Плотность распределения вероятностей

Тема: Плотность распределения  вероятностей

Содержание 1 Определение 2 Способы задания распределений 2.1 Дискретные распределения 2.2 Непрерывные распределения 2.3 Абсолютно непрерывные распределения

 

 

Распределение вероятностей — это закон, описывающий область значений случайной величины и вероятности их принятия.

Рассмотрим непрерывную  случайную величину X с функцией распределения F(x), которую предположим  непрерывной и дифференцируемой. Вероятность попадания этой случайной  величины на участок от х до х+Δх: 
F(x < X < x +Δx) = F(x +Δx) - F(x), 
т.е. приращение функции распределения на этом участке. Рассмотрим отношение этой вероятности к длине участка, т.е. среднюю вероятность, приходящуюся на единицу длины на этом участке, и будем приближать Δх к нулю. В пределе получим производную от функции распределения:

lim _Δx→0 = [F(x + Δx) - F(x)]/Δx = F’(x)

Введем обозначение: f(x) = F’(x).

Функция f(x) называется плотностью распределения («плотностью вероятности») непрерывной величины Х. Функцию f(x) называют дифференциальным законом распределения величины Х.

Плотность распределения, так же как и функция распределения, есть одна из форм закона распределения. Эта форма не является универсальной (в противоположность функции  распределения); она существует только для непрерывных величин.

Рассмотрим непрерывную  случайную величину Х с плотностью распределения f(x) и элементарный участок dx, примыкающий к точке х. Вероятность  попадания случайной величины Х  на этот элементарный участок равна f(x) dx. Величина f(x) dx называется элементом вероятности.

Основные свойства плотности распределения: 
1. f(x) – неотрицательная функция т.е. f(x) ≠ 0; 
2. ∫f(x) dx = 1.

Функция F(x) величина безразмерная. Размерность плотности распределения f(x) обратная размерности случайной величины.

Определение

Определение 1. Пусть задано вероятностное пространство  , и на нём определена случайная величина  . В частности, по определению,   является измеримым отображением измеримого пространства   в измеримое пространство  , где   обозначает борелевскую сигма-алгебру на  . Тогда случайная величина   индуцирует вероятностную меру   на   следующим образом:

Мера   называется распределением случайной величины  . Иными словами,  , таким образом   задаёт вероятность того, что случайная величина   попадает во множество  .

[править]Способы задания распределений

Определение 2. Функция   называется (кумулятивной) функцией распределения случайной величины  . Из свойств вероятности вытекает

Теорема 1. Функция распределения   любой случайной величины удовлетворяет следующим трем свойствам:

1.  — функция неубывающая;
2. ;
3.  непрерывна слева.

Из того факта, что борелевская сигма-алгебра на вещественной прямой порождается семейством интервалов вида  , вытекает

Теорема 2. Любая функция  , удовлетворяющая трём свойствам, перечисленным выше, является функцией распределения для какого-то распределения  .

Для вероятностных распределений, обладающих определенными свойствами, существуют более удобные способы  его задания.

Дискретные распределения

Определение 3. Случайная величина называется простой или дискретной, если она принимает не более, чем счётноечисло значений. То есть  , где   — разбиение  .

Распределение простой  случайной величины тогда по определению  задаётся:  . Введя обозначение  , можно задать функцию  . Очевидно, что  . Используя счётную аддитивность  , легко показать, что эта функция однозначно определяет распределение  .

Определение 4. Функция  , где   часто называется дискретным распределением.

Пример 1. Пусть функция   задана таким образом, что   и  . Эта функция задаёт распределение случайной величины  , для которой   (распределение Бернулли).

Теорема 3. Дискретное распределение обладает следующими свойствами:

1.  ;

2.  .

Непрерывные распределения

Непрерывное распределение — распределение вероятностей, не имеющее атомов. Любое распределение вероятностей есть дискретное, непрерывное или смесь дискретного и непрерывного. В приложениях нередко не делают разницы между терминами непрерывное распределение и абсолютно непрерывное распределение (см. далее).

Абсолютно непрерывные распределения

Основная статья: Плотность вероятности

Абсолютно непрерывными называют распределения, имеющие плотность  вероятности. Кумулятивная функция  таких распределений абсолютно непрерывна в смысле Лебега.

Определение 5. Распределение случайной величины   называется абсолютно непрерывным, если существует неотрицательная функция  , такая что  . Функция   тогда называется плотностью распределения случайной величины  .

Пример 2. Пусть  , когда  , и   — в противном случае. Тогда  , если  .

Очевидно, что для любой  плотности распределения   верно равенство  . Верна и обратная

Теорема 4. Если функция   такая, что:

1. ;
2. ,

то существует распределение   такое, что   является его плотностью.

Просто применение формулы Ньютона-Лейбница приводит к простому соотношению  между кумулятивной функцией и плотностью абсолютно непрерывного распределения.

Теорема 5. Если   — непрерывная плотность распределения, а   — его кумулятивная функция, то

2. .