Равномерный и показательный законы распределения непрерывной случайной величины

Как было сказано ранее, примерами распределений вероятностей непрерывной случайной величины Х являются:

• равномерное распределение вероятностей непрерывной случайной величины;
• показательное распределение вероятностей непрерывной случайной величины;
• нормальное распределение вероятностей непрерывной случайной величины.

Дадим понятие равномерного и показательного законов распределения, формулы вероятности и числовые характеристики рассматриваемых функций.























Примеры решения задач по теме «Равномерный и показательный законы распределения»

Автобусы идут строго по расписанию. Интервал движения 7 мин. Найти: а) вероятность того, что пассажир, подошедший к остановке, будет ожидать очередной автобус менее двух минут; б) вероятность того, что пассажир, подошедший к остановке, будет ожидать очередной автобус не менее трех минут; в) математическое ожидание и среднее квадратическое отклонение случайной величины X – времени ожидания пассажира.

Решение. 1. По условию задачи непрерывная случайная величина X= равномерно распределена между приходами двух автобусов. Длина интервала распределения случайной величины Х равна b-a=7, где a=0, b=7.

2. Время ожидания будет менее двух минут, если случайная величина X попадает в интервал (5;7). Вероятность попадания в заданный интервал найдем по формуле: Р(х₁ −λa − e −λb .
P(1 −5*1 − e −5*4 = e −5 − e −20 .

3. Вероятность того, что в результате испытания X ≥ 2 будем находить по формуле: P(a −λa − e −λb при a=2, b=∞.
Р(Х≥2) = P(1 −λ*2 − e −λ*∞ = e −2λ − e −∞ = e −2λ — 0 = e −10 (т.к. предел e −х при х стремящемся к ∞ равен нулю).

4. Находим для показательного распределения:

• математическое ожидание по формуле M(X) =1/λ = 1/5 = 0,2;
• дисперсию по формуле D(X) = 1/ λ 2 = 1/25 = 0,04;
• среднее квадратическое отклонение по формуле σ(Х) = 1/λ = 1/5 = 1,2.

Другие статьи по данной теме:

• назад:Непрерывные случайные величины. Примеры решения задач
• далее:Нормальный закон распределения непрерывной случайной величины

Список использованных источников

1. Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике / М. — «Высшая школа», 2004;
2. Лисьев В.П. Теория вероятностей и математическая статистика: Учебное пособие/ Московский государственный университет экономики, статистики и информатики. – М., 2006;
3. Семёнычев В. К. Теория вероятности и математическая статистика: Лекции /Самара, 2007;
4. Теория вероятностей: контрольные работы и метод. указания для студентов / сост. Л.В. Рудная и др. / УрГЭУ — Екатеринбург, 2008.

www.ekonomika-st.ru

Равномерное распределение вероятностей

Простейшее из непрерывных распределений, с помощью которого моделируются многие реальные процессы. И самый такой распространённый пример – это график движения общественного транспорта. Предположим, что некий автобус (троллейбус / трамвай) ходит с интервалом в 10 минут, и вы в случайный момент времени подошли к остановке. Какова вероятность того, что автобус подойдёт в течение 1 минуты? Очевидно, 1/10-я. А вероятность того, что придётся ждать 4-5 минут? Тоже . А вероятность того, что автобус придётся ждать более 9 минут? Одна десятая!

Рассмотрим некоторый конечный промежуток, пусть для определённости это будет отрезок . Если случайная величина обладает постоянной плотностью распределения вероятностей на данном отрезке и нулевой плотностью вне него, то говорят, что она распределена равномерно. При этом функция плотности будет строго определённой:

И в самом деле, если длина отрезка (см. чертёж) составляет , то значение неизбежно равно – дабы получилась единичная площадь прямоугольника, и было соблюдено известное свойство:

Проверим его формально:
, ч.т.п. С вероятностной точки зрения это означает, что случайная величина достоверно примет одно из значений отрезка …, эх, становлюсь потихоньку занудным старикашкой =)

Суть равномерности состоит в том, что какой бы внутренний промежуток фиксированной длины мы ни рассмотрели (вспоминаем «автобусные» минуты) – вероятность того, что случайная величина примет значение из этого промежутка будет одной и той же. На чертеже я заштриховал троечку таких вероятностей – ещё раз заостряю внимание, что они определяются площадями, а не значениями функции !

