Построить многоугольник распределения случайной величины х. Закон распределения дискретной случайной величины. Многоугольник распределения

В разделе курса, посвященном основным понятиям теории вероятностей, мы уже ввели в рассмотрение чрезвычайно важное понятие случайной величины. Здесь мы дадим дальнейшее развитие этого понятия и укажем способы, с помощью которых случайные величины могут быть описаны и характеризованы.

Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, неизвестно заранее – какое именно. Мы условились также различать случайные величиныпрерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин могут быть заранее перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Примеры прерывных случайных величин:

1) число появлений герба при трех бросаниях монеты (возможные значения 0, 1, 2, 3);

2) частота появления герба в том же опыте (возможные значения );

3) число отказавших элементов в приборе, состоящем из пяти элементов (возможнее значения 0, 1, 2, 3, 4, 5);

4) число попаданий в самолет, достаточное для вывода его из строя (возможные значения 1, 2, 3, …, n, …);

5) число самолетов, сбитых в воздушном бою (возможные значения 0, 1, 2, …, N, где – общее число самолетов, участвующих в бою).

Примеры непрерывных случайных величин:

1) абсцисса (ордината) точки попадания при выстреле;

2) расстояние от точки попадания до центра мишени;

3) ошибка измерителя высоты;

4) время безотказной работы радиолампы.

Условимся в дальнейшем случайные величины обозначать большими буквами, а их возможные значения – соответствующими малыми буквами. Например, – число попаданий при трех выстрелах; возможные значения: .

Рассмотрим прерывную случайную величину с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т.е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами p с соответствующими индексами:

Так как несовместные события (5.1.1) образуют полную группу, то

т.е. сумма вероятностей всех возможных значений случайной величины равна единице. Эта суммарная вероятностькаким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т.е. в точности укажем, какой вероятностью обладает каждое из событий (5.1.1). Этим мы установим так называемый закон распределения случайной величины.

Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения.

Установим форму, в которой может быть задан закон распределения прерывной случайной величины . Простейшей формой задания этого закона является таблица, в которой перечислены возможные значенияслучайной величины и соответствующие им вероятности:

Такую таблицу мы будем называть рядом распределения случайной величины .

Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.

Рассмотрим несколько примеров прерывных случайных величин с их законами распределения.

Пример 1. Производится один опыт, в котором может появиться или не появиться событие . Вероятность события равна 0,3. Рассматривается случайная величина – число появлений события в данном опыте (т.е. характеристическая случайная величина события , принимающая значение 1, если оно появится, и 0, если не появится). Построить ряд распределения и многоугольник распределения величины .

Решение. Величина имеет всего два значения: 0 и 1.

Многоугольник распределения изображен на рис. 5.1.2.

Пример 2. Стрелок производит три выстрела по мишени. Вероятность попадания в мишень при каждом выстреле равна 0,4. За каждое попадание стрелку засчитывается 5 очков. Построить ряд распределения числа выбитых очков.

Решение. Обозначим число выбитых очков. Возможные значения величины : .

Вероятность этих значений находим по теореме о повторении опытов:

Ряд распределения величины имеет вид:

Многоугольник распределения изображен на рис. 5.1.3.

Пример 3. Вероятность появления события в одном опыте равна . Производится ряд независимых опытов, которые продолжаются до первого появления события , после чего опыты прекращаются. Случайная величина – число произведенных опытов. Построить ряд распределения величины .

Решение. Возможные значения величины : 1, 2, 3, … (теоретически они ничем не ограничены). Для того, чтобы величина приняла значение 1, необходимо, чтобы событие произошло в первом же опыте; вероятность этого равна . Для того, чтобы величина приняла значение 2, нужно, чтобы в первом опыте событие не появилось, а во втором – появилось; вероятность этого равна , где , и т.д. Ряд распределения величины имеет вид:

Первые пять ординат многоугольника распределения для случая показаны на рис. 5.1.4.

Пример 4. Стрелок ведет стрельбу по мишени до первого попадания, имея боезапас 4 патрона. Вероятностьпопадания при каждом выстреле равна 0,6. Построить ряд распределения боезапаса, оставшегося неизрасходованным.

Решение. Случайная величина – число неизрасходованных патронов – имеет четыре возможных значения: 0, 1, 2 и 3. Вероятности этих значений равны соответственно:

Ряд распределения величины имеет вид:

Многоугольник распределения показан на рис. 5.1.5.

Пример 5. Техническое устройство может применяться в различных условиях и в зависимости от этого время от времени требует регулировки. При однократном применении устройства оно может случайным образом попасть в благоприятный или неблагоприятный режим. В благоприятном режиме устройство выдерживает три применения без регулировки; перед четвертым его приходится регулировать. В неблагоприятном режиме устройство приходится регулировать после первого же применения. Вероятность того, что устройство попадет в благоприятный режим, - 0,7, что в неблагоприятный, - 0,3. Рассматривается случайная величина – число применений устройства до регулировки. Построить её ряд распределения.

