. (32.2)
Здесь суммирование ведется по всем индексам , удовлетворяющим условию: .
Функцию распределения вероятностей дискретной случайной величины иногда представляют через так называемую функцию единичного скачка
(32.3)
При этом принимает вид
, (32.4)
если случайная величина принимает конечное множество значений , и верхний предел суммирования в (32.4) полагается равным , если случайная величина принимает счетное множество значений.
Пример построения графика функций распределения вероятностей дискретной случайной величины был рассмотрен в п.30.
Пусть случайная величина имеет дифференцируемую функцию распределению вероятностей , тогда функция
(33.1)
называется плотностью распределения вероятностей ( или плотностью вероятности) случайной величины , а случайная величина - непрерывной случайной величиной.
Рассмотрим основные свойства плотности вероятности.
Из определения производной следует равенство:
. (33.2)
Согласно свойствам функции имеет место равенство . Поэтому (33.2) принимает вид:
. (33.3)
Это соотношение объясняет название функции . Действительно, согласно (33.3) функция - это вероятность , приходящаяся на единицу интервала , в точке , поскольку . Таким образом, плотность вероятности, определяемая соотношением (33.3), аналогична определениям плотностей других величин, известных в физике, таких как плотность тока, плотность вещества, плотность заряда и т.д.
2. Поскольку - неубывающая функция, то ее производная - функция неотрицательная:
. (33.4)
3. Из (33.1) следует
,
поскольку . Таким образом, справедливо равенство
. (33.5)
4. Поскольку , то из соотношения (33.5) следует
(33.6)
- равенство, которое называется условием нормировки. Его левая часть - это вероятность достоверного события.
5. Пусть , тогда из (33.1) следует
. (33.7)
Это соотношение имеет важное значение для приложений, поскольку позволяет вычислить вероятность через плотность вероятности или через функцию распределения вероятностей . Если положить , то из (33.7) следует соотношение (33.6).
На рис. 33.1 представлены примеры графиков функции распределения и плотности вероятностей.
Рис. 33.1. Примеры функции распределения вероятностей и плотности вероятности.
Отметим, что плотность распределения вероятности может иметь несколько максимумов. Значение аргумента , при котором плотность имеет максимум называется модой распределения случайной величины . Если плотность имеет более одной моды, то называется многомодальной.
Пусть случайная величина принимает значения с вероятностями , . Тогда ее функция распределения вероятностей
, (34.1)
где - функция единичного скачка. Определить плотность вероятности случайной величины по ее функции распределения можно с учетом равенства . Однако при этом возникают математические сложности, связанные с тем, что функция единичного скачка , входящая в (34.1), имеет разрыв первого рода при . Поэтому в точке не существует производная функции .
Для преодоления этой сложности вводится -функция. Функцию единичного скачка можно представить через -функцию следующим равенством:
. (34.2)
Тогда формально производная
(34.3)
и плотность вероятности дискретной случайной величины определяется из соотношения (34.1) как производная функции :
. (34.4)
Функция (34.4) обладает всеми свойствами плотности вероятности. Рассмотрим пример. Пусть дискретная случайная величина принимает значения с вероятностями , и пусть , . Тогда вероятность - того, что случайная величина примет значение из отрезка может быть вычислена, исходя из общих свойств плотности по формуле: