В разделе курса, посвященном основным понятиям теории вероятностей, мы уже ввели в рассмотрение чрезвычайно важное понятие случайной величины. Здесь мы дадим дальнейшее развитие этого понятия и укажем способы, с помощью которых случайные величины могут быть описаны и характеризованы.
Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, неизвестно заранее – какое именно. Мы условились также различать случайные величины прерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин могут быть заранее перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.
Примеры прерывных случайных величин:
1) число появлений герба при трех бросаниях монеты (возможные значения 0, 1, 2, 3);
2) частота появления герба в том же опыте (возможные значения );
3) число отказавших элементов в приборе, состоящем из пяти элементов (возможнее значения 0, 1, 2, 3, 4, 5);
4) число попаданий в самолет, достаточное для вывода его из строя (возможные значения 1, 2, 3, …, n, …);
5) число самолетов, сбитых в воздушном бою (возможные значения 0, 1, 2, …, N, где – общее число самолетов, участвующих в бою).
Примеры непрерывных случайных величин:
1) абсцисса (ордината) точки попадания при выстреле;
2) расстояние от точки попадания до центра мишени;
3) ошибка измерителя высоты;
4) время безотказной работы радиолампы.
Условимся в дальнейшем случайные величины обозначать большими буквами, а их возможные значения – соответствующими малыми буквами. Например, – число попаданий при трех выстрелах; возможные значения: .
Рассмотрим прерывную случайную величину с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т.е. произойдет одно из полной группы несовместных событий:
Обозначим вероятности этих событий буквами p с соответствующими индексами:
Так как несовместные события (5.1.1) образуют полную группу, то
т.е. сумма вероятностей всех возможных значений случайной величины равна единице. Эта суммарная вероятность каким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т.е. в точности укажем, какой вероятностью обладает каждое из событий (5.1.1). Этим мы установим так называемый закон распределения случайной величины.
Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения.
Установим форму, в которой может быть задан закон распределения прерывной случайной величины . Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:
Такую таблицу мы будем называть рядом распределения случайной величины .
Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 5.1.1). Многоугольник распределения, так же как и ряд распределения, полностью характеризует случайную величину; он является одной из форм закона распределения.
Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.
Рассмотрим несколько примеров прерывных случайных величин с их законами распределения.
Пример 1. Производится один опыт, в котором может появиться или не появиться событие . Вероятность события равна 0,3. Рассматривается случайная величина – число появлений события в данном опыте (т.е. характеристическая случайная величина события , принимающая значение 1, если оно появится, и 0, если не появится). Построить ряд распределения и многоугольник распределения величины .
Решение. Величина имеет всего два значения: 0 и 1. Ряд распределения величины имеет вид:
Многоугольник распределения изображен на рис. 5.1.2.
Пример 2. Стрелок производит три выстрела по мишени. Вероятность попадания в мишень при каждом выстреле равна 0,4. За каждое попадание стрелку засчитывается 5 очков. Построить ряд распределения числа выбитых очков.
Решение. Обозначим число выбитых очков. Возможные значения величины : .
Вероятность этих значений находим по теореме о повторении опытов:
Ряд распределения величины имеет вид:
Многоугольник распределения изображен на рис. 5.1.3.
Пример 3. Вероятность появления события в одном опыте равна . Производится ряд независимых опытов, которые продолжаются до первого появления события , после чего опыты прекращаются. Случайная величина – число произведенных опытов. Построить ряд распределения величины .
Решение. Возможные значения величины : 1, 2, 3, … (теоретически они ничем не ограничены). Для того, чтобы величина приняла значение 1, необходимо, чтобы событие произошло в первом же опыте; вероятность этого равна . Для того, чтобы величина приняла значение 2, нужно, чтобы в первом опыте событие не появилось, а во втором – появилось; вероятность этого равна , где , и т.д. Ряд распределения величины имеет вид:
Первые пять ординат многоугольника распределения для случая показаны на рис. 5.1.4.
