Файл: Васильков Д.А. Начала теории вероятностей учеб. пособие.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 05.08.2024

Просмотров: 65

Скачиваний: 1

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

Сделав в интеграле (5) замену переменного

* ~ а =

г, полу-

чим

 

 

 

 

(ft-0)/9

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

P(a<X<b)

=

^

 

<?(z)dz

 

 

 

 

ИЛИ

 

 

 

 

(а—а);а

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Р ( а < * < 6 )

= ф (

± ^

)

-

Ф

( ^

) .

 

(6)

Применяя

формулу

(6), надо

иметь в

виду,

что

функция

Ф(х)

нечетная. Положив а =

а — h,

6 =

а +

( Л . > 0 ) ,

по­

лучим

 

 

 

 

 

 

 

 

 

 

 

 

 

Р ( | А - - а | . < А ) =

2

Ф ( - Г ) .

 

 

 

(7)

Если h =

ka, то (7) примет вид

 

 

 

 

 

 

 

 

 

 

Р ( | А " — а | <fe») =

2 Ф(&).

 

 

 

(8)

При

k=

1, 2, 3 правая часть

равенства

(8) принимает

соот­

ветственно значения 0,683, 0,954, 0,997.

Следовательно,

 

 

 

Р ( | ^ - < х | > З а ) ^

0,003.

 

 

 

 

Считают

поэтому, что значения

нормально

распределенной

случайной величины практически не отклоняются от а боль­ ше, чем на За.

Закону распределения Гаусса подчиняются погрешности

большинства

измерений,

отклонения (по дальности

и

боко­

вое) точки

попадания

артиллерийского

снаряда

от

точки

прицела, многие биологические

параметры

и т. п.

 

 

В теории

ошибок функцию

(2) записывают часто в виде

Параметр h, связанный с а соотношением

h — — ~ , называ-

ют мерой точности.

 

 

 

 

 

Постоянную величину С иногда рассматривают как пре­ дельный случай нормально распределенной случайной вели­

чины при а =

С и а

0. Такой случайной величине припи­

сывается

плотность

вероятности

о (л:—С)

(заметим, что в

теории

обобщенных

функций

любая

последовательность

{<р(х\ С, а„)),

коль

скоро ая -9-0, определяет обобщенную

функцию б(х — С)).

 

 

 

Двумерная случайная величина U {X, Y) называется нор­ мально распределенной, если ее плотность вероятности есть

р(х, у) = Ке~о^»,

(9)

' 3*

35


где

 

 

 

 

q(x, у) =

А(х-Хо)*

+ 2В(х-х0)(у-уа)+С(у-уо)2,

(10)

причем

 

 

 

 

 

А>0,

С > 0 ,

АС — В2>0.

(11)

Условия

(11) означают, что q(x,

у) есть невырожденная

по­

ложительно определенная квадратичная форма относительно

переменных х — хо, у ул. Перенеся

начало координат в точ­

ку (х'о, г/о) и

сохранив обозначения

координат,

запишем

q в

виде

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

q(x,

у) = Ах2

+

2Вху

+

Су2.

 

 

Положим У А =

а >

0,

] / С = с > 0

и

В = —гас,

где | г | <

1.

Тогда

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

q (х,

у) =

а2х2

— Ъ-асху

+

с2у2.

(12)

Если

г =

0, то,

обозначив

 

 

 

 

 

 

 

 

 

 

 

а 2

= - 2 ^ '

 

^ ~ S f

 

( 1 3 )

запишем

плотность

вероятности

(9)

в

виде

 

 

 

 

 

 

 

 

 

 

 

х'

 

у'

 

 

 

 

 

 

 

р(х,

0) =

/Се

2

1 ? е

2

а 3 .

 

(14)

Из условия (7) § 18 следует, что

 

 

 

 

 

 

Итак, в этом

случае, т. е. при г

=

0

 

 

 

 

 

 

 

р(*> # ) =

ф(*;

0,

о-]) • q>(y;

0, а 2 ),

 

 

следовательно,

компоненты

X

и

Y

случайного

вектора

t7

представляют собой независимые нормально распределенные

случайные величины.

 

Oi и

oi

 

 

 

 

Тогда,

когда

^ ¥ =0,

зададим

соотношениями:

 

 

0 , 2

=

2of

(1 — г2) '

с 2 =

=

2а» (1 — г»)

 

( 1 5 ^

и вычислим плотность

вероятности

р\{х)

компоненты

X

(см.

формулу

(10), §

18). Для этого

перепишем

q(x, у) в

виде

 

q(x, у) =а2(\т22-\-

 

 

(су —

агх)2.

 

 

Тогда

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4- оо

 

 

 

 

 

 

Р, {X) =

KerW-W

^

e-icy-raxV

dy,

 

(16)

— оо

36


Интеграл в правой части равен

= о2 У 2 к (1 — г2 ) ,

Т

w

 

а так как

^ pi(x)dx=l,

то

'

(17)

Таким образом,

Так же вычисляется плотность вероятности компоненты Y

р2(х)^-±=е

2°К

(19)

<s2

V 2~-

 

Мы видим, что и в общем

случае компоненты

нормально

распределенной случайной величины U \Х, У) распределены нормально, причем параметры сгь а2 связаны с коэффициен­ тами квадратичной формы (12) соотношениями (15). Поль­ зуясь формулами (15) и (17), можно окончательно записать

р(х, у) в виде

Р <*• У) - ^ t е Х Р { - Г ^ Г - г ik +£)}' (2°)

Выражения pi(x), /?2(#) и /?(х, г/) в исходной системе коорди­

нат можно получить, заменив х и у

соответственно

на х — х0

и у — у0-

 

 

§ 22. Функции случайной величины

 

Пусть X — случайная величина,

f(x)—функция

перемен­

ного х, определенная на До или хотя бы на некотором про­ межутке, содержащем всевозможные значения случайной ве­

личины X. Под f(X)

понимается случайная величина, которая

принимает значение f(x)

всякий раз, как X принимает

какое-

либо значение х.

