Множество всех возможных значений случайной величины называется. Случайная величина

Функция распределения является универсальной характеристикой случайной величины. Она существует для любых случайных величин: дискретных и непрерывных.

Свойства функции распределения:

1. При х 1 >х 2 F(x 1)> F(x 2)

2. F(- ∞)=0

3. F(+ ∞)=1

Функция распределения дискретной случайной величины - разрывная ступенчатя функция, скачки происходят в точках, соответствующих возможным значениям случайной величины, и равны вероятности этих значений. Сумма этих скачков равна единице.

1 F(x)

Числовые характеристики случайных величин.

Основными характеристиками дискретных случайных величин являются:

· функция распределения;

· ряд распределения;

для непрерывной случайной величины:

· функция распределения;

· плотность распределения.

Любой закон представляет некоторую функцию, и указание этой функции полностью описывает случайную величину.

Однако прирешении ряда практических задач не всегда необходимо характиризовать случайную величину в полном объеме. Достаточно указать только некоторые числовые параметры, характеризующие случайную величину.

Такие характеристики, назначение которых заключается в представлении в концентрированном виде наиболее существенных особенностей распределения, называются числовыми характеристиками случайной величины.

Характеристики положения

(МОЖ,мода,медиана)

Из всех используемых числовых характеристик случайных величин, чаще используются характеристики описывающие положение случайной величины на числовой оси, а именно указывают некоторое среднее значение, около которого группируются возможные значения случайной величины.

Для этого используются следующие характеристики:

· математическое ожидание;

· медиана.

Математическое ожидание (среднее значение) вычисляется следующим образом:

х 1 р 1 +х 2 р 2 +….+х n р n ∑ х i р i

р 1 + р 2 + …..+р n n

Учитывая, что∑ p i , МОЖ равно М[Х] = ∑ x i p i

Математическим ожиданием случайной величины называется сумма произведений всех возможных значений случайной величины на вероятности этих значений.

Приведенная формулировка справедлива только для дискретных случайных величин.

Для непрерывных величин

М[Х] = ∫ x f(x)dx, где f(x) - плотность распределения Х.

Существуют различные способы расчета среднего значения. Наиболее распространенными формами представления средних величин являются среднее арифметическое значение, медиана и мода.

Среднее арифметическое получается путем деления суммарной величины данного признака для всей однородной статистической совокупности на количество единиц этой совокупности. Для расчета среднего арифметического используется формула:

Хср = (Х1+Х2+... +Хn):n,

где Хi - значение признака у i-ой единицы совокупности, n - количество единиц совокупности.

Модой случайной величины называется ее наиболее вероятное значение.

М

Медианой называется значение, которая расположена в середине упорядоченного ряда. Для нечетного количества единиц ряда медиана является единственной и находится точно в середине ряда, для четного - она определяется как среднее значение двух рядом расположенных единиц совокупности, занимающих среднее положение.

Статистика представляет собой отрасль науки, которая изучает количественную сторону массовых явлений общественной жизни, состоящих из отдельных элементов, единиц. Объединение элементов составляет статистическую совокупность. Целью изучения является установление количественных закономерностей развития данного явления. Оно основано на применении теории вероятностей и законе больших чисел. Сущность этого закона заключается в том, что несмотря на индивидуальные случайные колебания отдельных элементов совокупности, в общей массе проявляется определенная закономерность, характерная для данной совокупности в целом. Чем большее количество единичных элементов характеризующих исследуемое явление рассматривается, тем более четко обнаруживается закономерность, присущая данному явлению.

Преступность - явление социальное, массовое, представляет собой статистическую совокупность многочисленных фактов единичных преступных проявлений. Это и дает основание применять для ее изучения методы теории статистики.

В статистических исследованиях общественных явлений, можно выделить три этапа:

1) статистическое наблюдение, т.е. сбор первичного статистического материала;

2) сводная обработка собранных данных, в процессе которой производится подсчет итогов, расчет сводных (обобщающих) показателей и представление результатов в виде таблиц и графиков;

3)анализ, в ходе которого выявляются закономерности исследуемой статистической совокупности, взаимосвязи между различными ее составляющими, осуществляется содержательная интерпретация обобщающих показателей.

