Одним из важнейших основных понятий теории вероятностей является понятие о случайной величине.
Случайной величиной называется величина, которая в результате опыта может принять то или иное значение, причем неизвестно заранее, какое именно.
Примеры случайных величин:
1) число попаданий при трех выстрелах;
2) число вызовов, поступавших на телефонную станцию за сутки;
3) частота попадания при 10 выстрелах.
Во всех трех приведенных примерах случайные величины могут принимать отдельные, изолированные значения, которые можно заранее перечислить.
Так, в примере 1) эти значения:
в примере 2):
в примере 3)
0; 0,1; 0,2; …; 1,0.
Такие случайные величины, принимающие только отделенные друг от друга значения, которые можно заранее перечислить, называются прерывными или дискретными случайными величинами.
Существуют случайные величины другого типа, например:
1) абсцисса точки попадания при выстреле;
2) ошибка взвешивания тела на аналитических весах;
3) скорость летательного аппарата в момент выхода на заданную высоту;
4) вес наугад взятого зерна пшеницы.
Возможные значения таких случайных величин не отделены друг от друга; они непрерывно заполняют некоторый промежуток, который иногда имеет резко выраженные границы, а чаще – границы неопределенные, расплывчатые.
Такие случайные величины, возможные значения которых непрерывно заполняют некоторый промежуток, называются непрерывными случайными величинами.
Понятие случайной величины играет весьма важную роль в теории вероятностей. Если «классическая» теория вероятностей оперировала по преимуществу с событиями, то современная теория вероятностей предпочитает, где только возможно, оперировать со случайными величинами.
Приведем примеры типичных для теории вероятностей приемов перехода от событий к случайным величинам.
Производится опыт, в результате которого может появиться или не появиться некоторое событие. Вместо события можно рассмотреть случайную величину , которая равна 1, если событие происходит, и равна 0, если событие не происходит. Случайная величина, очевидно, является прерывной; она имеет два возможных значения: 0 и 1. Эта случайная величина называется характеристической случайной величиной события . На практике часто вместо событий оказывается удобнее оперировать их характеристическими случайными величинами. Например, если производится ряд опытов, в каждом из которых возможно появление события , то общее число появлений события равно сумме характеристических случайных величин события во всех опытах. При решении многих практических задач пользование таким приемом оказывается очень удобным.
С другой стороны, очень часто для вычисления вероятности события оказывается удобно связать это событие с какой-то непрерывной случайной величиной (или системой непрерывных величин).
Пусть, например, измеряются координаты какого-то объекта О для того, чтобы построить точку М, изображающую этот объект на панораме (развертке) местности. Нас интересует событие , состоящее в том, что ошибка R в положении точки М не превзойдет заданного значения (рис. 2.4.1). Обозначим случайные ошибки в измерении координат объекта. Очевидно, событие равносильно попаданию случайной точки М с координатами в пределы круга радиуса с центром в точке О. Другими словами, для выполнения события случайные величины и должны удовлетворять неравенству
Вероятность события есть не что иное, как вероятность выполнения неравенства (2.4.1). Эта вероятность может быть определена, если известны свойства случайных величин .
Такая органическая связь между событиями и случайными величинами весьма характерна для современной теории вероятностей, которая, где только возможно, переходит от «схемы событий» к «схеме случайных величин». Последняя схема сравнительно с первой представляет собой гораздо более гибкий и универсальный аппарат для решения задач, относящихся к случайным явлениям.
Если классическая теория вероятностей изучала, в основном, события и вероятность их появления (наступления), то современная теория вероятностей изучает случайные явления и их закономерности с помощью случайных величин. Понятие случайной величины, таким образом, является основополагающим в теории вероятностей. Ещё ранее проводились события, состоящие в появлении того или иного числа. Например, при бросании игральной кости могли появиться числа 1, 2, 3, 4, 5, 6. Наперёд определить число появившихся очков невозможно, поскольку оно зависит от многих случайных причин, которые полностью не могут быть учтены. В этом смысле число очков есть величина случайная, а числа 1, 2, 3, 4, 5 и 6 есть возможные значения этой величины.
