|
Случайные величины и их характеристикиНапомним, что случайной называют величину, которая в ре- зультате опыта может принять то или иное значение, заранее не- известное. Она может быть как дискретной, так и непрерывной. Случайная величина полностью определена с вероятностной точ- ки зрения, если известно, с какой вероятностью возможно появ- ление каждого из принимаемых случайной величиной значений. Такое соответствие называют за- коном распределения случайной величины. В случае непрерывной величины этот закон соответству- ет интегральной функции распре- деления F (x) = P (x < X) или ин- тегральному закону распределе- ния (рис. 1.1). Рис. 1.1 При решении прикладных вероятностных задач часто бы- вает необходимо определить вероятность того, что случайная величина Х примет значение, заключенное в некотором ограни- ченном интервале, например в интервале (a, b). Условимся для определенности левый конец a включать в интервал, а правый не включать. Тогда вероятность попадания случайной величины Х в интервал (a, b) P (a £ X < b) = F (b) - F (a). Плотностью распределения непрерывной случайной вели- чины называют функцию
x f (x) = F ¢(x) при F (x) = ò -¥
f (y) dy.
(1.1) Устремив верхний предел к бесконечности, получим:
¥ F (x) = ò -¥
f (y) dy = 1. Вероятность того, что случайная величина Х находится в интервале (x 1, x 2),
x 2 P (x 1 £ X £ x 2) = ò f (y) dy. x 1
(1.2) Рассмотрим известный нормальный закон изменения плот- ности вероятности (закон Гаусса). Таким законом часто описы- ваются результаты измерений каких-либо величин, механиче- ские характеристики материалов, нагрузки на машины и детали машин, сроки службы деталей и т.д. Главная особенность, выде- ляющая нормальный закон среди других законов, состоит в том, что он является предельным законом, к которому приближаются другие законы распределения при часто встречающихся типич- ных условиях. Можно доказать, что сумма достаточно большого числа независимых или слабо зависимых случайных величин, PNRPU
подчиненных каким угодно законам распределения, прибли- женно подчиняется нормальному закону, если дисперсия слу- чайных величин примерно одного порядка. Интегральная функция распределения при нормальном законе распределения определена на всей оси и имеет следующий вид:
F (x) = e x -¥
-(x - mx)2 2s2
где mx – математическое ожидание; σ х – среднее квадратичное отклонение случайной величины. (x - m)2
тогда 2 x x x xx
1 - 1
где t = x - mx. s x F (t) = òe 2 dt 1, -¥ Эта функция табулирована (прил. 4), а вероятность попада- ния случайной величины в интервал определена следующим образом: (х 1 £ Х £ х 2) может быть
P (x £ X £ x) = 1 t 2 e- t 2 /2 dt,
где t 1
= x 1 - mx; s x
1 2
s x 2p ò
Нетрудно показать, что вероятность попадания случайной величины Х на отрезок (mx, mx + 3s x) приблизительно равна 0,5. Это означает, что для нормального распределения случайной величины все рассеяние практически укладывается на учас- ток (mx ± 3s x). Полученный результат позволяет по известным
Рис. 1.2 значениям математического ожидания и среднего квадра- тичного отклонения случай- ной величины приближенно указать интервал ее возмож- ных значений (правило трех сигм) (рис. 1.2). Функция распределения случайной величины и ее плотность вероятности являются различными формами выражения закона распределения случайной величины. Наиболее часто применяе- мые на практике законы распределения приведены в прил. 1. Однако приведенная выше исчерпывающая характеристика не всегда может быть получена либо из-за ограниченности экс- периментальных результатов, либо из-за сложности проведения экспериментов, либо из-за большой их стоимости. В этих случаях вместо законов распределения используют приближенное описание случайной величины, полученное с по- мощью минимального числа неслучайных характеристик, отра- жающих наиболее распространенные особенности распределе- ний, например среднее значение, относительно которого груп- пируются возможные значения случайной величины, или число, характеризующее степень разброса случайной величины около ее среднего значения. Простейшей числовой характеристикой случайной величи- ны является ее математическое ожидание. Для непрерывной случайной величины Х математическое ожидание ¥ M [ X ] º mx = ò xf (x) dx. -¥
(1.3) Геометрический смысл математического ожидания – центр тяжести площади, ограниченной кривой плотности распределе- ния и осью абсцисс. Для характеристики разброса значений случайной величи- ны в данной серии опытов можно взять среднее значение какой- нибудь положительной меры отклонения случайной величины от ее среднего значения, например квадрат разности между зна- чениями случайной величины и ее средним значением. В ре- зультате получим величину, которая называется дисперсией. Для непрерывной случайной величины дисперсия
¥
-¥
(1.4)
где
X – центрированная случайная величина,
X = X - mx. При практических расчетах удобно использовать величину s x =, которая называется средним квадратичным отклонени- ем. Геометрический смысл этой величины – центральный момент площади, ограниченной кривой распределения и осью абсцисс. Вероятность отклонения случайной величины от ее средне- го значения на некоторую величину a можно оценить, восполь- зовавшись формулой П. Чебышева: P (X - mx ³ a £ Dx.