Первым этапом статистического исследования является статистическое наблюдение. Оно играет особую роль, так как ошибки, допущенные в процессе сбора данных, практически невозможно исправить на дальнейших этапах работы, что влечет за собой в конечном итоге неверные выводы о свойствах сследуемого явления, неправильную их интерпретацию.

По способу регистрации фактов статистическое наблюдение делится на непрерывное и прерывное. Под непрерывным, или текущим, понимается такое наблюдение, при котором установление и выявление фактов производится по мере их возникновения. При прерывном наблюдении регистрация фактов производится либо регулярно через определенные промежутки времени, либо по мере необходимости.

По охвату единиц обследуемой совокупности различают сплошное и несплошное наблюдение. Сплошным называется наблюдение, при котором учету подлежат все единицы изучаемой совокупности. Так, например, регистрация преступлений теоретически представляет собой сплошное наблюдение. Однако на практике определенная часть преступлений, называемых латентными, остается за пределами исследуемой статистической совокупности и поэтому фактически такое наблюдение является несплошным. Несплошным называется наблюдение, при котором регистрации подлежат не все единицы изучаемой совокупности. Оно подразделяется на несколько видов: наблюдение основного массива, выборочное наблюдение и некоторые другие.

Наблюдение основного массива (его иногда называют несовершенным сплошным методом) представляет собой такой вид несплошного наблюдения, при котором из всей совокупности единиц объекта наблюдению подвергается такая их часть, которая составляет подавляющую, преобладающую долю всей совокупности. Проведение наблюдения по этому методу практикуется в тех случаях, когда сплошной охват всех единиц совокупности сопряжен с особыми трудностями и в то же время исключение из наблюдения определенного количества единиц не оказывает существенного влияния на выводы о свойствах всей совокупности. Поэтому регистрацию преступлений скорее можно отнести именно к данному виду наблюдения.

Наиболее совершенным видом несплошного наблюдения является выборочное, при котором с целью характеристики всей совокупности обследованию подвергается лишь некоторая ее часть, однако взятая на выборку по определенным правилам. Основным условием правильности проведения выборочного наблюдения является такой отбор, в результате которого отобранная часть единиц по всем подлежащим изучению признакам достаточно точно характеризовала бы всю совокупность в целом. Чаще всего выборочное наблюдение применяется в ходе социологических исследований. В дальнейшем будем рассматиривать правила и способы отбора единиц при выборочном наблюдении.

После того как первичный материал собран и проверен, осуществляется второй этап статистического исследования сводка. Статистическое наблюдение дает материал, характеризующий отдельные единицы объекта исследования. Задача сводки - подытожить, систематизировать и обобщить результаты наблюдения так, чтобы стало возможным выявить характерные черты и существенные свойства, обнаружить закономерности изучаемых явлений и процессов.

Простейшим примером сводки является суммирование всех зарегистрированных преступлений. Однако такое обобщение не дает полного представления о всех свойствах криминогенной обстановки. Чтобы охарактеризовать преступность глубоко и всесторонне, необходимо знать, как общее количество преступлений распределяется по видам, времени, месту и способу совершения, и т.п.

Распределение единиц изучаемого объекта на однородные группы по существенным для них признакам называется статистической группировкой. Объекты, исследуемые статистикой, обычно характеризуются многими свойствами и отношениями, выражаемыми различными признаками. Поэтому группировка обследуемых объектов может производиться в зависимости от задач статистического исследования по одному или нескольким из этих признаков. Так, личный состав органа может быть сгруппирован по должностям, специальным званиям, возрасту, выслуге лет, семейному положению и т.д.

В результате обработки и систематизации первичных статистических материалов получаются ряды цифровых показателей, которые характеризуют отдельные стороны изучаемых явлений или процессов либо их изменение. Эти ряды называются статистическими. По своему содержанию статистические ряды делятся на два вида: ряды распределения и ряды динамики. Рядами распределения называются ряды, характеризующие распределение единиц исходной совокупности по какому-либо одному признаку, разновидности которого расположены в определенном порядке. Например, распределения общего количества преступлений на отдельные виды, численности всего личного состава по должностям представляют собой ряды распределения.

Динамическими рядами называются ряды, которые характеризуют изменение размеров общественных явлений во времени. Подробное рассмотрение таких рядов и их использование при аналихзе и прогнозе криминогенной обстановки составляет предметом отдельной лекции.