Случайной величиной называется величина, которая в результате опыта принимает то или иное (причём, одно и только одно) возможное числовое значение, наперёд неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.
Случайны величины
принято, обычно, обозначать прописными
буквами
,
а их возможное значения - соответствующими
строчными буквамиНапример, если случайная величинаимеет три возможных значения, то они,
соответственно, обозначаются так:.
Для удобства будем писать:
.
ПРИМЕР 1 . Число родившихся мальчиков среди ста новорожденных есть величина случайная, которая имеет следующие возможные значения: 0, 1, 2, ..., 100.
ПРИМЕР 2 . Расстояние, которое пролетит снаряд при выстреле из орудия, есть также величина случайная. Действительно, расстояние зависит не только от установки прицела, но и от многих других причин (силы и направления ветра, температуры и т. п.), которые не могут быть полностью учтены. Возможные значения этой величины, очевидно, принадлежат некоторому промежутку (интервалу) .
Заметим, что с каждым случайным событием можно связать какую-либо случайную величину, принимающую значения из R. Например, опыт - выстрел по мишени; событие - попадание в мишень; случайная величина - число попаданий в мишень.
Вернёмся к примерам, приведённым выше. В первом из них случайная величина могла принять одно из следующих возможных значений: 0, 1, 2,..., 100. Эти значения отделены одно от другого промежутками, в которых нет возможных значений. Таким образом, в этом примере случайная величина принимает отдельные, изолированные, возможные значения.
Во втором примере случайная величина могла принять любое из значений промежутка . Здесь нельзя отделить одно возможное значение от другого промежутком, не содержащим возможных значений случайной величины.
Уже из сказанного можно заключить о целесообразности различать случайные величины, принимающие лишь отдельные, изолированные значения и случайные величины, возможные значения которых сплошь заполняют некоторый промежуток.
Дискретной ( прерывной ) случайной величиной называется такая случайная величина, которая принимает конечное или счётное множество 1 различных значений. Другими словами - это такая случайная величина, которая принимает отдельные, изолированные возможные значения с определенными вероятностями.
Число возможных значений дискретной случайной величины может быть конечным или бесконечным.
Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка действительной числовой оси.
Очевидно, во-первых, число возможных значений непрерывной случайной величины – бесконечно. Во-вторых, дискретная случайная величина является частным случаем непрерывной случайной величины.
Закон распределения вероятностей
I . Закон распределения вероятностей дискретной случайной величины
На первый взгляд может показаться, что для задания дискретной случайной величины достаточно перечислить все её возможные значения. В действительности это не так: различные случайные величины иногда могут иметь одинаковые перечни возможных значений, а соответствующие вероятности этих значений – различные. Поэтому для полной характеристики мало знать значения случайной величины, нужно ещё знать, как часто эти значения встречаются в опыте при его повторении, т.е. нужно ещё указать вероятности их появления.
Рассмотрим
случайную величину
.
Появление каждого их возможных значенийсвидетельствует о том, что произошло
соответственно одно из событий,
которые образуют полную группу 2 .
Допустим, что вероятности этих событий
известны:
,
. . . ,
,
Тогда: соответствие, устанавливающее связь между возможными значениями случайной величины и их вероятностями, называется законом распределения вероятностей случайной величины , или просто – законом распределения случайной величины.
Закон распределения вероятностей данной случайной величины можно задать таблично (ряд распределения), аналитически (в виде формулы) и графически.
При табличном задании закона распределения дискретной случайной величины первая строка таблицы содержит возможные значения, а вторая - их вероятности, т.е.
В целях наглядности закон распределения дискретной случайной величины можно изобразить и графически, для чего в прямоугольной системе координат строят точки , а затем соединяют их отрезками прямых. Полученную фигуру называют многоугольником распределения. При этом, сумма ординатпостроенного многоугольника равна единице.
Аналитически закон распределения дискретной случайной величины можно записать, например, используя формулу Бернулли для схемы повторения независимых опытов. Так, если обозначить случайную величину, которой является число бракованных деталей в выборке, через , то возможные её значениябудут 0, 1, 2, . . . ,. Тогда, очевидно, формула Бернулли будет устанавливать зависимость между значениямии вероятностью() их появления, где
,
что о определяет закон распределения данной случайной величины.
