Professional Documents
Culture Documents
Continuous R V
Continuous R V
0, якщо x a,
x a
F ( x) , якщо x [a, b],
b a
1, якщо x b.
Графіки щільності та функції розподілу рівномірно розподіленої
випадкової величини зображені на рис. .
y
y
1 1
ba
0 a b x 0 a b x
Рис. 1. Рис. 2.
Означення. Розподіл випадкової величини називається нормальним
з параметрами a, , якщо його щільність має вид:
( x a )2
1
f ( x) e 2 2 .
2
Функція y f (t ) швидко спадає при t (рис. 3). Площа фігури,
обмеженої графіком функції y f (t ) та віссю Ox дорівнює 1. Площі
криволінійних трапецій над інтервалами a ; a , a 2 ; a 2 ,
a 3 ; a 3 дорівнюють відповідно 0,6827 , 0,9545 , 0,9973 . Таким чином,
ймовірність того, що нормально розподілена випадкова величина прийме
значення з відрізку a 3 ; a 3 дорівнює 0,9973 .
Функція розподілу нормально розподіленої випадкової величини має
(t a )2
1 x
вид: F ( x) 2 2
e dt .
2
Ця функція не є елементарною. Тому її значення табульовані. Для
t2
1 x 2
зручності розглядають функцію (x) e dt , яка називається функцією
2 0
Лапласа. Функції F (x) і (x) пов’язані співвідношенням:
xa
1
F ( x) . Таблиці значень функції (x) наведені практично у всіх
2
підручниках з теорії ймовірностей. Зазначимо, що (x) має наступні
властивості:
1) ( x) ( x) ;
2) при x 5 (x) [0,499997 ; 0,5] . У цьому випадку можна вважати, що
(x) 0,5 .
Ймовірність того, що нормально розподілена випадкова величина
набуде значення, яке належить відрізку [ , ] дорівнює
a a .
P ,
Ймовірність того, що
y нормально розподілена випадкова
величина набуде значень з проміжку
1 [a ; a ] дорівнює
2
P| a | 2 .
x Рис. 3.
0
Нормальний розподіл відіграє надзвичайно важливу роль в теорії
ймовірностей та її застосуваннях. Ця роль значною мірою пояснюється
центральною граничною теоремою (див. розділ “Граничні теореми теорії
ймовірностей”).
f (x)
x
Рис. 4.
f ( x)dx 1
і перетворимо її:
x x
f ( x)dx 1, e dx 1, e 1, 1.
0 0
Отже, і функція f(x) має вигляд:
0, якщо x 0,
f ( x) ax (1)
e , якщо x 0; 0.
x
F ( x) f (t )dt 0dt 0 ;
якщо х> 0, то
x 0 x
F ( x) f (t )dt 0dt e dt 1 e
0
t x
.
Отже,
0, якщо x 0,
F ( x) ax
(2)
1 e , якщо x 0.
x2
Обчислимо ймовірність P{0 X 1} за формулою P{x1 X x2 } f ( x)dx :
x1
1 1 1
P{0 X 1} f ( x)dx e x dx 1 .
0 0 ea
Формула:
P{x1 X x2 } P{x1 X x2 } P{x1 X x2 } P{x1 X x2 } F ( x2 ) F ( x1 )
дає той же результат:
1
P{0 X 1} F (1) F (0) 1 .
e
Випадкові величини з щільністю (1) чи з функцією розподілу (2) часто
зустрічаються на практиці.
Приклад 3. Випадкова величина має нормальний розподіл з
параметрами а = 7 та = 2. Порівняти ймовірності попадання випадкової
величини в проміжки (3; 7) та (-100; 1). Вказати інтервал, в який випадкова
величина попадає з практичною достовірністю.
Розв'язання. Якщо має нормальний розподіл, то
a
P [ ; ] .
7 7 3 7
Тому P [ ; ] (0) ( 2).
2 2
За таблицею значень функції ( x) знаходимо (0) 0 ;
(2) (2) 0,4772 . Тому
P [3; 7] 0,4772 .
Аналогічно,
1 7 1001 7 (3) (53,5) (3) (53,5) .
P (100 ;1)
2 2
За таблицею: (3) 0,49865 .
Ф(53,5) за таблицею знайти не можна. Оскільки 53,5 > 5, то з великою
точністю можна вважати, що Ф(53,5) = 0,5.
Отже, P (100;1) 0,49865 0,5 0,00135 .
Нормально розподілена випадкова величина з практичною
достовірністю попадає в так званий трьохсигмовий інтервал:
(a 3 ; a 3 ) .
Отже, P (1;12) 0,9973 . Пропонуємо читачеві самостійно пересвідчитись у
правильності останньої рівності.
-4 0 2 x
-2 0 6 x