Функция распределения. Плотность распределения

Содержание

Слайд 2

плотность распределения ( ПР ) или
функция плотности или
плотность

плотность распределения ( ПР ) или функция плотности или плотность вероятности дифференциальная
вероятности
дифференциальная ФР
интегральная ФР

вероятностная мера

площадь под кривой распределения

!

свойства плотности распределения
элемент вероятности
кривая распределения

геометрическая интерпретация свойств ФР и ПР

!

!

Слайд 3

Функция распределения

− наиболее общая, универсальная
форма описания СВ − и дискретных,
и непрерывных

Функция распределения

Функция распределения − наиболее общая, универсальная форма описания СВ − и дискретных,
вероятностей F(x) случайной величины X есть
вероятность того, что переменная X примет значение меньше заданного x

ФР определяет такую вероятность для каждого из значений x величины X

F( x ) = P ( X < x )

Запомнить и понять!

Слайд 4

В соответствии с определением ФР
и правилом сложения

ФР называют кумулятивной (накопленной) вероятностью

В соответствии с определением ФР и правилом сложения ФР называют кумулятивной (накопленной)

Для дискретной X, заданной рядом

?

F(x) = ?

Слайд 5

Для x в разных диапазонах значений:

0 , x ≤ x1
p1, x1 <

Для x в разных диапазонах значений: 0 , x ≤ x1 p1,
x ≤ x2
p1 + p2, x2 < x ≤ x3

1, xm< x

Слайд 6

Пример «со 2-ым стрелком»:

0, y ≤ 1
0.2, 1 < y ≤

Пример «со 2-ым стрелком»: 0, y ≤ 1 0.2, 1 0.7, 2
2
0.7, 2 < y ≤ 3
1, 3 < y

График функции распределения

Слайд 7

Еще пример:

так выглядит ФР
числа попаданий
при 3-х
выстрелах,
при вероятности
попасть
в каждом p = 0.5

Еще пример: так выглядит ФР числа попаданий при 3-х выстрелах, при вероятности

Слайд 8

Ее скачки соответствуют возможным значениям величины и равны вероятностям этих значений.

ФР дискретной

Ее скачки соответствуют возможным значениям величины и равны вероятностям этих значений. ФР
СВ − это разрывная ступенчатая функция.

Между скачками она постоянна;
в точках разрыва равна значению,
с которым подходит слева

В соответствии с определением
и как видно из формул и графиков

Слайд 9

Очки игральной кости, номера в лототроне, числа рулетки, …

Равномерное дискретное распределение

X

Очки игральной кости, номера в лототроне, числа рулетки, … Равномерное дискретное распределение
принимает m значений
с равными вероятностями:
P(xi) = p = 1/m, X = { x1, x2, …, xi …, xm }

Игральная

Слайд 10

Как видели,

в случае дискретной величины
единичная вероятность достоверного события
(величина примет одно из

Как видели, в случае дискретной величины единичная вероятность достоверного события (величина примет
ее возможных значений)
распределена между счетным количеством m отдельных значений xi . Скачки F(x) равны вероятностям pi этих значений .

Для непрерывной величины
эта «1» распределена между бесчисленным
числом значений, скачки оказываются
бесконечно малыми, а ФР − непрерывной.

Например, такой

Слайд 11

1-ый пример того, как может выглядеть
ФР непрерывной величины

прочности материала (R) и т.д.

1-ый пример того, как может выглядеть ФР непрерывной величины прочности материала (R)

Это может быть ФР:

длины хлопкового волокна, годовой зарплаты, возраста владельцев кредитных карт,

Если Rnorm − требуемая нормативная прочность,
то F(Rnorm ) означает
P(R < Rnorm),
т.е., возможность отказа, разрушения …

Слайд 12

Еще пример ФР непрерывной СВ
(и график, и формула)

Еще пример ФР непрерывной СВ (и график, и формула)

Слайд 13

F(X) растет с ростом x обратно пропорционально диапазону значений

Равномерный закон распределения

Например:
так распределено

F(X) растет с ростом x обратно пропорционально диапазону значений Равномерный закон распределения
время ожидания поезда в метро при условии постоянных интервалов между поездами и случайного прихода пассажира

Слайд 14

Свойства функции распределения

Следуют из определения ФР

to be continued

Свойства функции распределения Следуют из определения ФР to be continued

Слайд 15

Следует из правила сложения вероятностей:
пусть А ~ {Х < g}, B ~

Следует из правила сложения вероятностей: пусть А ~ {Х тогда B =
{Х < h}, C ~ {g ≤ Х < h};
тогда B = A + C, P(B) = P(A) + P(C), P(C) = ?

Если известна ФР, можно определить вероятность попадания СВ в интервал значений, в частности, что она не выйдет за нормативные границы

Важно для практики!

Слайд 16

Пример:

Поезд в метро приходит с интервалом в 4 мин.
Учитывая, что время ожидания

Пример: Поезд в метро приходит с интервалом в 4 мин. Учитывая, что
τ распределено равномерно, с τmin = 0 и τmax = 4,
можно определить вероятности ожидания:

1) не более 1 мин.
P(τ < 1) = F(1) = (1 − 0) / (4 − 0) = 0.25

2) более 2 мин.
P(τ > 2) = 1 − F(2) = 1 − (2 − 0) / (4 - 0) = 0. 5

3) от 1 до 2 мин.
P(1 < τ < 2) = F(2) − F(1) = 0.5 − 0.25 = 0. 25

Слайд 17

Еще пример

P(4 < X < 8) = F(8) − F(4) =
(8

Еще пример P(4 (8 − 4) / (13 − 3) = 0.4
− 4) / (13 − 3)
= 0.4

Бухгалтер установил,
что сроки оплаты счетов распределены равномерно
в интервале от 3 до 13 недель.
Какова вероятность,
что выбранный наугад счет будет оплачен в период
от 4 до 8 недель?

?
0.4

!

решите !

Слайд 18

Плотность распределения

Если ФР непрерывна и дифференцируема, то существует другая удобная форма полного

Плотность распределения Если ФР непрерывна и дифференцируема, то существует другая удобная форма
описания непрерывной СВ.

Эта форма представления ЗР −
функция плотности вероятности
(или)
плотность распределения ( ПР )

ПР определяется как предел отношения вероятности попадания СВ в интервал
к величине этого интервала,
когда она стремится к нулю

Имя файла: Функция-распределения.-Плотность-распределения.pptx
Количество просмотров: 135
Количество скачиваний: 1