II . Закон распределения вероятностей непрерывной случайной величины
Вспомним, что дискретная случайная величина задаётся перечнем всех её возможных значений и их вероятностей. Такой способ задания не является общим: он не применим, например, для непрерывных случайных величин.
Действительно, рассмотрим случайную величину , возможные значения которой сплошь заполняют интервал. Можно ли составить перечень всех возможных значений? Очевидно, что этого сделать нельзя. Этот пример указывает на целесообразность дать общий способ задания любых типов случайных величин (как уже отмечалось, дискретная случайная величина является частным случаем непрерывной случайной величины). С этой целью вводятинтегральную функцию распределения.
Пусть
–
переменная, принимающая произвольные
действительные значения (на оси:) . Рассмотрим событие,
состоящее в том, что случайная величинапримет значение меньшее.
Тогда, вероятность
событиязависит от,
т.е. является функцией от.
Эту функцию принято обозначать
черези называть функцией распределения
случайной величины или, ещё – интегральной
функцией распределения. Другими словами:
интегральной функцией распределения называют функцию , определяющую для каждого значенияR вероятность того, что случайная величина примет значение, меньшее, т.е.
.
Геометрически это равенство можно истолковывать так: есть вероятность того, что случайная величина примет значение, которое изображается на числовой оси точкой, лежащей левее точки.
Свойства интегральной функции :
Доказательство этого свойства вытекает из определения интегральной функции как вероятности: вероятность всегда есть неотрицательное число, не превышающее единицы.
Действительно,
пусть
–
событие, состоящее в том, что случайная
величинапримет
значение меньшее;
аналогично,
–
событие, состоящее в том, что случайная
величинапримет
значение меньшее.
Другими словами:
или, что то же самое:Что и требовалось показать.
Это свойство вполне
очевидно. Так, если
-
достоверное событие, а
– невозможное событие, то
Но
,
В результате, можем записать:,
что и требовалось показать.
Мы будем в основном изучать такие непрерывные случайные величины, функции распределения которых непрерывны.
.
Для непрерывной случайной величины более наглядной является не интегральная, а дифференциальная функция распределения или, так называемая, плотность распределения случайной величины.
§ 1. ПОНЯТИЕ СЛУЧАЙНОЙ ВЕЛИЧИНЫ.
В физике и других науках о природе встречается много различных величин разной природы, как например: время, длина, объём, вес и т.д. Постоянной величиной называют ве- личину, принимающую лишь одно фиксированное значение. Величины, которые могут принимать различные значения, на-зываются переменными. Величина считается заданной, если указано множество значений, которые она может принимать. Если однозначно известно, какое именно значение из множества примет величина при создании опреде- лённых условий, то о ней говорят как об «обычной», детерминированной величине. Примером такой величины является количество букв в слове. Большинство физических величин измеряются при помощи приборов с присущей им точностью измерений и, в смысле приведенного определения, они не являются «обычными». Такого рода «необычные» величины называются случайными . Для случайных величин множество целесообразно назвать множеством возможных значений. Случайная величина принимает то или иное значе- ние с некоторой вероятностью. Заметим, что все величины можно считать случайными, так как детерминированная вели-чина – это случайная величина, принимающая каждое значение с вероятностью, равной единице. Всё сказанное выше является достаточным основанием для изучения случайных величин.
Определение. Случайной величиной называется величина, которая в результате опыта может принимать то или иное (но обязательно только одно) значение, причём заранее, до опыта, неизвестно, какое именно.
Понятие случайной величины является фундаментальным понятием теории вероятностей и играет важную роль в её приложениях.
Случайные величины обозначаются: , а их зна -чения, соответственно: .
Выделяют два основных класса случайных величин: диск -ретные и непрерывные.
Определение. Дискретной случайной величиной называют случайную величину, число возможных значений которой конечное либо счётное множество.
Примеры дискретных случайных величин:
1. - частота попаданий при трёх выстрелах. Возможные значения: 
2. - число деффектных изделий из штук. Возможные значения:
3. - число выстрелов до первого попадания. Возможные значения:
Определение. Непрерывной случайной величиной называют такую случайную величину, возможные значения которой не –прерывно заполняют некоторый промежуток (конечный или бесконечный).
