Теория вероятности

Плотность распределения

Плотность распределения позволяет вычислять вероятности попадания случайной величины в заданный интервал путём интегрирования. Приведены формулы, графические интерпретации и примеры для нормального, равномерного и других распределений.

Плотность распределения вероятностей непрерывной случайной величины

Опр Плотностью распределения вероятностей непрерывной случайной величины XX называют функцию f(x)−f( x )- первую производную от функции распределения F(x)F( x )

F′(x)=f(x)\begin{equation} { F } '( x )=f( x ) \end{equation}

Следовательно, функция распределения F(x)F( x ) является первообразной для функции плотности распределения вероятностей f(x)f( x ).

Теорема Вероятность того, что непрерывная случайная величина X примет значение принадлежащее интервалу (a,b)( { a,b } ) равна определенному интегралу от плотности.

P(a⩽X<b)=∫_abf(x)dx\begin{equation} P( { a\leqslant X<b } )=\int\limits\_a^b { f( x )dx } \end{equation}

Геометрически этот результат можно трактовать так: вероятность того, что случайная величина XX примет значение принадлежащее интервалу (a,b)( { a,b } ) равна площади криволинейной трапеции.

Нахождение функции распределения по известной плотности распределения

Зная плотность распределения вероятностей f(x)f( x ) можно найти функцию распределения F(x)F( x ) по формуле:

F(x)=∫_−∞xf(x)dx\begin{equation} F( x )=\int\limits\_ { -\infty } ^x { f( x )dx } \end{equation}

Пример. Найти функцию распределения по данной плотности и построить график.

f(x)={0,если x=112,если 1<x⩽30,если x>3f(x) = \begin{cases} 0, & \text{если } x = 1 \\ \frac{1}{2}, & \text{если } 1 < x \leqslant 3 \\ 0, & \text{если } x > 3 \\ \end{cases}

Решение. Построим график функции плотности распределения вероятностей.

F(x)=∫_−∞xf(x)dxF( x )=\int\limits\_ { -\infty } ^x { f( x )dx }

Воспользуемся формулой

  • при x⩽1x\leqslant 1 из условия f(x)=0,⇒F(x)=0f( x )=0,\Rightarrow F( x )=0

  • при ,1<x⩽2,,f(x)=12,1<x\leqslant 2,, f( x )=\frac { 1 } { 2 }, тогда

F(x)=∫_−∞xf(x)dx=∫_−∞10dx+∫_1x12dx=12x∣__1x=x−12F( x )=\int\limits\_ { -\infty } ^x { f( x )dx } =\int\limits\_ { -\infty } ^1 { 0dx } +\int\limits\_1^x { \frac { 1 } { 2 } dx } =\frac { 1 } { 2 } x\left| { \_ { \_1 } ^ { ^x } }\right.=\frac { x-1 } { 2 }

если x>3x>3, тогда F(x)=∫_−∞xf(x)dx=∫_−∞10dx+∫_1312dx+∫_3x0dx=x2∣__13=1.F( x )=\int\limits\_ { -\infty } ^x { f( x )dx } =\int\limits\_ { -\infty } ^1 { 0dx } +\int\limits\_1^3 { \frac { 1 } { 2 } dx } +\int\limits\_3^x { 0dx } =\frac { x } { 2 } \left| { \_ { \_1 } ^ { ^3 } }\right.=1. Итак

F(x)={0,если x⩽1x−12,если 1<x⩽31,если x>3F(x) = \begin{cases} 0, & \text{если } x\leqslant 1 \\ \frac{x-1}{2}, & \text{если } 1 < x \leqslant 3 \\ 1, & \text{если } x > 3 \\ \end{cases}

Построим график функции распределения

Свойства плотности распределения

1). Плотность распределения неотрицательная функция f(x)⩾0f( x )\geqslant 0.

Доказательство Известно, что функция распределения F(x)−F( x )- неубывающая, следовательно, ее производная F′(x)=f(x){ F } '( x )=f( x ) неотрицательная функция.

Геометрически это означает, что график f(x)f( x ) расположен выше оси OX или на оси OX.

График f(x)f( x )плотности распределения называется кривой распределения.

2). Несобственный интеграл от плотности распределения в пределах от (−∞,∞)( { -\infty ,\infty } ) равен 1.

∫_−∞∞f(x)dx=1\begin{equation} \int\limits\_ { -\infty } ^\infty { f( x ) } dx=1 \end{equation}

Если XX задана на (a,b)( { a,b } ), то ∫_abf(x)dx=1\int\limits\_a^b { f( x )dx=1 }

Геометрически это означает, что площадь под кривой распределения равна 1.

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