Một số phân phối liên tục quan trọng -1

Chia sẻ: Le Nhu | Ngày: | Loại File: PDF | Số trang:6

Thêm vào BST

Báo xấu

200
lượt xem 14
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Một số phân phối liên tục quan trọng 1. Phân phối đều Định nghĩa 1.1. Biến ngẫu nhiên X được gọi là có phân phối đều trên đoạn [a, b] nếu hàm mật độ của nó có dạng: Hàm phân phối của X có dạng Ví dụ 1.2. Bắt đầu từ 7h, cứ 15phút lại có một chuyến xe bus dừng tại bến. Giả sử một hành khách đến bến ngẫu nhiên trong khoảng thời gian từ 7h đến 7h30. Tính xác suất để hành khách đó phải chờ cho đến khi có xe không quá 5 phút; nhiều hơn 10 phút. Giải....

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Một số phân phối liên tục quan trọng -1

Một số phân phối liên tục quan trọng 1. Phân phối đều Định nghĩa 1.1. Biến ngẫu nhiên X được gọi là có phân phối đều trên đoạn [a, b] nếu hàm mật độ của nó có dạng: Hàm phân phối của X có dạng Ví dụ 1.2. Bắt đầu từ 7h, cứ 15phút lại có một chuyến xe bus dừng tại bến. Giả sử một hành khách đến bến ngẫu nhiên trong khoảng thời gian từ 7h đến 7h30. Tính xác suất để hành khách đó phải chờ cho đến khi có xe không quá 5 phút; nhiều hơn 10 phút. Giải. Ký hiệu X là khoảng thời gian tính từ 7h đến thời điểm khách tới bến. Vì X có phân phối đều trên (0, 30) nên hành khách đó phải chờ không quá 5 phút nếu anh ta đến bến trong khoảng thời gian từ 7h10 đến 7h15 hoặc trong khoảng thời gian từ 7h25 đến 7h30. Vậy
P(chờ không quá 5 phút) = P(10 < X < 15) + P(25 < X < 30) Tương tự, hành khách đó phải chờ nhiều hơn 10 phút nếu anh ta đến bến trong khoảng thời gian từ 7h đến 7h05 hoặc trong khoảng thời gian từ 7h15 đến 7h20. Vậy P(chờ nhiều hơn 10 phút) = P(0 < X < 5) + P(15 < X < 20) = Định lý 1.3. Nếu X là biến ngẫu nhiên có phân phối đều trên đoạn [a, b] thì E(X) = Chứng minh. Ta có Từ đó,
2. Phân phối mũ Định nghĩa 2.1. Biến ngẫu nhiên X được gọi là có phân phối mũ tham số nếu hàm mật độ của nó có dạng Hàm phân phối của X có dạng Một tính chất quan trọng của phân phối mũ l à tính chất không nhớ. Ta nói biến ngẫu nhiên không âm X không nhớ nếu với mọi s, t ta có hoặc tương đương P(X > s + t) = P(X > s). P(X > t). Đẳng thức trên đúng nếu X có phân phối mũ
Định lý 2.2. Nếu X là biến ngẫu nhiên có phân phối mũ tham số thì E(X) = Chứng minh. Ta có Từ đó, Ví dụ 2.3. Cho X là biến ngẫu nhiên có phân phối mũ tham số Tính kỳ vọng và độ lệch tiêu chuẩn của biến ngẫu nhiên Y = . Giải. Hàm mật độ của X là Từ đó suy ra
và 3. Phân phối chuẩn Định nghĩa 3.1. Biến ngẫu nhiên X được gọi là có phân phối chuẩn tổng quát tham số a, s2 , ký hiệu N(a,s2) nếu hàm mật độ của nó có dạng: ,x Đồ thị của hàm mật độ chuẩn có dạng hình quả chuông (xem hình bên)
* Trường hợp đặc biệt khi a = 0, s = 1, hàm mật độ của X có dạng: và hàm phân phối với x Î R. Khi đó, X được gọi là có phân phối chuẩn tắc, ký hiệu N(0, 1). Với x > 0, các giá trị của hàm F(x) được tính gần đúng trong cho trong bảng N(0, 1) (xem cuối sách giáo khoa). Với x < 0, sử dụng tính chất F(- x) = 1 - F(x). Mệnh đề 3.2. Nếu X là biến ngẫu nhiên có phân phối chuẩn dạng N(a,s2) thì i1. Biến ngẫu nhiên Z = có phân phối chuẩn dạng N(0;1). i2. P[a < X < b] = ( Ví dụ 3.3. Cho X là biến ngẫu nhiên có phân phối chuẩn N(3, 9). Tính P(2 < X < 5); P(X > 0) và Giải. Ta có a = 3 và . Từ đó