Примеры непрерывных случайных величин:
1. - случайное отклонение по дальности от точки попада- ния до цели при выстреле из орудия.
Так как снаряд может попасть в любую точку, интервала, ограниченного минимальным и максимальным значениями дальности полёта снаряда, возможных для данного орудия, то возможные значения случайной величины заполняют про -межуток между минимальным и максимальным значением.
2. - ошибки при измерении радиолокатором.
3. - время работы прибора.
Случайная величина является своего рода абстрактым вы- ражением некоторого случайного события. С каждым случай -ным событием можно связать одну или несколько характеризу- ющих его случайных величин. Например, при стрельбе по ми -шени можно рассмотреть такие случайные величины: число попаданий в мишень, частота попаданий в мишень, количество очков, набираемых при попадании в определённые области мишени и т.д.
§ 2 ЗАКОНЫ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ
СЛУЧАЙНЫХ ВЕЛИЧИН.
Определение. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь меж- ду возможными значениями случайной величины и соответст- вующими им вероятностями.
Если вспомнить определение функции, то закон распреде -ления является функцией, область определения которой есть область значений случайной величины, а область значений рассматриваемой функции состоит из вероятностей значений случайной величины.
2.1. РЯД РАСПРЕДЕЛЕНИЯ
Рассмотрим дискретную случайную величину , воз- можные значения которой нам известны. Но зна- ние значений случайной величины, очевидно, не позволяет нам её полностью описать, так как мы не можем сказать, насколь- ко часто следует ожидать тех или иных возможных значений случайной величины при повторении опыта в одних и тех же условиях. Для этого необходимо знать закон распределения вероятностей.
В результате опыта дискретная случайная величина прини –мает одно из своих возможных значений, т.е. произойдёт одно из событий:
которые образуют полную группу несовместных событий.
Вероятности этих событий:
Простейшим законом распределения дискретной случайной величины является таблица, в которой приведены все возмож- ные значения случайной величины и соответствующие им ве –роятности:
Такую таблицу называют рядом распределения случайной величины .
Для наглядности, ряд распределения можно представить графиком:
Эта ломаная называется многоугольником распределения . Это также одна из форм задания закона распределения дискрет – ной случайной величины .
Сумма ординат многоугольника распределения, представля – ющая сумму вероятностей всех возможных значений случай -ной величины, равна единице.
Пример 1. Произведено три выстрела по мишени. Вероят- ность попадания при каждом выстреле равна 0,7. Составить ряд распределения числа попаданий.
Случайная величина - «число попаданий» может прин- мать значения от 0 до 3 – х, причём в этом случае вероят – ности определяются по формуле Бернулли:
.
| 0,027 | 0,189 | 0,441 | 0,343 |
Проверка
Пример 2. В урне назодится 4 белых и 6 чёрных щаров. Наугад извлекаются 4 шара. Найти закон распределения слу- чайной величины - «число белых шаров среди отобран -ных».
Эта случайная величина может принимать значения от 0 до 4 – х. Найдём вероятности аозможных значений случайной величины.
Можем проверить, что сумма полученных вероятностей рав- на единице.
2.2. ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ .
Ряд распределения нельзя построить для непрерывной слу- чайной величины, так как она принимает бесконечно много значений. Более универсальным законом распределения под- ходящим, как для дискретной, так и для непрерывной слу - чайной величины является функция распределения.
Определение. Функцией распределения (интегральным зако- ном распределения) случайной величины называется зада- ние вероятности выполнения неравенства , т.е.
(1)
Таким образом, функция распределения равна вероят -ности того, что случайная величина в результате опыта попа- дает левее точки .
Для дискретной случайной величины, для которой мы знаем ряд распределения:
функция распределения будет иметь вид:
График функции распределения дискретной случайной вели- чины - разрывная ступенчатая фигура. Для наглядности, рассмотрим пример.
Пример 3 Дан ряд паспределения. Найти функцию распре -деления и построить её график
| 0,2 | 0,1 | 0,3 | 0,4 |
По определению,
СВОЙСТВА ФУНКЦИИ РАСПРЕДЕЛЕНИЯ
1 Функция распределения - это неотрицательная фун- кция, значения которой заключены между 0 и 1, т.е.