 

 

 

 

 

Если

X — дискретная

случайная

величина,

принимающая

значения

хи хъ...

с вероятностями

р \ , ръ • • •,

то f(X)

будет

с теми же вероятностями

принимать значения

f{x\),

f{x2),...

При этом может случиться, что f (xt) = f{xj)

для некоторых

номеров

i и /

ф

j).

 

 

 

 

В общем

случае, если [(х) — монотонная функция, то, ка­

ков бы ни был промежуток Д, множество значений х, при ко­

торых f{x) 6

А, есть либо пустое множество, либо некоторый

промежуток

Д'. Следовательно,

 

 

 

P [ f ( J 0 € A ] = 0

или

Р(Л"6Д').

37


т. е. в случае монотонной f(x), зная закон распределения X, нетрудно установить закон распределения случайной величи­ ны 1'(Х). Тогда, когда область определения f(x) можно раз­ бить на конечное или счетное множество промежутков, на

каждом

из которых f(x)

монотонна,

вычисление вероятностей

P [ / W

£ А] становится более сложным.

 

 

 

 

Вообще,

вероятности

P[f(->0

£ А]

существуют тогда,

когда М

=

= { х; [(х)

£ Д}

оказывается борелевским

множеством

при

любом

про­

межутке

Д. Функция

f(x),

 

обладающая

таким свойством, называется

 

бо-

релевской

функцией.

При

этом

Y = f (X)

будет случайной

величиной

в

том смысле, как это было определено

в §

13.

 

 

 

 

Если

 

функция

f(x,

у)

двух

переменных

определена

 

на

всей плоскости

х,

у или хотя бы на

некоторой

области G,

со­

держащей всевозможные значения векторной случайной ве­

личины

U

{X,

Y], то можно рассмотреть случайную величи­

ну Z =

f(X,

У). Следует заметить, что даже для совсем

про­

стых функций

f{x, у) отыскание закона распределения Z

мо­

жет быть затруднительно.

 

§ 23. Распределение суммы двух случайных величин

Пусть X и У случайные величины, принимающие лишь целые значения. Обозначим

p{X =

k) =

pk,

P(Y =

l)=ph

P[(X

=

k)(Y

=

[)]=pk[

(k,

1=0,

 

± 1 ,

± 2 , . . . ) .

Если п — какое-либо целое число, то событие (X + У = п) происходит тогда и только тогда, когда происходит одно из событий вида

(X = k)(Y =чг —k)

(k = О, - ±1, ± 2 , . . . ) .

(1)

События (1) попарно несовместны, поэтому

P(X+Y

= n)=

2

 

P[{X=k)\(Y

=

n-k)]=>

 

ft «

оо

 

 

 

=

+

со

 

 

 

2

Рь »-*•

 

(2)

 

ft;=

 

оо

 

 

Если X и У принимают лишь неотрицательные целые значе­ ния, то для п > О

 

л

 

 

(Х+ Y=*n)=

2 (X=k)

(Y =

n-k),

ft—о

38


и формула

(2)

примет

более простой

вид:

 

 

 

 

 

 

 

и

 

 

 

 

 

p(^T r=n)=2ft,»-*.

(3)

В том случае, когда

X и У независимы,

= pfep,

(см. § 19),

и формулы

(2),

(3)

запишутся в

виде

 

 

 

 

 

 

 

+

оо

 

 

 

 

Р(Х+У

= п) =

2

РмРп-*

(4)

И

 

 

 

 

к — — оо

 

 

 

 

 

 

л

 

 

 

 

 

 

 

 

 

 

 

 

 

Р ( * +

У = п)=

2

P*P»-A-

(5)

Пусть теперь X и У — непрерывные случайные величины, плотности вероятности которых суть р(х) и р(у), а р{х, у) есть плотность вероятности векторной случайной величины

U

{X,

У]. Тогда, каково

бы ни было z,

неравенство X +

У <

<

г равносильно тому, что

/7 окажется

в полуплоскости

Dz,

которая характеризуется

неравенством

х -f- у < z.

Следова­

тельно,

 

 

 

 

+оо

г — х

 

 

 

 

 

 

 

 

 

 

 

 

 

Р ( Л Г + K < z ) = ^ р(лт,

y)ds=

 

\(^

\

Р(х,

y)dy}dx.

 

 

 

Dz

 

 

—оо

—оо

 

 

 

Введя

новые

переменные

и = х,

v =

х + у,

выразим эту

ве­

роятность в виде

2

+00

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Р(Х+

У<г)=

 

\

P(fi,

v —

u)du)dv.

 

 

—оо —оо

Дифференцируя по г, получим плотность вероятности случай­ ной величины Z = X + У

+оо

pz(z)=

J р(и, z — u)du.

(6)

Проведенная выкладка

—оо

р[х,у)

заведомо законна тогда, когда

удовлетворяет требованиям, указанным в § 18 [см. вывод

формулы

(10)].

 

 

_

 

 

Если X

и У независимы, то р(х,

у)

= р(х)р(у),

и формула

(6)

принимает вид

 

 

 

 

 

 

 

+оо

 

 

 

 

 

pz{z) =

^ р(и)р(г

— и)da.

(7)

 

 

 

—со

 

 

 

Мы видим, что в этом

случае плотность вероятности суммы

Z =

X + У есть свертка

плотностей

вероятности

слагаемых.

39