Рассмотрим типовое задание:

Непрерывная случайная величина задана своей плотностью распределения:

Найти константу , вычислить и составить функцию распределения. Построить графики . Найти

Иными словами, всё, о чём только можно было мечтать 🙂

Решение: так как на интервале (конечном промежутке) , то случайная величина имеет равномерное распределение, и значение «цэ» можно отыскать по прямой формуле . Но лучше общим способом – с помощью свойства:

…почему лучше? Чтобы не было лишних вопросов 😉

Таким образом, функция плотности:

Выполним чертёж. Значения невозможны, и поэтому жирные точки ставятся внизу:

В качестве экспресс-проверки вычислим площадь прямоугольника:
, ч.т.п.

Найдём математическое ожидание, и, наверное, вы уже догадываетесь, чему оно равно. Вспоминаем «10-минутный» автобус: если случайным образом подходить к остановке много-много дней упаси, то в среднем его придётся ждать 5 минут.

Да, именно так – матожидание должно находиться ровно посерединке «событийного» промежутка:
, как и предполагалось.

Дисперсию вычислим по формуле . И вот тут нужен глаз да глаз при вычислении интеграла:

Таким образом, дисперсия:

Составим функцию распределения . Здесь ничего нового:

1) если , то и ;

2) если , то и:

3) и, наконец, при , поэтому:

В результате:

Выполним чертёж:

На «живом» промежутке функция распределения растёт линейно, и это ещё один признак, что перед нами равномерно распределённая случайная величина. Ну, ещё бы, ведь производная линейной функции – есть константа.

Требуемую вероятность можно вычислить двумя способами, с помощью найденной функции распределения:

либо с помощью определённого интеграла от плотности:

Кому как нравится.

И здесь ещё можно записать ответ: ,
, графики построены по ходу решения.

…«можно», потому что за его отсутствие обычно не карают. Обычно 😉

Для вычисления и равномерной случайной величины существуют специальные формулы, которые я предлагаю вам вывести самостоятельно:

Непрерывная случайная величина задана плотностью .

Вычислить математическое ожидание и дисперсию. Результаты максимально упростить (формулы сокращённого умножения в помощь).

Полученные формулы удобно использовать для проверки, в частности, проверьте только что прорешанную задачу, подставив в них конкретные значения «а» и «б». Краткое решение внизу страницы.

И в заключение урока мы разберём парочку «текстовых» задач:

Цена деления шкалы измерительного прибора равна 0,2. Показания прибора округляются до ближайшего целого деления. Считая, что погрешности округлений распределены равномерно, найти вероятность того, что при очередном измерении она не превзойдёт 0,04.

Для лучшего понимания решения представим, что это какой-нибудь механический прибор со стрелкой, например, весы с ценой деления 0,2 кг, и нам предстоит взвесить кота в мешке. Но не в целях выяснить его упитанность – сейчас будет важно, ГДЕ между двумя соседними делениями остановится стрелка.

Рассмотрим случайную величину – расстояние стрелки от ближайшего левого деления. Или от ближайшего правого, это не принципиально.

Составим функцию плотности распределения вероятностей:

1) Так как расстояние не может быть отрицательным, то на интервале . Логично.

2) Из условия следует, что стрелка весов с равной вероятностью может остановиться в любом месте между делениями*, включая сами деления, и поэтому на промежутке :

* Это существенное условие. Так, например, при взвешивании кусков ваты или килограммовых пачек соли равномерность будет соблюдаться на куда более узких промежутках.

3) И поскольку расстояние от БЛИЖАЙШЕГО левого деления не может быть больше, чем 0,2, то при тоже равна нулю.

Таким образом:

Следует отметить, что о функции плотности нас никто не спрашивал, и её полное построения я привёл исключительно в познавательных цепях. При чистовом оформлении задачи достаточно записать только 2-й пункт.