Пример 4. Стрелок ведет стрельбу по мишени до первого попадания, имея боезапас 4 патрона. Вероятность попадания при каждом выстреле равна 0,6. Построить ряд распределения боезапаса, оставшегося неизрасходованным.
Рассмотренный выше пример позволяет сделать вывод, что значения, используемые для анализа зависят от случайных причин, поэтому такие переменные величины называются случайными . В большинстве случаев они появляются в результате наблюдений или экспериментов, которые сводятся в таблицы, в первой строке которой записываются различные наблюдаемые значения случайной величины Х, а во второй – соответствующие частоты. Поэтому такая таблица называется эмпирическим распределением случайной величины Х или вариационным рядом . Для вариационного ряда мы находили среднее значение , дисперсию и среднее квадратическое отклонение .
непрерывной , если ее значения целиком заполняют некоторый числовой промежуток.
Случайная величина называется дискретной , если все ее значения можно занумеровать (в частности, если оно принимает конечное число значений).
Следует отметить два характерных свойства таблицы распределения дискретной случайной величины:
Все числа второй строки таблицы положительны;
Их сумма равна единице.
В соответствие с проведенными исследованиями можно предположить, что при увеличении числа наблюдений эмпирическое распределение приближается к теоретическому, заданному в табличной форме.
Важной характеристикой дискретной случайное величины является ее математическое ожидание.
Математическим ожиданием дискретной случайной величины Х, принимающей значения , , …, .с вероятностями , , …, называется число:
Математическое ожидание также называют средним значением.
К другим важным характеристикам случайной величины относятся дисперсия (8) и среднее квадратическое отклонение (9).
где: математическое ожидание величины X.
.
(9)
Графическое представление информации значительно нагляднее, чем табличное, поэтому возможность электронных таблиц MS Excel представлять размещенные в них данные в виде различных диаграмм, графиков и гистограмм используется очень часто. Так, помимо таблицы, распределение случайной величины изображают также с помощью многоугольника распределения . Для этого на координатной плоскости строят точки с координатами , , … и соединяют их прямыми отрезками.
Для получения прямоугольника распределения посредством MS Excel необходимо:
1. Выбрать на панели инструментов закладу «Вставка» ® «Диаграмма с областями».
2. Активизировать появившуюся на листе MS Excel область для диаграммы правой кнопкой мыши и в контекстном меню воспользоваться командой «Выбрать данные».
Рис. 6. Выбор источника данных
Сначала определим диапазон данных для диаграммы. Для этого в соответствующую область диалогового окна «Выбор источника данных» введем диапазон C6:I6 (в нем представлены значения частот под названием Ряд1, рис. 7).
Рис. 7. Добавление ряда 1
Для изменения названия ряда необходимо выбрать кнопку изменить область «Элементы легенды (ряды)» (см. рис. 7) и назвать его .
Для того, чтобы добавить подпись оси X необходимо воспользоваться кнопкой «Изменить» области «Подписи горизонтальной оси (категории)»
(рис. 8) и указать значения ряда (диапазон $C$6:$I$6).
Рис. 8. Окончательный вид окна диалога «Выбор источника данных»
Выбор кнопки в окне диалога «Выбор источника данных»
(рис. 8) позволит получить требуемый многоугольник распределения случайной величины (рис. 9).
Рис. 9. Многоугольник распределения случайной величины
Внесем некоторые изменения в дизайн полученной графической информации:
Добавим подпись оси Х;
Отредактируем подпись оси Y;
- 
добавим заголовок для диаграммы «Многоугольник распределения».
Для этого выберем в области панели инструментов закладку «Работа с диаграммами» закладку «Макет» и в появившейся панели инструментов соответствующие кнопки: «Название диаграммы», «Названия осей» (рис. 10).
Рис. 10. Итоговый вид многоугольника распределения случайной величины
Задача 14. В денежной лотерее разыгрывается 1 выигрыш в 1000000 руб., 10 выигрышей по 100000 руб. и 100 выигрышей по 1000 руб. при общем числе билетов 10000. Найти закон распределения случайного выигрыша Х для владельца одного лотерейного билета.