(1.5)
Математическое ожидание и дисперсия имеют следующие свойства: ¥ ¥ 1. M [ c ] = ò cf (x) dx = c ò -¥ -¥ ¥ f (x) dx = c; 2. M [ cX ] = ò cxf (x) dx = cmx; -¥
3. Dc
= D [ c ] = ¥ ò(c - c)2 f (x) dx = 0; -¥ (1.6) éæ 0 ö2ù ¥ 4. Dcx = M êç c X ÷ êè ø ú= c 2 ú ò(x - m)2 f (x) dx = c 2 D,
где с – константа; Х – случайная величина. Пример 1.1. Балка (рис. 1.3), имеющая постоянную изгиб- ную жесткость EI, нагружена случайной поперечной силой q с известными значениями математического ожидания mq персии Dq. и дис- Определить математические ожидания и дисперсии макси- мального прогиба и прогиба в точке приложения силы, а также максимального нормального напряжения. Решение. Найдем прогибы и нормальные напряжения со- гласно известным соотношениям из сопротивления материалов. Для консоли длиной l с сосредоточенным грузом q в поперечном сечении, отстоящем на расстоянии с от опоры, эпюра изги- бающих моментов показа- на на рис. 1.3. Прогиб для какого-либо сечения опре- Рис. 1.3 деляется по уравнению
1 é x 2 qx 2 2 x ù q æ lx 2 x 3 ö y 1 (x) = EI ê q (l - x) 2 + 2 3 ú= EI ç2 - 6 ÷. ë û è ø Для сечения слева от точки приложения нагрузки (точки С) вместо l используем с. Для какого-либо сечения справа от груза изгибающий момент и кривизна равны нулю; следовательно, эта часть балки остается прямой. Угол наклона является постоян- qc 2 ным и равным углу наклона в точке С, т.е. от точки приложения нагрузки 2 EI . Прогиб справа 1 qc 2æ 1 ö y 2 (x) = EI ç x - c ÷.
Действительно, если на втором участке угол наклона по- стоянен, то dy qc 2 2 = Þ y 2 (x) = qc 2 x + A, dx 2 EI 2 EI где постоянную А определяем из условия стыковки перемеще- ний в точке С: q æ c 3 c 3 ö qc 3 qc 3 qc 3
Тогда:
m
c 3 m = q; m
c 2 m
1 c ö;
y 1 (c) 3 EI y 2 (l) 2 EI ç 3 ÷ è ø æ c 3 ö2
æ c 2 æ
1 öö2 Dy (c) =ç3 EI ÷ Dq; Dy (l) =ç2 EI ç l -3 c ÷÷ Dq. 1 è ø 2 è è øø Максимальное напряжение будет в защемлении балки, по- этому:
æ c ö2 smax = W = W Þ m smax = Wmq Þ D smax = ç W ÷ Dq, где М – изгибающий момент; W – момент сопротивления сече- ния относительно главных осей.