Результаты статистического наблюдения и сводки его материалов выражаются прежде всего в абсолютных величинах (показателях). Абсолютные величины показывают размеры общественного явления в данных условиях места и времени, например, количество совершенных преступлений или число лиц, их совершивших, фактическая численность личного состава или количество единиц автотранспорта. Абсолютные величины подразделяются на индивидуальные и суммарные (т.е. итоговые). Индивидуальными называются абсолютные величины, выражающие размеры количественных признаков у отдельных единиц той или иной совокупности объектов (например, число потерпевших или материальный ущерб по конкретному уголовному делу, возраст или выслуга лет данного сотрудника, его денежное содержание и т.п.). Они получаются непосредственно в процессе статистического наблюдения и фиксируются в первичных учетных документах. Индивидуальные абсолютные величины служат основой любого статистического исследования.

В отличие от индивидуальных суммарные абсолютные величины характеризуют итоговую величину признака по определенной совокупности объектов, охваченных статистическим наблюдением. Они получаются либо путем прямого подсчета числа единиц наблюдения (например, числа преступлений определенного вида), либо в результате суммирования значений признака у отдельных единиц совокупности (например, ущерб, нанесенный всеми преступлениями).

Однако абсолютные величины, взятые сами по себе, далеко не всегда дают надлежащее представление об изучаемых явлениях и процессах. Поэтому наряду с абсолютными величинами большое значение в статистике имеют относительные величины.

Сравнение является основным приемом оценки статистических данных и составной частью всех методов их анализа. Однако простое сопоставление двух величин недостаточно для точной оценки их соотношения. Это соотношение нужно также измерить. Роль меры такого соотношения и выполняют относительные величины.

В отличие от абсолютных, относительные величины представляют собой производные показатели. Они получаются не в результате простого суммирования, а путем относительного (кратного) сравнения между собой абсолютных величин.

В зависимости от характера изучаемого явления и конкретных задач исследования относительные величины могут иметь различную форму (внешний вид) выражения. Наиболее простой формой выражения относительной величины является число (целое или дробное), показывающее, во сколько раз одна величина больше другой, принятой за базу сравнения, или какую часть ее составляет.

Чаще всего, в аналитической деятельности органов внутренних дел применяется другая форма представления относительных чисел, процентное отношение, при которой основная величина принимается за 100. Для определения процентного отношения необходимо результат деления одной абсолютной величины на другую (базовую) умножить на 100.

Важная роль в сводной обработке статистических данных принадлежит средней величине. Поскольку каждая отдельно взятая единица статистической совокупности обладает индивидуальными особенностями, отличаясь от любой другой количественным значением, для характеристики свойств всей статистической совокупности в целом используется средняя величина . Под средней величиной в статистике понимают показатель, который отражает уровень меняющегося по величине признака в расчете на единицу однородной совокупности.

Для характеристики однородности статистической совокупности

по соответствующему признаку используются различные показатели: вариация, дисперсия, среднеквадратическое отклонение. Эти показатели позволяют оценить, в какой степени соответствующая средняя величина отражает свойства всей совокупности в целом, может ли она вообще использоваться в качестве обобщающей характеристики данной статистической совокупности. Подробное рассмотрение перечисленных показателей является самостоятельным вопросом.

В ситуации риска нам известны исходы той или иной альтернативы и вероятности, с которыми данные исходы могут наступить. То есть нам известно вероятностное распределение исходов, поэтому они могут быть представлены (смоделированы) в виде случайной величины . В этом параграфе мы напомним сведения из теории вероятностей о случайных величинах и способах их определения, которые будут необходимы для дальнейшего изучения материала книги.

Согласно классическому определению, случайной называется величина, значение которой может меняться от опыта к опыту случайным образом. То есть в каждом "испытании" она может принимать одно единственное значение из некоторого множества. При этом нельзя предсказать, какое именно значение она примет.

Случайные величины делятся на дискретные и непрерывные. Дискретная СВ может принимать только конечное или счетное множество значений. Непрерывная СВ может принимать любое значение из некоторого замкнутого или открытого интервала, в том числе и бесконечного.

3.2.2. Закон распределения случайной величины

Случайная величина определяется своим законом распределения. Закон распределения считается заданным, если указаны:

• множество возможных значений случайной величины (в т.ч. бесконечное) и
• вероятность попадания случайной величины в произвольную область этого множества, либо закон (формула), позволяющая рассчитать такую вероятность.

