероятности. Роль этого преобразования оказалась столь велика, что в теории появился специальный термин «характеристическая функция» для обозначения этого преобразования.