Теория вероятности

Непрерывная случайная величина

Непрерывные случайные величины характеризуются бесконечным множеством возможных значений в рамках интервала. Приведены строгие определения, формулы и примеры для анализа таких величин в теории вероятностей.

Непрерывная случайная величина. Функция распределения

Случайную величину XX будем называть непрерывной, если ее значения сплошь покрывают интервал (a,b)( a,b ). Предполагается, что при каждом испытании случайная величина принимает только одно значение x∈(a,b)x\in ( { a,b } ). Мы уже говорили, что для характеристики случайной величины вводят функцию распределения.

Опр Функцией распределения называют функцию F(x)F( x ), определяющую вероятность того, что случайная величина XX в результате испытания примет значение меньше xx. F(x)=P(X<x)F( x )=P( { X<x } )

Дадим более полное определение случайной величины.

Опр. Случайную величину называют непрерывной, если ее функция распределения есть непрерывная, кусочно-дифференцируемая функция с непрерывной производной.

Свойства функции распределения

1). Значения функции распределения принадлежат отрезку [0,1]0⩽F(x)⩽1\left[ { 0,1 }\right] 0\leqslant F( x )\leqslant 1. Доказательство вытекает из смысла вероятности.

2). Функция распределения F(x)−F( x )- неубывающая функция т.е. F(x_2)⩾F(x_1),,,если,x_2>x_1F( { x\_2 } )\geqslant F( { x\_1 } ),,,если,x\_2 >x\_1 Следствие 1 Вероятность того, что случайная величина примет значение заключенное в интервале (a,b)( a,b ) равна приращению функции распределения на этом интервале.

P(a⩽x<b)=F(b)−F(a)(1)\begin{equation} P( { a\leqslant x<b } )=F( b )-F( a ) \qquad (1) \end{equation}

Следствие 2 Вероятность того, что непрерывная случайная величина примет одно определенное значение равна нулю.

3). Если возможные значения случайной величины принадлежат интервалу (a,b)( { a,b } ), то

  • F(x)=0,при,x⩽aF( x )=0,при,x\leqslant a

  • F(x)=1,при,x⩾bF( x )=1,при,x\geqslant b

Следствие 3 Если возможные значения случайной величины расположены на всей оси XX, то справедливы следующие предельные соотношения: lim⁡_x→−∞F(x)=0,lim⁡_x→+∞F(x)=1\mathop { \lim } \limits\_ { x\to -\infty } F( x )=0 , \mathop { \lim } \limits\_ { x\to +\infty } F( x )=1 График функции распределения

Другие статьи из категории

Похожие статьи

Все статьи →

Теория вероятности

Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения

Методика включает вычисление статистики хи-квадрат как суммы нормированных квадратов разностей между наблюдаемыми и ожидаемыми частотами.…

Теория вероятности

Проверка гипотезы о показательном распределении: методы и критерии

Методы проверки включают критерий согласия Пирсона (хи-квадрат), критерий Колмогорова–Смирнова или использование графического анализа,…

Теория вероятности

Методы нахождения оценок: теория и практическое применение

Метод моментов заключается в приравнивании теоретических моментов распределения к их эмпирическим аналогам. Метод максимального…

Теория вероятности

Доверительный интервал: определение и методы построения

Построение доверительного интервала зависит от типа параметра (например, математическое ожидание, дисперсия) и распределения данных. Для…

Теория вероятности

Основные формулы теории вероятности

Теория вероятности изучает закономерности случайных событий, предлагая инструментарий для их количественной оценки. Рассматриваются…

Нужен расчёт?

Пришлите исходные данные — уточним состав работы и ответим по срокам.

Связаться