По сути, вероятность представляет собой показатель, характеризующий возможность появления случайной величины в данной области.

Наиболее общим и распространенным способом определения вероятностей различных значений случайной величины является задание функции распределения вероятностей , которую сокращенно называют функцией распределения .

Функцией распределения случайной величины Х называется функция F(x) , задающая вероятность того, что СВ примет значение меньше конкретного значения х , то есть:

F(x) = P(X < x)

Х ("икс большое") - обозначает случайную величину,

х ("икс маленькое") - конкретное значение из множества возможных значений случайной величины.

Функция распределения неубывающая. При х , стремящемся к минус бесконечности, она стремится к нулю, а при х , стремящемся к плюс бесконечности - к единице.

Форма представления закона распределения случайной величины может быть различна и зависит от того, какая это СВ - дискретная или непрерывная.

Из определения функции распределения следуют следующие зависимости:

вероятность того, что случайная величина примет значения в интервале от а до b :

Р(a ≤ Х < b) = F(b) - F(a)

вероятность того, что случайная величина примет значения не меньше, чем а :

3.2.3. Способы представления распределения дискретной случайной величины

Дискретная случайная величина может быть полностью задана своей функцией распределения или рядом (таблицей) распределения. Они могут быть представлены в табличной, аналитической или графической формах.

Допустим, случайная величина Х может принять три возможных значения 25 , 45 и 50 с вероятностями 25% , 35% и 40% соответственно. Ряд распределения этой СВ будет выглядеть следующим образом:

Функция распределения этой же случайной величины, которая показывает вероятность непревышения конкретного значения, может быть записана так:

На рис.3.1 представлены графические способы задания закона распределения этой дискретной случайной величины Х .

Рис.3.1.

На графике ряда распределения вероятности p j реализации каждого возможного значения х j представлены столбиками, высота которых равна вероятности. Сумма высот всех М столбиков (т.е. всех вероятностей) равна единице, поскольку они охватывают все возможные значения х :

Иногда вместо столбиков изображают ломанную, соединяющую вероятности реализации значений СВ.

Вероятность того, что дискретная случайная величина примет значение меньше, чем а , равна сумме вероятностей всех исходов, меньших а :

По определению, это равно значению функции распределения в точке х = а . Если мы нанесем на координатную плоскость значения функции распределения, когда х "пробегает" все значения от минус бесконечности до плюс бесконечности, мы получим график функции распределения. Для дискретной СВ он ступенчатый. На интервале от минус бесконечности до первого возможного значения х 1 она равна нулю, поскольку принять какое-либо значение на этом интервале невозможно.

Далее каждое возможное значение х j увеличивает функцию распределения на величину, равную вероятности наступления этого значения p j . Между двумя последовательными значениями х j и x j+1 функция распределения не изменяется, поскольку других возможных значений х там нет, и скачков не происходит. В конечном итоге, в точке последнего возможного значения х М происходит скачок на величину вероятности р М , и функция распределения достигает предельного значения, равного единице. Далее график идет на этом уровне параллельно оси х . Выше он никогда не поднимается, так как вероятность не может быть больше единицы.

3.2.4. Способы представления распределения непрерывной случайной величины

Непрерывная случайная величина также задается своей функцией распределения, представленной, как правило, в аналитическом виде. Кроме того, она может быть полностью описана функцией плотности вероятности f(x) , которая представляет собой первую производную от функции распределения F(x) :

Функция плотности вероятности неотрицательна, а ее интеграл в бесконечных пределах равен единице.

Возьмем в качестве примера непрерывную случайную величину, распределенную по нормальному закону.

Ее функция плотности вероятности задается аналитически формулой вида:

Здесь m X и σ X параметры распределения. m X характеризует местоположение центра распределения, а σ X - рассеивание относительно этого "центра".

Случайная величина называется дискретной, если совокупность всех ее возможных значений представляет собой конечное или бесконечное, но обязательно счетное множество значений, т.е. такое множество, все элементы которого могут быть (по крайней мере, теоретически) пронумерованы и выписаны в соответствующей последовательности.

Такие из перечисленных выше случайных величин, как количество очков, выпадающих при бросании игрального кубика, число посетителей аптеки в течение дня, количество яблок на дереве являются дискретными случайными величинами.