Решение. Случайная величина имеет три возможных значения: 1, 2 и 3. вероятность того, что , равна вероятности того, что при первом же применении устройство попадет в неблагоприятный режим, т.е. . Для того, чтобы величина приняла значение 2, нужно, чтобы при первом применении устройство попало в благоприятный режим, а при втором – в неблагоприятный; вероятность этого . Чтобы величина приняла значение 3, нужно, чтобы два первых раза устройство попало в благоприятный режим (после третьего раза его все равно придется регулировать). Вероятность этого равна .

Ряд распределения величины имеет вид:

Многоугольник распределения показан на рис. 5.1.6.

Функция распределения

В предыдущем n° мы ввели в рассмотрение ряд распределения как исчерпывающую характеристику (закон распределения) прерывной случайной величины. Однако эта характеристика не является универсальной; она существует только для прерывных случайных величин. Нетрудно убедиться, что для непрерывнойслучайной величины такой характеристики построить нельзя. Действительно, непрерывная случайная величинаимеет бесчисленное множество возможных значений, сплошь заполняющих некоторый промежуток (так называемое «счетное множество»). Составить таблицу, в которой были бы перечислены все возможные значения такой случайной величины, невозможно. Кроме того, как мы увидим в дальнейшем, каждое отдельное значение непрерывной случайной величины обычно не обладает никакой отличной от нуля вероятностью. Следовательно, для непрерывной случайной величины не существует ряда распределения в том смысле, в каком он существует для прерывной величины. Однако различные области возможных значений случайной величины все же не являются одинаково вероятными, и для непрерывной величины существует «распределение вероятностей», хотя и не в том смысле, как для прерывной.

Для количественной характеристики этого распределения вероятностей удобно воспользоваться невероятностью события , а вероятностью события , где – некоторая текущая переменная. Вероятностьэтого события, очевидно, зависит от , есть некоторая функция от . Эта функция называется функцией распределения случайной величины и обозначается :

. (5.2.1)

Функцию распределения иногда называют также интегральной функцией распределения или интегральным законом распределения.

Функция распределения – самая универсальная характеристика случайной величины. Она существует для всех случайных величин: как прерывных, так и непрерывных. Функция распределения полностью характеризуетслучайную величину с вероятностной точки зрения, т.е. является одной из форм закона распределения.

Сформулируем некоторые общие свойства функции распределения.

1. Функция распределения есть неубывающая функция своего аргумента, т.е. при .

2. На минус бесконечности функция распределения равна нулю: .

3. На плюс бесконечности функция распределения равна единице: .

Не давая строгого доказательства этих свойств, проиллюстрируем их с помощью наглядной геометрической интерпретации. Для этого будем рассматривать случайную величину как случайную точку на оси Ох (рис. 5.2.1), которая в результате опыта может занять то или иное положение. Тогда функция распределения естьвероятность того, что случайная точка в результате опыта попадет левее точки .

Будем увеличивать , т. е. перемещать точку вправо по оси абсцисс. Очевидно, при этом вероятность того, что случайная точка попадет левее , не может уменьшиться; следовательно, функция распределения с возрастанием убывать не может.

Чтобы убедиться в том, что , будем неограниченно перемещать точку влево по оси абсцисс. При этом попадание случайной точки левее в пределе становится невозможным событием; естественно полагать, чтовероятность этого события стремится к нулю, т.е. .

Аналогичным образом, неограниченно перемещая точку вправо, убеждаемся, что , так как событие становится в пределе достоверным.

График функции распределения в общем случае представляет собой график неубывающей функции (рис. 5.2.2), значения которой начинаются от 0 и доходят до 1, причем в отдельных точках функция может иметь скачки (разрывы).

Зная ряд распределения прерывной случайной величины, можно легко построить функцию распределения этой величины. Действительно,

где неравенство под знаком суммы указывает, что суммирование распространяется на все те значения , которые меньше .

Когда текущая переменная проходит через какое-нибудь из возможных значений прерывной величины , функция распределения меняется скачкообразно, причем величина скачка равна вероятности этого значения.

Пример 1. Производится один опыт, в котором может появиться или не появиться событие . Вероятность события равна 0,3. Случайная величина – число появлений события в опыте (характеристическая случайная величина события ). Построить её функцию распределения.