Теперь ответим на вопрос задачи. Когда погрешность округления до ближайшего деления не превзойдёт 0,04? Это произойдёт тогда, когда стрелка остановится не далее чем на 0,04 от левого деления справа или не далее чем на 0,04 от правого деления слева. На чертеже я заштриховал соответствующие площади:

Осталось найти эти площади с помощью интегралов. В принципе, их можно вычислить и «по-школьному» (как площади прямоугольников), но простота не всегда находит понимание 😉

По теореме сложения вероятностей несовместных событий:

– вероятность того, что ошибка округления не превзойдёт 0,04 (40 грамм для нашего примера)

Легко видеть, что максимально возможная погрешность округления составляет 0,1 (100 грамм) и поэтому вероятность того, что ошибка округления не превзойдёт 0,1 равна единице.

Ответ: 0,4

В других источниках информации встречаются альтернативные объяснения / оформление этой задачи, и я выбрал вариант, который показался мне наиболее понятным. Особое внимание нужно обратить на то, что в условии речь может идти о погрешностях НЕ округлений, а о случайных погрешностях измерений, которые, как правило (но не всегда), распределены по нормальному закону. Таким образом, всего лишь одно слово может в корне изменить решение! Будьте начеку и вникайте в смысл.

И коль скоро всё идёт по кругу, то ноги нас приносят на ту же автобусную остановку:

Автобусы некоторого маршрута идут строго по расписанию и интервалом 7 минут. Составить функцию плотности случайной величины – времени ожидании очередного автобуса пассажиром, который наудачу подошёл к остановке. Найти вероятность того, что он будет ждать автобус не более трёх минут. Найти функцию распределения и пояснить её содержательный смысл.

Несмотря на то, что время не может быть отрицательным, интервал не имеет особого смысла исключать из рассмотрения, ибо противоречия тут нет – вероятность того, что случайная величина примет невозможное значение, равно нулю.

Краткое решение и ответ в конце урока. Дополнительные задачи с равномерным распределением можно найти в тематическом решебнике.

И не успел никто опомниться, как подошёл очередной автобус, который отвезёт нас до остановки Показательное распределение и конечной под названием Нормальное распределение вероятностей.

Решения и ответы:

Пример 2. Решение: вычислим математическое ожидание:

Дисперсию вычислим по формуле .

Таким образом:

Ответ:

Пример 4. Решение: случайная величина имеет равномерное распределение с плотностью:

Вычислим вероятность того, что пассажир будет ожидать автобус не более 3 минут:

Составим функцию распределения :
1) если , то и ;
2) если , то и ;
3) если , то , и .
Таким образом:

Функция описывает вероятность того, что пассажир дождётся очередной автобус за время, МЕНЬШЕЕ, чем . При увеличении от 0 до 7 эта вероятность линейно возрастает на в минуту и по достижению достоверным становится тот факт, пассажир автобуса дождался.

Автор: Емелин Александр

(Переход на главную страницу)

Качественные работы без плагиата – Zaochnik.com

mathprofi.ru

Равномерный закон распределения вероятностей

Пожалуй, равномерное распределение является самым простым из всех законов распределений непрерывных случайных величин. Непрерывная случайная величина $X$ является равномерно распределенной на отрезке $\left[a;b\right]$, если ее плотность распределения вероятностей имеет следующий вид:

Тогда соответствующая функция распределения имеет вид:

Графики функций плотности $f\left(x\right)$ и распределения $F\left(x\right)$ представлены на рисунке.

Для равномерного закона распределения числовые характеристики могут быть вычислены по известным формулам. Математическое ожидание:

Равномерно распределенная случайная величина $X$ принимает все свои значения лишь в конечном промежутке $\left[a;b\right]$, причем все эти значения случайной величины $X$ равновероятны. Примерами случайных величин, распределенных по равномерному закону, могут быть:

Время ожидания автобуса, при условии, что пассажир приходит на остановку в случайный момент времени и автобусы ходят с постоянным интервалом.

Ошибки при взвешивании.