Наиболее полную информацию о дискретной случайной величине дает закон распределения этой величины – это соответствие между всеми возможными значениями этой случайной величины и соответствующими им вероятностями.

Закон распределения дискретной случайной величины часто задают в виде двухстрочной таблицы, в первой строке которой перечислены все возможные значения этой величины (в порядке возрастания), а во второй -соответствующие этим значениям вероятности:

Так как все возможные значения дискретной случайной величины представляют полную систему, то сумма вероятностей равна единице (условие нормировки):

Пример 4. Имеется десять студенческих групп, насчитывающих соответственно 12, 10, 8, 10, 9, 12, 8, 11,10 и 9 студентов. Составить закон распределения случайной величины X, определяемой как число студентов в наугад выбранной группе.

Решение . Возможными значениями рассматриваемой случайной величины X (в порядке возрастания) являются 8, 9, 10, 11, 12. Вероятность того, что в наугад выбранной группе окажется 8 студентов, равна

Аналогично можно найти вероятности остальных значений случайной величины X:

Таким образом, искомый закон распределения:

Закон распределения дискретной случайной величины можно задать также с помощью формулы, позволяющей для каждого возможного значения этой величины определить соответствующую вероятность (например, распределение Бернулли, распределение Пуассона). Для описания определенных особенностей дискретной случайной величины используют ее основные числовые характеристики : математическое ожидание, дисперсию и среднее квадратическое отклонение (стандарт).

Математическим ожиданием М (X) (используется также обозначение «μ») дискретной случайной величины х называется сумма произведений каждого из всех ее возможных значений на соответствующие вероятности:

Основной смысл математического ожидания дискретной случайной величины состоит в том, что оно представляет собой среднее значение данной величины. Другими словами, если произведено некоторое количество испытаний, по результатам которых найдено среднее арифметическое всех наблюдавшихся значений дискретной случайной величины X, то это среднее арифметическое приближенно равно (тем точнее, чем больше количество испытаний) математическому ожиданию данной случайной величины.

Приведем некоторые свойства математического ожидания.

1. Математическое ожидание постоянной величины равно этой постоянной величине:

М(С)=С

2. Математическое ожидание произведения постоянного множителя на дискретную случайную величину равно произведению этого постоянного множителя на математическое ожидание данной случайной величины:

М(kX)=kM(X)

3. Математическое ожидание суммы двух случайных величин равно сумме математических ожиданий этих величин:

M(X+Y)=M(X)+M(Y)

4. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:

M(X·Y)=M(X)·M(Y)

Отдельные значения дискретной случайной величины группируются около математического ожидания как центра. Для характеристики степени разброса возможных значений дискретной случайной величины относительно ее математического ожидания вводят понятие дисперсии дискретной случайной величины.

Дисперсией D(X) (используется также обозначение «σ 2 ») дискретной случайной величины X называется математическое ожидание квадрата отклонения этой величины от ее математического ожидания:

D(X)=σ 2 =М((X - μ) 2), (11)

На практике дисперсию удобнее вычислить по формуле

D(X)=σ 2 =М(X 2) - μ 2 , (12)

Перечислим основные свойства дисперсии.

1. Дисперсия постоянной величины равна нулю:

1. Дисперсия любой случайной величины есть число неотрицательное:

D(X)≥0

1. Дисперсия произведения постоянного множителя k на дискретную случайную величину равна произведению квадрата этого постоянного множителя на дисперсию данной случайной величины:

D(kX)=k 2 ·D(X).

В вычислительном отношении более удобна не дисперсия, а другая мера рассеивания случайной величины X , которая чаще всего и используется – среднее квадратическое отклонение (стандартное отклонение или просто стандарт ).

Средним квадратическим отклонением дискретной случайной величины называется квадратный корень из ее дисперсии:

Удобство стандартного отклонения состоит в том, что оно имеет размерность самой случайной величины X , в то время как дисперсия имеет размерность, представляющую квадрат размерности X.

Конец работы -

Эта тема принадлежит разделу:

Элементы теории вероятностей

Научно методическое обоснование темы.. теория вероятностей изучает закономерности проявляющиеся при изучении таких.. многие случайные события могут быть количественно оценены случайными величинами которые принимают значения в..