Рассмотренный выше пример позволяет сделать вывод, что значения, используемые для анализа зависят от случайных причин, поэтому такие переменные величины называются случайными . В большинстве случаев они появляются в результате наблюдений или экспериментов, которые сводятся в таблицы, в первой строке которой записываются различные наблюдаемые значения случайной величины Х, а во второй – соответствующие частоты. Поэтому такая таблица называется эмпирическим распределением случайной величины Х или вариационным рядом . Для вариационного ряда мы находили среднее значение , дисперсию и среднее квадратическое отклонение .

непрерывной , если ее значения целиком заполняют некоторый числовой промежуток.

Случайная величина называется дискретной , если все ее значения можно занумеровать (в частности, если оно принимает конечное число значений).

Следует отметить два характерных свойства таблицы распределения дискретной случайной величины:

Все числа второй строки таблицы положительны;

Их сумма равна единице.

В соответствие с проведенными исследованиями можно предположить, что при увеличении числа наблюдений эмпирическое распределение приближается к теоретическому, заданному в табличной форме.

Важной характеристикой дискретной случайное величины является ее математическое ожидание.

Математическим ожиданием дискретной случайной величины Х, принимающей значения , , …, .с вероятностями , , …, называется число:

Математическое ожидание также называют средним значением.

К другим важным характеристикам случайной величины относятся дисперсия (8) и среднее квадратическое отклонение (9).

где: математическое ожидание величины X.

. (9)

Графическое представление информации значительно нагляднее, чем табличное, поэтому возможность электронных таблиц MS Excel представлять размещенные в них данные в виде различных диаграмм, графиков и гистограмм используется очень часто. Так, помимо таблицы, распределение случайной величины изображают также с помощью многоугольника распределения . Для этого на координатной плоскости строят точки с координатами , , … и соединяют их прямыми отрезками.

Для получения прямоугольника распределения посредством MS Excel необходимо:

1. Выбрать на панели инструментов закладу «Вставка» ® «Диаграмма с областями».

2. Активизировать появившуюся на листе MS Excel область для диаграммы правой кнопкой мыши и в контекстном меню воспользоваться командой «Выбрать данные».

Рис. 6. Выбор источника данных

Сначала определим диапазон данных для диаграммы. Для этого в соответствующую область диалогового окна «Выбор источника данных» введем диапазон C6:I6 (в нем представлены значения частот под названием Ряд1, рис. 7).

Рис. 7. Добавление ряда 1

Для изменения названия ряда необходимо выбрать кнопку изменить область «Элементы легенды (ряды)» (см. рис. 7) и назвать его .

Для того, чтобы добавить подпись оси X необходимо воспользоваться кнопкой «Изменить» области «Подписи горизонтальной оси (категории)»
(рис. 8) и указать значения ряда (диапазон $C$6:$I$6).

Рис. 8. Окончательный вид окна диалога «Выбор источника данных»

Выбор кнопки в окне диалога «Выбор источника данных»
(рис. 8) позволит получить требуемый многоугольник распределения случайной величины (рис. 9).

Рис. 9. Многоугольник распределения случайной величины

Внесем некоторые изменения в дизайн полученной графической информации:

Добавим подпись оси Х;

Отредактируем подпись оси Y;

- добавим заголовок для диаграммы «Многоугольник распределения».

Для этого выберем в области панели инструментов закладку «Работа с диаграммами» закладку «Макет» и в появившейся панели инструментов соответствующие кнопки: «Название диаграммы», «Названия осей» (рис. 10).

Рис. 10. Итоговый вид многоугольника распределения случайной величины

Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, неизвестно заранее – какое именно. Мы условились также различать случайные величины прерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин могут быть заранее перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Примеры прерывных случайных величин:

1) число появлений герба при трех бросаниях монеты (возможные значения 0, 1, 2, 3);

2) частота появления герба в том же опыте (возможные значения );

3) число отказавших элементов в приборе, состоящем из пяти элементов (возможнее значения 0, 1, 2, 3, 4, 5);

4) число попаданий в самолет, достаточное для вывода его из строя (возможные значения 1, 2, 3, …, n, …);

Примеры непрерывных случайных величин:

1) абсцисса (ордината) точки попадания при выстреле;

2) расстояние от точки попадания до центра мишени;

3) ошибка измерителя высоты;

4) время безотказной работы радиолампы.

Обозначим вероятности этих событий буквами p с соответствующими индексами:

Так как несовместные события (5.1.1) образуют полную группу, то

т.е. сумма вероятностей всех возможных значений случайной величины равна единице. Эта суммарная вероятность каким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т.е. в точности укажем, какой вероятностью обладает каждое из событий (5.1.1). Этим мы установим так называемый закон распределения случайной величины.

Установим форму, в которой может быть задан закон распределения прерывной случайной величины . Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:

Такую таблицу мы будем называть рядом распределения случайной величины .

Рассмотрим несколько примеров прерывных случайных величин с их законами распределения.