2 Вероятность появления случайной величины в про- межутке равна разности значений функции распределения на концах промежутка:
3 Функция распределения - неубывающая функция, т.е. при выполнено: ;
Перейдём в равенстве (2) к пределу при . Полу- чим вместо вероятности попадания случайной величины в про- межуток вероятность точечного значения случайной величины, т.е.
Значение этого предела зависит от того, является ли точка точкой непрерывности функции , или в этой точке функция имеет разрыв. Если функция непрерыв- на в точка , то предел равен 0, т.е. . Если же в этой точке функция имеет разрыв (1 – го ро- да), то предел равен значению скачка функции в точке .
Так как непрерывная случайная величина имеет непрерыв -ную функцию распределения , то из равенства нулю предела (3) следует, что вероятность любого фиксированного значения непрерывной случайной величины равна нулю. Это следует из того, что возможных значений непрерывной случайной величины бесконечно много. Из этого, в частности, следует, что следующие вероятности совпадают:
Приведённые свойства функции распределения можно сфор- мулировать следующим образом: функция распределения - это неотрицательная неубывающая функция, удовлетворяющая ус –ловиям: Обратное утверждение также имеет место: монотонно возрастающая непрерывная функция, удовлетворяющая условиям
является функцией распределения некоторой непрерывной слу- чайной величины. Если значения этой величины сосредоточе -ны на некотором промежутке , то график этой функции можно схематически изобразить следующим образом:
Рассмотрим пример. Функция распределения непрерывной случайной величины задана следующим образом:
Найти значение « », построить график и найти веро –ятность
Так как функция распределения непрерывной случайной ве- личины непрерывна, то - непрерывная функция, и при должно выполгяться равенство:
или , т.е.
Построим график этой функции
Найдём требуемую вероятность
Замечание. Функцию распределения, иногда ещё называют интегральным законом распределения . Ниже объясним, почему именно.
2.3 ПЛОТНОСТЬ РАСПРЕДЕЛЕНИЯ.
Так как с помощью функции распределения дискретной
случайной величины в любой точке мы можем определить вероятность возможных значений, то она однозначно опре- деляет закон распределения дискретной случайной величины.
Однако по функции распределения трудно судить о харак- тере распределения непрерывной случайной величины в не -большой окрестности той или иной точки числовой оси.
Более наглядное представление о характере распределения непрерывной случайной величины вблизи различных точек даёт функция, которую называют плотностью распределения (или дифференциальным законом распределения)
Пусть - непрерывная случайная величина с функцикй распределения . Найдём вероятность попадания этой случайной величины в элементарный участок .
По формуле (2), имеем
Разделим это равенство на
Отношение, стоящее слева, называется средней вероятно –стью на единице длины участка.
Считая функцию дифференцируемой, перейдём к перейдём в этом равенстве к пределу
Определение. Предел отношения вероятности попадания непрерывной случайной величины на элементарный участок к длине этого участка при называ- ется плотностью распределения непрерывной случайной ве – личины и обозначается Следовательно,
Плотность распределения показывает, насколько часто слу -чайная величина появляется в некоторой окрестности точ –ки при повторении опытов.
Кривая, изображающая график плотности распределения, на- зывается кривой распрелеления.
Если возможные значения случайной величины запол- няют некоторый промежуток , то вне этого промежутка.
Определение. Случайная величина называется непре – рывной , если её функция распределения непрерывна на всей числовой прямой, а плотность распределения не- прерывна везде, за исключением может быть конечного числа точек (точек разрыва 1 – го рода).
СВОЙСТВА ПЛОТНОСТИ РАСПРЕДЕЛЕНИЯ
1. Плотность распределения неотрицательна, т.е.
(это следует из того, что - производная неубывающей функции ).
2. Функция распределения непрерывной случайной величи-
ны равна интегралу от плотности распределения (и поэтому является интегральным законом распределения), т.е.
В самом деле, (по определению дифференциала функции). Следовательно,
На графике плотности распределения функция распределения
изображается площадью заштрихованной области.