Если Вам нужно дополнительный материал на эту тему, или Вы не нашли то, что искали, рекомендуем воспользоваться поиском по нашей базе работ:

Что будем делать с полученным материалом:

Если этот материал оказался полезным ля Вас, Вы можете сохранить его на свою страничку в социальных сетях:

Определение . Случайной величиной называется числовая величина, значение которой зависит от того, какой именно элементарный исход произошел в результате эксперимента со случайным исходом. Множество всех значений, которые случайная величина может принимать, называют множеством возможных значений этой случайной величины.

Случайные величины обозначают: X , Y 1 , Z i ; ξ , η 1 , μ i , а их возможные значения - x 3 , y 1k , z ij .

Пример . В опыте с однократным бросанием игральной кости случайной величины является число X выпавших очков. Множество возможных значений случайной величины X имеет вид

{x 1 =1, x 2 =2, …, x 6 =6 }.

Имеем следующее соответствие между элементарными исходами ω и значениями случайной величины X :

То есть каждому элементарному исходу ω i , i=1, …, 6 , ставится в соответствие число i .

Пример . Монету подбрасывают до первого появления «герба». В этом опыте можно ввести, например, такие случайные величины: X - число бросаний до первого появления «герба» с множеством возможных значений {1, 2, 3, … } и Y - число «цифр», выпавших до первого появления «герба», с множеством возможных значений {0, 1, 2, …} (ясно, что X=Y+1 ). В данном опыте пространство элементарных исходов Ω можно отождествить с множеством

{Г, ЦГ, ЦЦГ, …, Ц…ЦГ, … },

причем элементарному исходу {Ц … ЦГ } ставится в соответствие число m+1 или m , где m - число повторений буквы «Ц».

Определение . Скалярную функцию X(ω) , заданную на пространстве элементарных исходов, называют случайной величиной, если для любого x∈ R {ω:X(ω) < x} является событием.

Функция распределения случайной величины

Для исследования вероятностных свойств случайной величины необходимо знать правило, позволяющее находить вероятность того, что случайная величина примет значение из подмножества ее значений. Любое такое правило называют законом распределения вероятностей или распределением случайной величины.

Общим законом распределения, присущим всем случайным величинам, является функция распределения.

Определение . Функция распределения (вероятностей) случайной величины X называют функцию F(x) , значение которой в точке x равно вероятности события {X < x} , то есть события, состоящего из тех и только тех элементарных исходов ω , для которых X(ω) < x :

F(x) = P{X < x} .

Обычно говорят, что значение функции распределения в точке x равно вероятности того, что случайная величина X примет значение, меньшее x .

Теорема . Функция распределения удовлетворяет следующим свойствам:

Типичный вид функции распределения.

Дискретные случайные величины

Определение . Случайную величину X называют дискретной, если множество ее возможных значений конечно или счетно.

Определение . Рядом распределения (вероятностей) дискретной случайной величины X называют таблицу, состоящую из двух строк: в верхней строке перечислены все возможные значения случайной величины, а в нижней - вероятности p i =P\{X=x i \} того, что случайная величина примет эти значения.

Для проверки правильности составления таблицы рекомендуется просуммировать вероятности p i . В силу аксиомы нормированности:

По ряду распределения дискретной случайной величины можно построить ее функцию распределения F(x) . Пусть X - , заданная своим рядом распределения, причем x 1 < x 2 < … < x n . Тогда для всех x ≤ x 1 событие {X < x} является невозможным, следовательно, по определению F(x)=0 . Если x 1 < x≤ x 2 , то событие {X < x} состоит из тех и только тех элементарных исходов, для которых X(ω)=x 1 . Следовательно, F(x)=p 1 . Аналогично, при x 2 < x ≤ x 3 событие {X < x} состоит из элементарных исходов ω , для которых либо X(ω)=x 1 , либо X(ω)=x 2 , то есть {X < x}={X=x 1 }+{X=x 2 } . Следовательно, F(x)=p 1 +p 2 и т.д. При x > x n событие {X < x} достоверно, тогда F(x)=1 .

Закон распределения дискретной случайной величины можно задать также аналитически в виде некоторой формулы или графически. Например, распределение игральной кости описывается формулой

P{X=i} = 1/6 , i=1, 2, …, 6 .