Решение . Возможные значения для Х : х 1 = 0; х 2 = 1000; х 3 = 100000;
х 4 = 1000000. Вероятности их соответственно равны: р 2 = 0,01; р 3 = 0,001; р 4 = 0,0001; р 1 = 1 – 0,01 – 0,001 – 0,0001 = 0,9889.
Следовательно, закон распределения выигрыша Х может быть задан следующей таблицей:
Построить многоугольник распределения.
Решение . Построим прямоугольную систему координат, причем по оси абсцисс будем откладывать возможные значения х i , а по оси ординат – соответствующие вероятности р i . Построим точки М 1 (1;0,2), М 2 (3;0,1), М 3 (6;0,4) и М 4 (8;0,3). Соединив эти точки отрезками прямых, получим искомый многоугольник распределения.
§2. Числовые характеристики случайных величин
Случайная величина полностью характеризуется своим законом распределения. Осредненное описание случайной величины можно получить при использовании ее числовых характеристик
2.1. Математическое ожидание. Дисперсия.
Пусть случайная величина может принимать значения с вероятностями соответственно .
Определение. Математическим ожиданием дискретной случайной величинаы называется сумма произведений всех ее возможных значений на соответствующие вероятности:
.
Свойства математического ожидания.
Рассеяние случайной величины около среднего значения характеризуют дисперсия и среднеквадратическое отклонение.
Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
Для вычислений используется следующая формула
Свойства дисперсии.
2. , где взаимно независимые случайные величины.
3. Среднеквадратическое отклонение 
.
Задача 16. Найти математическое ожидание случайной величины Z = X+ 2Y , если известны математические ожидания случайных величин X и Y : М (Х ) = 5, М (Y ) = 3.
Решение . Используем свойства математического ожидания. Тогда получаем:
М (Х+ 2Y ) = М (Х ) + М (2Y ) = М (Х ) + 2М (Y ) = 5 + 2 . 3 = 11.
Задача 17. Дисперсия случайной величины Х равна 3. Найти дисперсию случайных величин: а) –3Х; б) 4Х + 3.
Решение . Применим свойства 3, 4 и 2 дисперсии. Имеем:
а) D (–3Х ) = (–3) 2 D (Х ) = 9 D (Х ) = 9 . 3 = 27;
б) D (4 Х + 3) = D (4Х ) + D (3) = 16D (Х ) + 0 = 16 . 3 = 48.
Задача 18. Дана независимая случайная величина Y – число очков, выпавших при бросании игральной кости. Найти закон распределения, математическое ожидание, дисперсию и среднее квадратичное отклонение случайной величины Y .
Решение. Таблица распределения случайной величины Y имеет вид:
| Y | ||||||
| р | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 | 1/6 |
Тогда М (Y ) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6+ 4 · 1/6+ 5 · 1/6+ 6 · 1/6 = 3,5;
D (Y ) = (1 – 3,5) 2 · 1/6 +(2 – 3,5) 2 · /6 + (3 – 3,5) 2 · 1/6 + (4 – 3,5) 2 · /6 +(5 – –3,5) 2 · 1/6 + (6 – 3,5) 2. · 1/6 = 2,917; σ (Y ) =Ö 2,917 = 1,708.
Задача 14. В денежной лотерее разыгрывается 1 выигрыш в 1000000 руб., 10 выигрышей по 100000 руб. и 100 выигрышей по 1000 руб. при общем числе билетов 10000. Найти закон распределения случайного выигрыша Х для владельца одного лотерейного билета.
Решение . Возможные значения для Х : х 1 = 0; х 2 = 1000; х 3 = 100000;
х 4 = 1000000. Вероятности их соответственно равны: р 2 = 0,01; р 3 = 0,001; р 4 = 0,0001; р 1 = 1 – 0,01 – 0,001 – 0,0001 = 0,9889.