3. Вероятность попадания случайной величины на участок равна интегралу от плотности распределения по этому промежутку, т.е. 
В самом деле,
4. Интеграл в бесконечных пределах от плотности распре –деления равен единице, т.е.
Другими словами, площадь фигуры под графиком плотности распределения равна 1. В частности, если возможные значе- ния случайной величины сосредоточены на участке , то
Пример. Пусть плотность распределения зазана функцией
Найти: а) значение параметра ; б) функцию распределения в) Вычислить вероятность того, что случайная величи- на примет значение из отрезка .
а) По свойству 4, . Тогда
б) По свойству 2, Если
Если , 
.
Таким образом,
в) По свойству 3,
§ 3. ЧИСЛОВЫЕ ХАРАКТЕРИСТИКИ СЛУЧАЙНЫХ
При решении многих практических задач нет необходимости знать все вероятностные характеристики случайной величины. Иногда достаточно знать только некоторые числовые характе - ристики закона распределения.
Числовые характеристики позволяют в сжатой форме выра -зить наиболее существенные особенности того или иного рас- пределения.
О каждой случайной величине прежде всего необходимо знать её среднее значения, около которого группируются все возможные значения этой величины, а также некоторое число, характеризующее степень рассеяния этих значений относитель- но среднего.
Различают характеристики положения и характеристики рас- сеяния. Одной из самых важных характеристик положения яв- ляется математическое ожидание.
3.1 Математическое ожидание (среднее значение).
Рассмотрим сначала дискретную случайную величину, име -ющую возможные значения с вероятностями
Определение. Математическим ожиданием дискретной слу- чайной величины называется сумма произведений всех возможных значений этой величины на их вероятности, т.е.
По другому, математическое ожидание обозначается
Пример. Пусть дан ряд распределения:
| 0,2 | 0,1 | 0,3 | 0,4 |
Рассмотрим теперь непрерывную случайную величину все возможные значения которой заключены в отрезке .
Разобьём этот отрезок на частичных отрезков, длины которых обозначим: 
, и в каждом частичном интервале возьмём по произвольной точке, соответственно .
Так как произведение при- ближённо равно вероятности попадания случайной величины на элементарный участок , то сумма произведений 
составленная по аналогии с опреде -лением математического ожидания дискретной случайной ве- личины, приближённо равна математическому ожиданию не -прерывной случайной величины Пусть .
Тогда 
Определение. Математическим ожиданием непрерывной случайной величины называется следующий определённый интеграл:
(2)
Если непрерывная случайная величина принимает значения на всей числовой прямой, то 
Пример. Пусть дана плотность распределения непрерывной случайной величины:
Тогда её математическое ожидание:
Понятие математического ожидания имеет простую меха -ническую интерпретацию. Распределение вероятностей слу -чайной величины можно интерпретироварь как распределение единичной массы по прямой. Дискретной случайной величине, принимающей значения с вероятностями соответствует прямая, на которой массы сосредоточены в точках . Непре- рывной случайной величине отвечает непрерывное распреде -ление масс на всей прямой или на конечном отрезке этой прямой. Тогда математическое ожидание - это абсцисса цент- ра тяжести .
СВОЙСТВА МАТЕМАТИЧЕСКОГО ОЖИДАНИЯ
1. Математическое ожидание постоянной величины равно самой постоянной:
2. Постоянный множитель можно вынести за знак матема- тического ожидания:
3. Математическое ожидание алгебраической суммы слу –чайных величин равна алгебраической сумме их мате- матических ожиданий:
4. Математическое ожидание произведения независимых случайных величин равно произведению их математи -ческих ожиданий:
5. Математическое ожидание отклонения случайной вели- чины от её математического ожидания равно нулю: 
3.2. Мода и медиана случайной величины.
Это ещё две характеристики положения случайной вели- чины.
Определение. Модой дискретной случайной величины называется её наиболее вероятное значение. Для непрерыв –ной случайной величины мода - это точка максимума функ- ции .
Если многоугольник распределения (для дискретной случай- ной величины) или кривая распределение (для непрерывной случайной величины) имеет две или более точек максимума, то распределение называется двухмодальным или многомо -дальным, соответственно.