Системы случайных величин Первоначально рассмотрим наиболее простой случай – сис- тему двух случайных величин Х, Y. Совместной функцией рас- пределения двух случайных величин Х и Y называют вероятность совместного выполнения двух неравенств Х < x и Y < y, т.е.: F (x, y) = P (X < x, Y < y). (1.7)
Двумерную плотность вероятности можно ввести по анало- гии с одномерной, а именно: ¶2 F (x, y) x y f (x, y) = ¶ x ¶ y при F (x, y) = òò -¥ -¥ f (a,b) d a d b. (1.8) Случайные величины Х и Y называются зависимыми, если события, заключающиеся в выполнении неравенств X < x и Y < y, зависимы друг от друга хотя бы при одной паре значе- ний х и у. В этом случае плотности совместного распределения вероятностей системы двух случайных величин выражаются через одномерные и условные плотности следующим образом: f (x, y) = f 1 (x) f 2 (y x) = f 2 (y) f 1 (x y). (1.9) Случайные величины Х и Y называются независимыми, ес- ли события, заключающиеся в выполнении неравенств X < x и Y < y, независимы при любых значениях х и у. Для независи- мых случайных величин Х, Y совместная функция распределе- ния (на основании правила умножения вероятностей независи- мых событий) F (x, y) = P (X < x) P (Y < y) или F (x, y) = F 1 (x) F 2 (y), а совместная плотность распределения f (x, y) = f 1 (x) f 2 (y). (1.10) Пусть теперь одна случайная величина Y функционально связана с другой случайной величиной Х, т.е. Y = j(X). (1.11)
Относительно аргумента полагаем, что известна плотность распределения fx (x) или его интегральная функция распреде- ления. Тогда плотность распределения [9] f y (y) = fx [y(y)]×y¢(y), где y(y) = j-1 (y) = x.
(1.12) Например, решая задачу определения напряженно-дефор- мированного состояния конструкции в линейной постановке, мы имеем линейную зависимость между параметрами состояния (напряжениями или перемещениями) и нагрузкой. Тогда, зная вероятностные характеристики нагрузки, можно найти вероят- ностные характеристики параметров состояния.
Пример 1.2. Параметр состояния u связан с параметром на- грузки q линейно:
u = K · q. (1.13)
Считая известной плотность распределения нагрузки, опре- делить плотность распределения параметра состояния. Решение. Решая уравнение (1.13) относительно q, получим: q = u; K dq = 1. Если плотность распределения нагрузки du K fq (q), то согласно соотношению (1.12)
f (u) = 1 f u K æ u ö.
Если распределение нагрузки можно описать, например, однопараметрическим распределением Рэлея (а – параметр рас- пределения):
q æ q 2ö fq (q) = a 2 expç- 2 a 2 ÷, q è q ø
то распределение параметра состояния в случае линейной связи с параметром нагрузки примет вид: u æ u 2 ö1 f u (u) = Ka 2 expç- K 2 2 a 2 ÷ K, q è q ø т.е. получим опять распределение Рэлея: u æ u 2ö f u (u) = a 2 expç- 2 a 2 ÷, (1.14)
где au = Kaq. u è u ø Аналогично получаются выражения при описании других плотностей распределения при линейной связи случайных величин. Рассмотрим теперь функцию z = j(x, y) двух случайных аргументов х и у. Тогда интегральная функция распределения F (z) = òò f (x, y) dxdy, D (1.15) где f (x, y) – плотность совместного распределения вероятностей системы случайных величин х и у; D – область плоскости (х, у). Рассмотрим частный случай: ласть реализации, получим: z = x - у; тогда, учитывая об- ¥ é z + y ù ¥ é x - z ù F (z) = òêò f (x, y) dx ú dy = òêò f (x, y) dy ú dx. -¥êë -¥ ûú -¥ë-¥ û Плотность распределения вероятности величины z ¥ é d
z + y ù ¥é d x - z ù f (z) = F ¢(z) = òê dz ò f (x, y) dx ú dy = òê dz ò f (x, y) dy ú dx,
или -¥êë -¥ ûú -¥ë -¥ û
¥ ¥ f (z) = ò f (z + y, y) dy = ò f (x, x - z) dx. (1.16) -¥ -¥
Если величины х и у независимы, то
¥ ¥ f (z) = ò fx (z + y) f y (y) dy = ò fx (x) f y (x - z) dx. (1.17) -¥ -¥ Пусть, например, случайные величины х и у можно описать нормальным законом распределения и они независимы, т.е. 1 æ (x - m)2ö
Тогда
f (y) = ç è 1 æ
è 2s2 ÷
÷.
