Zmienna losowa ciągła:

Zmienną losową X – nazywamy ciągłą, jeżeli zbiór wartości zmiennej X można przedstawić
jako przedział liczbowy.

DEF
Funkcją gęstości zmiennej losowej X typu ciągłego nazywamy funkcję f(x) (o ile istnieje)
określoną następująco:

P( x < X ≤ x + ∆x )
f ( x ) = lim
∆x → 0 ∆x

Własności:
Z powyższej definicji wynikają ważne własności funkcji gęstości:

1. f ( x) ≥ 0 dla każdego x∈R

b

2. ∫ f ( x)dx = P(a ≤ X ≤ b) = P(a < X < b) dla dowolnych a < b

a

3. ∫ f ( x)dx = 1
−∞

4. P ( X = a) = 0
5.

Przykładowy wykres funkcji gęstości prawdopodobieństwa i graficzna interpretacja

P(a < X ≤ b ) .
 b
f(x) P(a < X ≤ b ) = ∫ f ( x )dx
a

a b x

DEF
Dystrybuantą zmiennej losowej ciągłej nazywamy funkcję:
x
F ( x) = P ( X < x ) = ∫ f (t )dt .
−∞

Własności dystrybuanty F(x) zmiennej losowej X typu ciągłego:

• 0 ≤ F (x ) ≤ 1 dla −∞ < x < +∞,

• lim F ( x ) = 0 oraz lim F ( x ) = 1,
x → −∞ x → +∞

• F(x) jest funkcją niemalejącą i ciągłą.

Na podstawie dystrybuanty zmiennej losowej ciągłej można obliczyć prawdopodobieństwa:

P( X < x1 ) = F ( x1 )
P ( x 2 < X < x3 ) = F ( x3 ) − F ( x 2 )
P( X > x 4 ) = 1 − F ( x 4 )
Przykład 1
Funkcja gęstości zmiennej losowej czasu oczekiwania na autobus ma postać:

 0, dlax < 0,

f ( x ) = c, dla 0 ≤ x ≤ 5,
 0, dlax > 5,

gdzie c jest pewną stałą.
Wykres funkcji gęstości czasu oczekiwania na autobus oraz ilustracja graficzna P(1 < X ≤ 3):
f(x)

1/5

0 1 2 3 4 5 x

Dystrybuanta czasu oczekiwania na autobus oraz ilustracja graficzna P(1 < X ≤ 3):

f(x)

F(3)

2 F(3)-F(1)

F(1)

0 1 2 3 4 5 x
PARAMETRY ROZKŁADU:
Wartość oczekiwana zmiennej losowej ciągłej:
∞
E( X ) = ∫ xf ( x)dx
−∞

Wariancja zmiennej losowej ciągłej

∞
D 2 ( X ) = ∫ [ X − E ( X )]2 f ( x)dx
−∞
MOMENTY

DEF
( )
Momentem zwykłym (lub po prostu momentem) rzędu k k = 1,2,... zmiennej losowej X
nazywamy wartość oczekiwaną k-tej potęgi tej zmiennej, tzn.:

∑ xik pi dla zmiennej losowej skokowej

 i
( )
mk = E X k = ∞
 ∫ x f ( x )dx dla zmiennej losowej ciąglej
k
 − ∞

DEF
Momentem centralnym rzędu k ( k = 1, 2,...) zmiennej losowej X nazywamy wartość

oczekiwaną funkcji g ( X ) = [ X − E ( X )]k tej zmiennej, tzn.:

∑ [xi − E ( x )]kpi dla zmiennej losowej skokowej

 i
uk = E [ X − E ( X )]k =∞
 ∫ [x − E ( x )] f ( x )dx dla zmiennej losowej ciąglej
k
 − ∞

Przykład 2

• przeprowadzamy pomiar wagi pewnego typu odkuwek tłoczonych przez prasę

hydrauliczną,

• waga pojedynczych odkuwek odchyla się w sposób przypadkowy od wagi nominalnej,

tym samym wyniki pomiarów wagi odkuwek można traktować jako realizacje zmiennej
losowej ciągłej,

• dokonujemy n pomiarów, grupując uzyskane wyniki w l rozłącznych przedziałach

(xi , xi +1 , gdzie i=1,...,l,
• długość przedziału (xi , xi +1 oznaczamy przez ∆x i = x i +1 − x i , natomiast liczbę
pomiarów, które trafiły do tego przedziału, przez ni,

• przedstawiamy uzyskane dane w postaci histogramu, konstruując go przy następujących

założeniach:

- podstawy poszczególnych prostokątów reprezentują wyróżnione przedziały (xi , xi +1

wartości pomiarów wagi podkuwek,
 - wysokości poszczególnych prostokątów ni 1 są ustalone w taki sposób, aby pola
⋅
n ∆x i
n ni 1 n
prostokątów były równe częstościom i : ∆x i ⋅ ⋅ = i
n n ∆x i n
Histogram wyników pomiarów wagi odkuwek (l = 5, ∆xi = 1)

ni
n∆xi
0,4

0,3

0,2

0,1

x1 x2 x3 x4 x5 x6 x

Histogram wyników pomiarów wagi odkuwek (l = 20, ∆xi = 0,25)

ni
n∆xi
0,4

0,3

0,2

0,1

x1 x5 x9 x13 x17 x21 x

 ROZKŁAD NORMALNY

DEF
Zmienna losowa X ma rozkład normalny o parametrach m oraz σ, co w skrócie zapisuje się
( )
jako X : N m, σ , jeżeli jej funkcja gęstości wyraża się wzorem:

−
( x − m )2
1
f (x ) = e 2σ 2 , − ∞ < x < +∞
σ 2π
przy czym σ > 0 .

DEF
Rozkład normalny ze średnią m=0 oraz odchyleniem standardowym σ=1 nazywamy
standardowym rozkładem normalnym i oznaczamy N(0,1)
 WŁASNOŚCI KRZYWEJ GĘSTOŚCI
ROZKŁADU NORMALNEGO

a) jest symetryczna względem prostej x = m,

1
b) osiąga maksimum równe dla x = m ,
σ 2π
c) jej ramiona mają punkty przegięcia dla x = m − σ oraz x = m + σ .
Przykład 3
 POPULACJA

PRÓBY

Średnia z próby:

Odchylenie standardowe z próby:

Średnia z populacji:
µ

Odchylenie standardowe z populacji:

σ

Średnia dla prób:

≈µ

Odchylenie standardowe dla prób: