Показательное распределение.

Показательным (экспоненциальным) называют распр. вер. НСВ Х, которое описывается ф-цией плотности вер. Показательное распределение. - student2.ru , где λ>0 постоянна и называется параметром показательного распр. Примером НСВ, распределенной по показательному закону, может служить время между появлениями двух последовательных соб. простейшего потока, где λ – интенсивность потока. Найдем ф-цию распр. F(x) СВ, распределенной по показательному закону: F(x) = Показательное распределение. - student2.ru = Показательное распределение. - student2.ru . Итак, Показательное распределение. - student2.ru

Определим числовые хар-ки СВ, распределенной по показательному закону. Мат. ожидание: M(X) = Показательное распределение. - student2.ru = Показательное распределение. - student2.ru = Показательное распределение. - student2.ru . Дисперсия: D(X) = Показательное распределение. - student2.ru = Показательное распределение. - student2.ru = 2/λ2 – 1/λ2 = 1/λ2. Среднеквадратическое отклонение σ(Х) = 1/λ и, следовательно, совпадает с мат. ожиданием.


Показательное распределение. - student2.ru

Понятие закона больших чисел.

Содержание закона больших чисел в широком смысле: при очень большом числе случ. явлений средний их рез-т практически перестает быть случ. и может быть предсказан с большой степенью опр-сти. В узком смысле слова под законом больших чисел в теории вер. понимается ряд мат. теорем, в каждой из к-рых для тех или иных условий устанавливается факт приближения средних хар-к большого числа опытов к некот. опр. постоянным. Простейшей из этих теорем является т. Бернулли. Она утверждает, что при большом числе опытов частота соб. приближается (точнее – сходится по вер.) к вер. этого соб. Другие, более общие формулировки, устанавливабт факт и условия сходимости по вероятности тех или иных СВ к постоянным, не случайным вел-нам. Закон больших чисел играет важную роль в практических применениях т.в.. Св-во случ. вел-н при опр. условиях вести себя практически как не случ. позволяет уверенно оперировать с этими вел-нами, предсказывать рез-ты массовых случ. явлений (это большое число выполняемых однородных опытов или большое число складывающихся случ. воздействий, порождающих в своей сов-сти случ. вел-ну, подчиненную вполне опр. закону) почти с полной опр-стью.


Неравенство Чебышева.

Нер-во Чебышева относится к группе «закона больших чисел».

Пусть имеется СВ Х с мат. ожиданием(м.о.) mx и Dx. Нер-во Чебышева утверждает, что, каково бы ни было положительное число α, вер. того, что вел-на Х отклонится от своего м.о не меньше чем на α, ограничена сверху вел-ной Dx/ α2: P(|X - mx |≥α)≤ Dx/ α2. Док-во: Пусть вел-на Х прерывная, с рядом распр.:

Х x1 x2 xn
p p1 p2 pn

Изобразим возм. знач. вел-ны Х и ее м.о mx в виде точек на числовой оси Ox. Зададим некоторым значением α>0 и вычислим вер. того, что вел-на Х отклонится от своего м.о не меньше, чем на α: P(|X - mx |≥α) – формула (1). Для этого отложим от точки mx вправо и влево по отрезку длиной α; получим отрезок АВ. Вер. (1) есть не что иное, как вер. того, что случ. точка Х попадет не внутрь отрезка АВ, а вовне его: P(|X - mx |≥α) = P(XËAB). Для того, чтобы найти эту вер., нужно просуммировать вер. всех тех знач. Х, кот. лежат вне отрезка АВ. Запишем это следующим образом: P(|X - mx |≥α) = Показательное распределение. - student2.ru - формула (2), где запись |X - mx |≥α под знаком суммы ознаачет, что суммирование распространяется на все те знач., для которых точки Х лежат вне отрезка АВ. С другой стороны напишем выражение дисперсии вел-ны Х: D(X) = M[(X - mx)2] = Показательное распределение. - student2.ru - формула (3). Т.к. все члены суммы (3) неотрицательны, она может только уменьшиться, если мы распространим ее не на все знач. Х, а только на некоторые, в частности на те, кот. лежат вне отрезка АВ: D(X) ≥ Показательное распределение. - student2.ru . Заменим под знаком суммы выражение |X - mx | через α. Т.к. для всех членов суммы |X - mx |≥α, то от такой замены сумма тоже может уменьшиться; значит, D(X) ≥ Показательное распределение. - student2.ru . Но согласно формуле (2) сумма, стоящая в правой части последнего рав-ва есть не что иное, как вер. попадания случайной точки вовне отрезка АВ; следовательно, D(X) ≥ α2P(|X - mx |≥α), откуда непосредственно вытекает доказываемое нер-во. В случае, когда вел-на Х непрерывна, док-во проводится аналогичным образом с заменой вер. p элементом вер., а конечных сумм – интегралами. Действительно, P(|X - mx |>α) = Показательное распределение. - student2.ru , где f(x) – плотность распр. вел-ны Х. Далее, имеем: D(X) = Показательное распределение. - student2.ruПоказательное распределение. - student2.ru , где знак |X - mx |>α под интегралом означает, что интегрирование распространяется на внешнюю часть отрезка АВ. Заменяя |X - mx | под знаком интеграла через α, получим: D(X) ≥α2* Показательное распределение. - student2.ru = α2P(|X - mx |>α), откуда и вытекает нер-во Чебышева для непрерывных величин.




Наши рекомендации