Дискретная случайная величина¶
Дискретная случайная величина — это случайная величина, множество значений которой конечно или счётно бесконечно. Она принимает лишь отдельные, изолированные значения (как правило, числа), каждому из которых сопоставлена определённая вероятность. Дискретные случайные величины противопоставляются непрерывным, значения которых заполняют некоторый интервал числовой прямой.
¶Основные понятия
Дискретная случайная величина ξ определяется на вероятностном пространстве (Ω, F, P) и принимает значения x₁, x₂, …, xₙ (конечный случай) или x₁, x₂, … (счётно бесконечный случай). Каждому возможному значению xᵢ сопоставляется вероятность pᵢ = P(ξ = xᵢ).
Ключевые свойства:
- Дискретность — множество значений не имеет предельных точек внутри себя (или их конечное число).
- Аддитивность вероятностей — P(ξ ∈ A) = Σ pᵢ по всем xᵢ ∈ A для любого подмножества A множества значений.
- Полная вероятность — сумма вероятностей всех возможных значений равна единице: Σ pᵢ = 1.
¶Закон распределения
Закон распределения дискретной случайной величины задаётся перечнем всех её возможных значений и соответствующих им вероятностей. Он может быть представлен в нескольких формах:
| Форма | Описание |
|---|---|
| Таблица | Перечисление пар (xᵢ, pᵢ) |
| Формула | pᵢ = f(xᵢ), аналитическое выражение |
| Функция распределения | F(x) = P(ξ ≤ x) — ступенчатая функция |
Функция распределения дискретной случайной величины имеет вид ступенчатой функции: она постоянна между значениями xᵢ и скачком в точке xᵢ возрастает на pᵢ.
¶Основные характеристики
¶Математическое ожидание
Математическое ожидание дискретной случайной величины вычисляется по формуле:
M(ξ) = Σ xᵢ · pᵢ
для конечного набора значений или M(ξ) = Σ xᵢ · pᵢ (при сходимости ряда) для счётно бесконечного. Математическое ожидание представляет собой средневзвешенное значение всех возможных исходов с весами, равными их вероятностям.
¶Дисперсия и стандартное отклонение
Дисперсия характеризует разброс значений вокруг математического ожидания:
D(ξ) = M[(ξ − M(ξ))²] = M(ξ²) − [M(ξ)]² = Σ (xᵢ − M(ξ))² · pᵢ
Стандартное отклонение σ = √D(ξ) имеет ту же размерность, что и сама случайная величина.
¶Высшие моменты
Помимо математического ожидания и дисперсии, для дискретных случайных величин определяются моменты k-го порядка M(ξᵏ) и центральные моменты, описывающие асимметрию (коэффициент асимметрии) и эксцесс распределения.
¶Основные дискретные распределения
| Распределение | Область применения |
|---|---|
| Равномерное | Все исходы равновероятны (бросок честного кубика) |
| Бернулли | Два исхода: успех/неуспех с вероятностью p |
| Биномиальное | Число успехов в n независимых испытаниях Бернулли |
| Пуассона | Число редких событий за фиксированный интервал времени |
| Геометрическое | Число испытаний до первого успеха |
| Отрицательное биномиальное | Число испытаний до k-го успеха |
| Гипергеометрическое | Выборка без возврата из конечной совокупности |
¶Пример: биномиальное распределение
Если провести n независимых испытаний, в каждом из которых вероятность успеха равна p, то число успехов X имеет биномиальное распределение:
P(X = k) = C(n, k) · pᵏ · (1 − p)ⁿ⁻ᵏ, k = 0, 1, …, n
Математическое ожидание M(X) = np, дисперсия D(X) = np(1 − p).
¶Пример: распределение Пуассона
Распределение Пуассона описывает число событий, происходящих в единицу времени при малой вероятности каждого события:
P(X = k) = λᵏ · e⁻λ / k!, k = 0, 1, 2, …
где λ — интенсивность потока событий. M(X) = D(X) = λ.
¶Связь с непрерывными случайными величинами
Непрерывная случайная величина — это случайная величина, функция распределения которой непрерывна. Практически любую непрерывную случайную величину можно аппроксимировать дискретной: если ограничить точность измерения, непрерывное распределение превращается в дискретное с шагом, равным точности прибора. Обратная операция — переход от суммы к интегралу — лежит в основе математической статистики и теории вероятностей.
¶Применение
Дискретные случайные величины используются в широком спектре областей:
- Теория игр и принятие решений — моделирование исходов с конечным набором вариантов.
- Информация и кодирование — энтропия Шеннона для дискретных источников.
- Контроль качества — число бракованных изделий в партии (биномиальное распределение).
- Телекоммуникации — число ошибок передачи, число вызовов на телефонный узел (распределение Пуассона).
- Финансовый анализ — моделирование числа дефолтов, скачков цены.
- Физика — счёт событий в ядерных экспериментах, распределение числа частиц.
¶История
Понятие дискретной случайной величины оформилось в рамках аксиоматической теории вероятностей, созданной Андреем Колмогоровым в 1933 году в труде «Основания теории вероятностей». Ранее, в XVII–XVIII веках, Паскаль, Ферма, Бернулли и Пуассон решали задачи, приводящие к дискретным распределениям, не располагая общей теорией.
¶Источники
- Колмогоров А. Н. Основания теории вероятностей. — М.: Наука, 1974.
- Феллер В. Введение в теорию вероятностей и её приложения. — М.: Мир, 1986.
- Гнеденко Б. В. Курс теории вероятностей. — М.: Наука, 1989.
- Боровков А. А. Математическая статистика. — М.: Наука, 1977.