Оценка вероятности попадания случайной величины в заданный интервал

В современной статистике и теории вероятностей одной из ключевых задач является оценка вероятности того, что случайная величина примет значения, принадлежащие заданному интервалу. Ниже представлена подробная статья, охватывающая как общую теоретическую основу, так и практические примеры с 10 разными интерпретациями интервала.

Что такое случайная величина и её распределение?

Случайная величина — это величина, которая в результате испытания принимает одно и только одно из возможных значений, зависящее от случайного процесса. Случайные величины бывают:

дискретными (принимают конечное или счётное множество значений);
непрерывными (принимают любые значения из отрезка или промежутка).

Для каждой случайной величины существует функция распределения (интегральная функция), обозначаемая обычно как F(x):

F(x) = P(X ≤ x)

Она задаёт вероятность того, что случайная величина X будет меньше либо равна некоторому числу x.

Как вычислить вероятность попадания в интервал?

Для любого интервала (a, b) вероятность того, что случайная величина X примет значение из этого интервала, равна разности значений функции распределения в точках b и a:

P(a < X < b) = F(b‑) – F(a‑)

Если X непрерывна, то F(b‑) = F(b) и формула упрощается до:

P(a < X < b) = F(b) – F(a)

Для дискретной величины вероятность выражается суммой вероятностей всех точек внутри интервала:

P(a ≤ X ≤ b) = Σ P(X = x_i), x_i ∈ [a, b]

В случае непрерывного распределения можно использовать плотность f(x) = F′(x) и интеграл:

P(a ≤ X ≤ b) = ∫_a^b f(x) dx

Коротко о типичных распределениях

Нормальное распределение (N(μ, σ²)) – наиболее распространённое непрерывное распределение. Функция плотности: f(x) = 1/(σ√(2π)) exp(-(x‑μ)²/(2σ²)).
Экспоненциальное распределение (λ) – часто используется для моделирования времени между событиями. f(x) = λ e^(−λx), x ≥ 0.
Равномерное распределение (U(a, b)) – все значения в интервале равновероятны. f(x) = 1/(b‑a), a ≤ x ≤ b.
Биномиальное распределение (n, p) – дискретное, вероятность успеха p в n независимых испытаниях.
Пуассоновское распределение (λ) – дискретное, описывает количество событий в фиксированном интервале времени.

10 вариантов интерпретации интервала

Ниже приведены десять типичных способов трактовать интервал, в котором мы хотим оценить вероятность попадания случайной величины.

Открытый интервал (a, b) – считаем только значения строго между a и b.
Закрытый интервал [a, b] – считаем значения от a до b, включая границы.
Полуоткрытый интервал (a, b] – исключаем левую границу, включаем правую.
Полуоткрытый интервал [a, b) – включаем левую границу, исключаем правую.
Между двумя точками с равными вероятностями – если X равномерно распределена, P(a < X < b) = (b‑a)/(b‑a_total).
Включение границ при дискретном X – важно учитывать, что P(X = a) и P(X = b) могут быть ненулевыми.
Пределы при бесконечности – например, P(X > a) = 1 – F(a).
Интервалы в стандартной нормальной шкале – чаще всего задаются в виде kσ от μ.
Пояснительные интервалы доверительного интервала – вероятность того, что истинное значение попадает в интервал.
Интервалы для оценки ошибок первого рода – α‑порог в тестах гипотез.

Примеры расчётов для различных распределений

Нормальное распределение N(0, 1)

Найти P(‑1 < X < 1) для стандартной нормальной случайной величины.

Используем таблицу z‑значений:

P(‑1 < X < 1) = Φ(1) – Φ(‑1) = Φ(1) – (1 – Φ(1)) = 2Φ(1) – 1 ≈ 2·0.8413 – 1 = 0.6826.

Экспоненциальное распределение λ = 0.5

Найти P(0 ≤ X ≤ 2).

Формула: P(0 ≤ X ≤ 2) = 1 – e^(‑λ·2) ≈ 1 – e^(‑1) ≈ 0.6321.

Равномерное распределение U(3, 7)

Найти P(4 ≤ X ≤ 6).

Плотность постоянна: f(x) = 1/(7‑3) = 1/4. Вероятность равна длина интервала / длина всего диапазона: (6‑4)/(7‑3) = 2/4 = 0.5.

Дискретное биномиальное распределение (n=10, p=0.5)

Найти P(3 ≤ X ≤ 7).

Суммируем вероятности:

Σₖ₌₃⁷ C(10, k) pᵏ (1‑p)^(10‑k) ≈ 0.373.

Практический пример из учебных заданий

Пример задачи из «МИРЭА» (см. исходный материал):

Дано: X – случайная величина с интегральной функцией F(x). Найти вероятность того, что X примет:

а) < 2;
б) < 3;
в) ≥ 3;
г) ≥ 5.

Решение:

P(X < 2) = F(2‑).

P(X < 3) = F(3‑).

P(X ≥ 3) = 1 – F(3‑).

P(X ≥ 5) = 1 – F(5‑).

Если известна плотность f(x), применяем интеграл:

P(a < X < b) = ∫_a^b f(x) dx.

Всегда уточняйте тип случайной величины (дискретную или непрерывную). Это определяет, как будет вычисляться вероятность.

При работе с непрерывными величинами используйте функции распределения и плотности, а при дискретных – вероятностный ряд.

Понимание интерпретации границ интервала важно для корректной оценки, особенно при включении/исключении точек.

При построении доверительных интервалов и тестов гипотез обязательно учитывайте уровень значимости (α) и вероятность ошибки первого рода.

Практикуйтесь на реальных примерах из учебных заданий и статистических задач, чтобы закрепить навыки вычисления.

Полезные ссылки и литература

Е. И. Панченко, Л. А. Галимова – «Теория вероятностей», Омск, Издательство ОмГТУ.
С. К. Карапузов – «Эконометрика», практические задачи по вероятностям.
Сайт «Формулы по теории вероятностей онлайн» – быстрые справочники и таблицы.

Надеемся, что данная статья поможет вам уверенно находить вероятность попадания случайной величины в любой заданный интервал и правильно трактовать результаты.