Следовательно, закон распределения выигрыша Х может быть задан следующей таблицей:
Задача 15 . Дискретная случайная величина Х задана законом распределения:
Построить многоугольник распределения.
Решение . Построим прямоугольную систему координат, причем по оси абсцисс будем откладывать возможные значения х i , а по оси ординат – соответствующие вероятности р i . Построим точки М 1 (1;0,2), М 2 (3;0,1), М 3 (6;0,4) и М 4 (8;0,3). Соединив эти точки отрезками прямых, получим искомый многоугольник распределения.
§2. Числовые характеристики случайных величин
Случайная величина полностью характеризуется своим законом распределения. Осредненное описание случайной величины можно получить при использовании ее числовых характеристик
2.1. Математическое ожидание. Дисперсия.
Пусть случайная величина может принимать значения с вероятностями соответственно .
Определение. Математическим ожиданием дискретной случайной величинаы называется сумма произведений всех ее возможных значений на соответствующие вероятности:
Свойства математического ожидания.
Рассеяние случайной величины около среднего значения характеризуют дисперсия и среднеквадратическое отклонение.
Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
Для вычислений используется следующая формула
Свойства дисперсии.
2. , где взаимно независимые случайные величины.
3. Среднеквадратическое отклонение .
Задача 16. Найти математическое ожидание случайной величины Z = X+ 2Y , если известны математические ожидания случайных величин X и Y : М (Х ) = 5, М (Y ) = 3.
Решение . Используем свойства математического ожидания. Тогда получаем:
М (Х+ 2Y ) = М (Х ) + М (2Y ) = М (Х ) + 2М (Y ) = 5 + 2 . 3 = 11.
Задача 17. Дисперсия случайной величины Х равна 3. Найти дисперсию случайных величин: а) –3Х; б) 4Х + 3.
Решение . Применим свойства 3, 4 и 2 дисперсии. Имеем:
а) D (–3Х ) = (–3) 2 D (Х ) = 9 D (Х ) = 9 . 3 = 27;
б) D (4 Х + 3) = D (4Х ) + D (3) = 16D (Х ) + 0 = 16 . 3 = 48.
Задача 18. Дана независимая случайная величина Y – число очков, выпавших при бросании игральной кости. Найти закон распределения, математическое ожидание, дисперсию и среднее квадратичное отклонение случайной величины Y .
Решение. Таблица распределения случайной величины Y имеет вид:
Тогда М (Y ) = 1 · 1/6 + 2 · 1/6 + 3 · 1/6+ 4 · 1/6+ 5 · 1/6+ 6 · 1/6 = 3,5;
D (Y ) = (1 – 3,5) 2 · 1/6 +(2 – 3,5) 2 · /6 + (3 – 3,5) 2 · 1/6 + (4 – 3,5) 2 · /6 +(5 – –3,5) 2 · 1/6 + (6 – 3,5) 2. · 1/6 = 2,917; σ (Y ) =Ö 2,917 = 1,708.
Ответ: Рассмотрим прерывную случайную величину Х с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т. е. произойдет одно из полной группы несовместных событий:
Обозначим вероятности этих событий буквами р с соответствующими индексами:
Т. е. распределение вероятностей различных значений может быть задано таблицей распределения, в которой в верхней строке указываются все значения, принимаемые данной дискретной случайной величиной, а в нижней – вероятности соответствующих ей значений. Так как несовместные события (3.1) образуют полную группу, то , т. е. сумма вероятностей всех возможных значений случайной величины равна единице. Распределение вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равна нулю. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т. е. в точности укажем, какой вероятностью обладает каждое из событий. Этим мы установим так называемый закон распределения случайной величины. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения. Установим форму, в которой может быть задан закон распределения прерывной случайной величины X. Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:
| x i | x 1 | x 2 | × × × | x n |
| p i | p 1 | p 2 | × × × | p n |
Такую таблицу мы будем называть рядом распределения случайной величины X.
Рис. 3.1
Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 3.1). Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. он является одной из форм закона распределения. Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в n
отдельных точках сосредоточены соответственно массы 
. Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.