Если нет ни одной точки максимума, то распределение называется антимодальным.
Определение. Медианой случайной величины на – зывается такое её значение, относитеоьно которого равноверо- ятны получение большего или меньшего значения случайной величины, т.е.
Другими словами, - это абсцисса точки, в которой площадь под графиком плотности распределения (многоуголь- ником распределения) делится пополам.
Пример. Дана плотность случайной величины:
Найти медиану этой случайной величины.
Медиану найдём из условия 
. В нашем случае,
Из четырёх корней необходимо выбрать тот, который заключён между 0 и 2, т.е. 
Замечание . Если распределение случайной величины одно- модальное и симметричное (нормальное), то все три характе -ристики положения: математическое ожидание, мода и медиа -на, совпадают.
3.3 Дисперсия и среднее квадратическое отклонение.
Значения наблюдаемых случайных величин, обычно, более или менее колеблются около некоторого среднего значения. Это явление называется рассеянием случайной величины око- ло её среднего значения. Числовые характеристики, показыва- ющие, насколько плотно сгруппированы возможные значения случайной велипины около среднего, называются характерис – тиками рассеяния. Из свойства 5 математического ожидания следует, что линейное отклонение значений случайной вели –чины от среднего значения не может служить характеристикой рассеяния, так как положительные и отрицательные отклоне –ния «гасят» друг друга. Поэтому основной характеристикой рассеяния случайной величины принято считать математичес - кое ожидание квадрата отклонения случайной величины от среднего.
Определение. Дисперсией называется математическое ожи –дание квадрата отклонения случайной величины от её матема- тического ожидания (среднего значения), т.е.
(3)
(4) для непрерывной случайной величины:
(5)
Но, несмотря на удобства этой характеричтики рассеяния, желательно иметь характеристику рассеяния соразмерную с самой случайной величиной и её математическим ожиданием.
Поэтому вводится ещё одна характеристика рассеяния, кото -рая называется средним квадратическим отклонением и рав -на корню из дисперсии, т.е. .
Для вычисления дисперсии удобно пользоваться формулой, которую даёт следующая теорема.
ТЕОРЕМА. Дисперсия случайной величины равна разности между математическим ожиданием квадрата случайной вели -чины и квадратом её математического ожиданием, т.е.
В самом деле, по определению
Так как .
СВОЙСТВА ДИСПЕРСИИ:
1. Дисперсия постоянной случайной величины равна нулю, т.е.
2. Постоянный множитель сучайной величины выносится из дисперсии с квадратом, т.е. 
3. Дисперсия алгебраической суммы двух случайных вели- чин равна сумме их дисперсий, т.е.
Следствие
из 2 и 3 свойств: 
Рассмотрим примеры..
Пример 1. Дан ряд распределения дискретной случайной величины. Найти её среднее квадратическое отклонение.
| - 1 | |||||
| 0,2 | 0,05 | 0,2 | 0,3 | 0,25 |
Сначала найдём
Тогда среднее квадратическое отклонение
Пример 2 . Пусть дана плотность распределения непрерыв -ной случайной величины:
Найти её дисперсию и среднее квадратическое отклонение.
3.4 Моменты случайных величин.
Различают моменты двух видов: начальные и центральные.
Определение. Начальным моментом порядка случайной
величины называют математическое ожидание величины , т.е. .
Для дискретной случайной величины:
Для непрерывной случайной величины: 
В частности, математическое ожидание - это началь- ный момент 1 – го порядка.
Определение. Центральным моментом полрядка
слу -чайной величины называется математическое ожидание ве- личины , т.е. 
Для дискретной случайной величины: 
Для непрерывной - 
Центральный момент 1 – го порядка равен нулю (свойство 5 математического ожидания); ; характеризует асимметрию (скощенность) графика плотности распределения. называется коэффициентом асимметрии.
Служит для характеристики островерхости распределения.
Определение. Эксцессом случайной величины называет- ся число
Для номально распределённой случайной величины отноше- ние . Поэтому кривые распределения, более островер- хие, чем нормальная, имеют положительный эксцесс (), а более плосковерхие имеют отрицательный эксцесс ().