1 ¥ æ (z + y - m)2 ö æ(y - m)2 ö
f (z) = òexpç- x ÷expç- ÷ dy.
2ps x s y -¥ è 2s x ø è 2s y ø Преобразуя выражение под интегралом, получим:
f (z) = 1 òexp(- Ay 2 + 2 B (z) y - C (z)) dy,
s2 + s2
m z - m
m 2 (z - m)2 где A = x y; 2s2s2 B (z) = y - 2s2 x; 2s2 C (z) = y + 2s2 x. 2s2 x y y x y x Воспользовавшись табличными значениями для определен- ных интегралов и преобразуя полученное соотношение, получим: 1 æ (z - m)2ö
expç- z ÷, (1.18)
где m = m - m; s = ç 2s2 ÷
. z x y z Таким образом, если случайные величины x и y можно опи- сать нормальным законом распределения, то и случайная вели- чина z = x - у также распределена по нормальному закону. Рассмотрим пример расчета конструкции, случайные ха- рактеристики которой описываются разными законами распре- деления.
Рис. 1.4 Пример 1.3. Консольная балка длиной l (рис. 1.4) изгибается под действием сосредоточенной на- грузки q, которая является случай- ной и характеризуется нормальным законом распределения: 1 - q 2 f (q)= e 2 (-¥ < q < ¥).
Место приложения нагрузки также случайно и определяет- ся равномерным законом: f (x) =ì1/ l, 0 £ x £ l;
Определить закон распределения изгибного момента в за- делке, если нагрузка и координата ее приложения независимы. Решение. Изгибной момент в заделке M = qx, следователь- но, совместный закон распределения f (q, x) = f (q) f (x). Для опре- деления закона распределения момента нужно учесть его об- ласть реализации. Для этого запишем функцию распределения момента и учтем для определения области интегрирования, что q = M / x. Тогда
М М
l x l x 1 1 - q 2
F (М) = òò f (q, x) dqdx = òò e 2 dqdx. 0 -¥ 0 0 Плотность вероятности момента
dF (М) 1 l 1 1
- М 2
f (М) = = ò e 2 x 2 dx. dМ l 0 Если сделать замену: M 1 = M / x, то dF = dF dМ 1 =1 dF. dМ dМ 1 dМ x dМ 1 С учетом этого при интегрировании по верхнему пределу получим: d x
-¥ Для дальнейшего интегрирования снова сделаем замену:
t =; 2 x 2 Тогда x =; 2 t x =; dx = 2 ç-2 ÷ t t.
М 2 1 2 l 2 1 М М æ 1 ö dt
-¥ e- t ç- ÷ =
= - 1 2 l
М 2 2 l 2 ò -¥
2 e- t
dt = - 2 l
1 I, 2p где I – интегральная показательная функция (при t > 0). Полученная функция f (М) имеет вид, показан- ный на рис. 1.5. Рис. 1.5 Таким образом, система случайных величин полностью оп- ределена, если известна совместная интегральная функция или совместная плотность распределения. Однако иногда, как уже отмечалось, бывает достаточно ограничиться их численными характеристиками.
Что вызывает тренды на фондовых и товарных рынках Объяснение теории грузового поезда Первые 17 лет моих рыночных исследований сводились к попыткам вычислить, когда этот... Конфликты в семейной жизни. Как это изменить? Редкий брак и взаимоотношения существуют без конфликтов и напряженности. Через это проходят все... Что будет с Землей, если ось ее сместится на 6666 км? Что будет с Землей? - задался я вопросом... ЧТО И КАК ПИСАЛИ О МОДЕ В ЖУРНАЛАХ НАЧАЛА XX ВЕКА Первый номер журнала «Аполлон» за 1909 г. начинался, по сути, с программного заявления редакции журнала... Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:
|