Ошибка округления числа до целочисленного значения. Очевидно, что такая случайная величина распределена равномерно на отрезке $\left[-0,5;0,5\right]$.

Пример 1. Плотность распределения вероятностей случайной величины $X$ имеет вид $f\left(x\right)=\left\ 0,\ x\le 2\\
\over >,\ 2 7
\end\right.$.

Тогда математическое ожидание $M(X)=(a+b)/2=(2+7)/2=4,5$, дисперсия $D(X)=^2/12=^2/12=25/12\approx 2,083.$

Пример 2. Вычислить вероятность того, что при семи испытаниях менее трех раз случайная величина $X$ попадет в интервал $\left[0;1,5\right]$, если распределено по равномерному закону на отрезке $\left[0;6\right]$.

Запишем функцию распределения равномерно распределенной случайной величины $X\sim R\left[0;6\right]$.

Математическое ожидание равномерно распределенной случайной величины $X$ вычисляется по формуле:

Тогда вероятность того, что $X\in \left[0;1,5\right]$ равна разности значений функции распределения $F\left(x\right)$ на концах этого интервала: $P(0\le X\le 1,5)=F(1,5)-F(0)=1,5/6-0=0,25.$

Вероятность того, что при $n=7$ независимых испытаниях $X$ попадет в интервал $\left[0;1,5\right]$ менее трех раз, вычисляем по формуле: $P_7\left(k Да Нет

При копировании материала с сайта, обратная ссылка обязательна!

www.wikimatik.ru

Математика и информатика. Учебное пособие по всему курсу

Загрузить всю книгу

5.3.3. Равномерный и нормальный законы распределения непрерывных случайных величин

На практике приходится при решении задач сталкиваться с различными распределениями непрерывных случайных величин. Плотность распределения f(x) непрерывной случайной величины называют законом распределения.

Следует рассмотреть некоторые важные для практики распределения случайных величин и соответствующие им числовые характеристики.

Непрерывная случайная величина X называется распределенной равномерно на отрезке [a,b], если её плотность распределения вероятностей постоянна на данном отрезке:

.

Функция распределения в этом случае согласно (5.7), примет вид:

.

1. Математическое ожидание по формуле (5.11):

.

.

Найти дисперсию и среднее квадратическое отклонение случайной величины X , равномерно распределенной на интервале (2;6).

.

.

Среднее квадратическое отклонение:

Это распределение реализуется, например, в экспериментах, в которых наудачу ставится точка на интервале [ a , b ], при этом случайная величина X – абсцисса поставленной точки.

Вероятность попадания равномерно распределенной непрерывной случайной величины Х на интервале [ a , b ], определяется по формуле (5.9а).

Примером равномерно распределенной непрерывной случайной величины Х является ошибка при округлении отсчета до ближайшего целого деления шкалы измерительного прибора, проградуированной в некоторых единицах.

Цена деления шкалы измерительного прибора равна 0,2. Показания прибора округляют до ближайшего деления. Найти вероятность того, что ошибка отсчета: а) превысит значение 0,04; б) меньше 0,04.

Ошибку округления отсчета можно рассматривать как случайную величину Х, которая распределена равномерно в интервале между двумя соседними делениями. Плотность равномерного распределения по формуле (5.14) равна:

,

где (b – a) – длина интервала, в котором заключены возможные значения Х.

Вне этого интервала f (x) = 0. В рассматриваемой задаче длина интервала, в котором заключены возможные значения Х, равна 0,2. Поэтому плотность распределения вероятностей равна:

.

Тогда ошибка отсчета превысит значение 0,04, если она будет заключена в интервале (0,04; 0,2). По формуле (5.9а) вычисляется вероятность того, что при отсчете будет сделана ошибка превышающая значение 0,04:

.

Ошибка отсчета меньше 0,04 будет заключена в интервале (0; 0,04) с вероятностью:

.

Рис. 5.3. Плотность распределения вероятностей случайной величины, равномерно распределённой на отрезке [a;b]

Непрерывная случайная величина x имеет нормальльное распределение с параметрами: m, s > 0, если плотность распределения вероятностей имеет вид:

edu.tltsu.ru