Пример. Пусть дана плотность распределения случайной величины :
Найти коэффициент асимметрии и эксцесс этой случайной величины.
Найдём необходимые для этого моменты:
Тогда коэффициент асимметрии: 
(отрицательная асимметрия).
Случайная величина - это величина, которая принимает в результате опыта одно из множества значений, причём появление того или иного значения этой величины до её измерения нельзя точно предсказать.
Формальное математическое определение следующее: пусть - вероятностное пространство, тогда случайной величиной называется функция , измеримая относительно и борелевской σ-алгебры на . Вероятностное поведение отдельной (независимо от других) случайной величины полностью описывается её распределением.
Определение [править]
Пространство элементарных событий [править]
Пространство элементарных событий в случае бросания игральной кости
Если бросается игральная кость, то в результате верхней гранью может оказаться одна из шести граней с количеством точек от одной до шести. Выпадение какой-либо грани в данном случае в теории вероятностей называется элементарным событием , то есть
Множество всех граней 
образует пространство элементарных событий , подмножества которого называются случайными событиями . В случае однократного подбрасывания игровой кости примерами событий являются
Алгебра событий [править]
Множество случайных событий образует алгебру событий , если выполняются следующие условия:
Если вместо третьего условия удовлетворяет другому условию: объединение счётного подсемейства из также принадлежит , то множество случайных событий образует σ-алгебру событий.
Алгебра событий является частным случаем σ-алгебры множеств.
Самая маленькая среди всех возможных -алгебр, элементами которой являются все интервалы на вещественной прямой, называется борелевской σ-алгеброй на множестве вещественных чисел .
Вероятность [править]
Если каждому элементарному событию поставить в соответствие число , для которого выполняется условие:
то считается, что заданы вероятности элементарных событий . Вероятность события, как счётного подмножества пространства элементарных событий, определяется как сумма вероятностей тех элементарных событий, которые принадлежат этому событию. Требование счётности важно, так как, иначе сумма будет не определена.
Рассмотрим пример определения вероятности различных случайных событий. Например, если событие является пустым множеством, то его вероятность равна нулю :
Если событием является пространство элементарных событий, то его вероятность равна единице:
Вероятность события (подмножества пространства элементарных событий) равна сумме вероятностей тех элементарных событий, которые включает в себя рассматриваемое событие.
Определение случайной величины [править]
Случайной величиной называется функция , измеримая относительно и борелевской σ-алгебры на .
Случайную величину можно определить и другим эквивалентным способом . Функция называется случайной величиной, если для любых вещественных чисел и множество событий , таких что 
, принадлежит .
Примеры [править]
равно среднему арифметическому всех принимаемых значений.
.
,
то есть математическое ожидание не определено.
Классификация [править]
Случайные величины могут принимать дискретные, непрерывные и дискретно-непрерывные значения. Соответственно случайные величины классифицируют на дискретные, непрерывные и дискретно-непрерывные (смешанные).
На схеме испытаний может быть определена как отдельная случайная величина (одномерная/скалярная), так и целая система одномерных взаимосвязанных случайных величин (многомерная/векторная).
С одной стороны, с одной схемой испытаний и с отдельными событиями в ней одновременно может быть связано сразу несколько числовых величин, которые требуется анализировать совместно.
Поскольку значения числовых характеристик схем испытания соответствуют в схеме некоторым случайным событиям (с их определёнными вероятностями), то и сами эти значения являются случайными (с теми же вероятностями). Поэтому такие числовые характеристики и принято называть случайными величинами. При этом расклад вероятностей по значениям случайной величины называется законом распределения случайной величины.
Методы описания [править]
Частично задать случайную величину, описав этим все её вероятностные свойства как отдельной случайной величины, можно с помощью функции распределения, плотности вероятности и характеристической функции, определяя вероятности возможных её значений. Функция распределения F(x) является вероятностью того, что значения случайной величины меньше вещественного числа x. Из этого определения следует, что вероятность попадания значения случайной величины в интервал
Случайная величина, вообще говоря, может принимать значения в любом измеримом пространстве. Тогда её чаще называют случайным вектором или случайным элементом. Например,
См. также [править]
Примечания [править]
Литература [править]