Решение. Величина имеет всего два значения: 0 и 1. Ряд распределения величины имеет вид:

Многоугольник распределения изображен на рис. 5.1.2.

Решение. Обозначим число выбитых очков. Возможные значения величины : .

Вероятность этих значений находим по теореме о повторении опытов:

Ряд распределения величины имеет вид:

Многоугольник распределения изображен на рис. 5.1.3.

Первые пять ординат многоугольника распределения для случая показаны на рис. 5.1.4.

Пример 4. Стрелок ведет стрельбу по мишени до первого попадания, имея боезапас 4 патрона. Вероятность попадания при каждом выстреле равна 0,6. Построить ряд распределения боезапаса, оставшегося неизрасходованным.

Ответ: Рассмотрим прерывную случайную величину Х с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т. е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами р с соответствующими индексами:

Т. е. распределение вероятностей различных значений может быть задано таблицей распределения, в которой в верхней строке указываются все значения, принимаемые данной дискретной случайной величиной, а в нижней – вероятности соответствующих ей значений. Так как несовместные события (3.1) образуют полную группу, то , т. е. сумма вероятностей всех возможных значений случайной величины равна единице. Распределение вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равна нулю. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т. е. в точности укажем, какой вероятностью обладает каждое из событий. Этим мы установим так называемый закон распределения случайной величины. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения. Установим форму, в которой может быть задан закон распределения прерывной случайной величины X. Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:

x i	x 1	x 2	× × ×	x n
p i	p 1	p 2	× × ×	p n

Такую таблицу мы будем называть рядом распределения случайной величины X.

Рис. 3.1

Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 3.1). Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. он является одной из форм закона распределения. Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в n отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.

Случайная величина – это величина, которая в результате опыта принимает заранее неизвестное значение.

Количество студентов, присутствующих на лекции.

Количество домов, сданных в эксплуатацию в текущем месяце.

Температура окружающей среды.

Вес осколка разорвавшегося снаряда.

Случайные величины делятся на дискретные и непрерывные.

Дискретной (прерывной) называют случайную величину, которая принимает отдельные, изолированные друг от друга значения с определенными вероятностями.

Число возможных значений дискретной случайной величины может быть конечным или счетным.

Непрерывной называют случайную величину, которая может принимать любые значения из некоторого конечного или бесконечного промежутка.

Очевидно, число возможных значений непрерывной случайной величины бесконечно.

В приведенных примерах: 1 и 2 – дискретные случайные величины, 3 и 4 – непрерывные случайные величины.

В дальнейшем, вместо слов «случайная величина» часто будем пользоваться сокращением с. в.

Как правило, случайные величины будем обозначать большими буквами, а их возможные значения – маленькими.

В теоретико-множественной трактовке основных понятий теории вероятностей случайная величина Х есть функция элементарного события: Х =φ(ω), где ω – элементарное событие принадлежащее пространству Ω (ω  Ω). При этом множество Ξ возможных значений с. в. Х состоит из всех значений, которые принимает функция φ(ω).

Законом распределения случайной величины называется любое правило (таблица, функция), позволяющее находить вероятности всевозможных событий, связанных со случайной величиной (например, вероятность того, что она примет какое-то значение или попадет на какой-то интервал).

Формы задания законов распределения случайных величин. Ряд распределения.

Это таблица в верхней строке которой перечислены в порядке возрастания все возможные значения случайной величины Х: х 1 , х 2 , ..., х n , а в нижней – вероятности этих значений: p 1 , p 2 , ..., p n , где p i = Р{Х = x i }.

Так как события {Х = x 1 }, {Х = x 2 }, ... несовместны и образуют полную группу, то сумма всех вероятностей, стоящих в нижней строке ряда распределения, равна единице

Ряд распеделения используется для задания закона распределения только дискретных случайных величин.

Многоугольник распределения

Графическое изображение ряда распределения называется многоугольником распределения. Строится он так: для каждого возможного значения с. в. восстанавливается перпендикуляр к оси абсцисс, на котором откладывается вероятность данного значения с. в. Полученные точки для наглядности (и только для наглядности!) соединяются отрезками прямых.

Интегральная функция распределения (или просто функция распределения).

Это функция, которая при каждом значении аргумента х численно равна вероятности того, что случайная величина  окажется меньше, чем значение аргумента х.

Функция распределения обозначается F(x): F(x) = P {X  x}.

Теперь можно дать более точное определение непрерывной случайной величины: случайную величину называют непрерывной, если ее функция распределения есть непрерывная, кусочно-дифференцируемая функция с непрерывной производной.

Функция распределения – это наиболее универсальная форма задания с. в., которая может использоваться для задания законов распределения как дискретных, так и непрерывных с. в.