Некоторые дискретные случайные величины

Биномиальное распределение. Дискретная случайная величина X распределена по биномиальному закону, если она принимает значения 0, 1, 2, …, n в соответствии с распределением, заданным формулой Бернулли:

Это распределение является не чем иным, как распределения числа успехов X в n испытаниях по схеме Бернулли с вероятностью успеха p и неудачи q=1-p .

Распределение Пуассона. Дискретная случайная величина X распределена по закону Пуассона, если она принимает целые неотрицательные значения с вероятностями

где λ > 0 - параметр распределения Пуассона.

Распределение Пуассона также называют законом редких событий, так как оно всегда проявляется там, где производится большое число испытаний, в каждом из которых с малой вероятностью происходит «редкое» событий.

В соответствие с законом Пуассона распределены, например, число вызовов, поступивших в течение суток на телефонную станцию; число метеоритов, упавших в определенном районе; число распавшихся частиц при радиоактивном распаде вещества.

Геометрическое распределение. Снова рассмотрим схему Бернулли. Пусть X - число испытаний, которое необходимо провести прежде, чем появится первый успех. Тогда X - дискретная случайная величина, принимающая значения 0, 1, 2, …, n , … Определим вероятность события {X=n} .

• X=0 , если в первом испытании произойдет успех, следовательно, P{X=0}=p .
• X=1 , если в первом испытании произойдет неудача, а во втором - успех, то P{X=1}=qp .
• X=2 , если в первых двух испытаниях - неудача, а в третьем - успех, то P{X=2}=q 2 p .
• Продолжая процедуру, получим P{X=i}=q i p , i=0, 1, 2, …

  Случайную величину с таким рядом распределения называют распределенной согласно геометрическому закону.

СЛУЧАЙНЫЕ ВЕЛИЧИНЫ

Одним из важнейших понятий теории вероятности (наряду со случайным событием и вероятностью) является понятие случайной величины.

Определение. Под случайной величиной понимаю величину, которая в результате опыта принимает то или иное значение, причем неизвестно заранее, какое именно.

Cлучайные величины (сокращенно с.в.) обозначаются прописными латинскими буквами X, Y, Z ,… (или строчными греческими буквами x (кси), h(эта), q (тэта), y(пси) и т.д.), а их возможные значения – соответствующими строчными буквами х , у , z .

Примерами с.в. могут служить: 1) число родившихся мальчиков среди ста новорожденных есть случайная величина, которая имеет следующие возможные значения: 0, 1, 2, ..., 100;

2) расстояние, которое пролетит снаряд при выстреле из орудия, есть случайная величина. Действительно, расстояние зависит не только от установки прицела, но и от многих других причин (силы и направления ветра, температуры и т.д.), которые не могут быть полностью учтены. Возможные значения этой величины принадлежат некоторому промежутку (а , b ).

3) Х – число очков, появляющихся при бросании игральной кости;

4) Y – число выстрелов до первого попадания в цель;

5) Z – время безотказной работы прибора и т.п. (рост человека, курс доллара, количество бракованных деталей в партии, температура воздуха, выигрыши игрока, координата точки при случайном выборе ее на , прибыль фирмы, …).

В первом примере случайная величина X могла принять одно из следующих возможных значений: 0, 1, 2, . . ., 100. Эти значения отделены одно от другого промежутками, в которых нет возможных значений X . Таким образом, в этом примере случайная величина принимает отдельные, изолированные возможные значения. Во втором примере случайная величина могла принять любое из значений промежутка (а , b ). Здесь нельзя отделить одно возможное значение от другого промежутком, не содержащим возможных значений случайной величины.

Уже из сказанного можно заключить о целесообразности различать случайные величины, принимающие лишь отдельные, изолированные значения, и случайные величины, возможные значения которых сплошь заполняют некоторый промежуток.

Определение. Дискретной (прерывной) называют случайную величину (сокращено д.с.в.), которая принимает отдельные, счетные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным.

Определение. Если же множество возможных значений с.в. несчетно, то такая величина называется непрерывной (сокращенно н.с.в.). Непрерывная случайная величина может принимать все значения из некоторого конечного или бесконечного промежутка. Очевидно, число возможных значений непрерывной случайной величины бесконечно.

Случайные величины X и Y (примеры 3 и 4) являются дискретными. С.в. Z (пример 5) является непрерывной: ее возможные значения принадлежат промежутку }