Понятие случайной величины. Закон распределения случайной величины

Случайные величины (сокращенно: с. в.) обозначаются прописны­ми латинскими буквами Х,У, Z,... (или строчными греческими буква­ми ξ (кси), η(эта), θ (тэта), ψ (пси) и т. д.), а принимаемые ими значения соответственно малыми буквами х 1 , х 2 ,…, у 1 , у 2 , у 3 …

Примерами с. в. могут служить: 1) X - число очков, появляющих­ся при бросании игральной кости; 2) У - число выстрелов до первого попадания в цель; 3) Z - время безотказной работы прибора и т. п. (рост человека, курс доллара, количество бракованных деталей в пар­тии, температура воздуха, выигрыш игрока, координата точки при слу­чайном выборе ее на , прибыль фирмы, ...).

Случайной величиной X Ώ w

X(w), т.е. X = X(w), w Î Ώ (или X = f (w)) (31)

Пример1. Опыт состоит в бросании монеты 2 раза. На ПЭС Ώ={ w 1 , w 2 , w 3 , w 4 }, где w 1 = ГГ, w 2 = ГР, w 3 = РГ, w 4 = РР, можно рассмотреть с. в. X - число появлений герба. С. в. X является функ­цией от элементарного события w i : X(w 1 ) = 2, X(w 2 ) = 1, X(w 3 ) = 1, X(w 4 )= 0; X - д. с. в. со значениями x 1 = 0, x 2 =1 , x 3 = 2.

X(w) S Р(А) = Р(Х < х).

X - д. с. в.,

x 1 , x 2 , x 3 ,…,x n ,…

p i , где i = 1,2,3, ...,n,… .

Закон распределения д. с. в. p i =Р{Х=x i }, i=1,2,3,... ,n,...,

с. в. X x i . :

X	x 1	x 2	….	x n	…
P	p 1	p 2	….	p n	…

Так как события {X = x 1 }, {X = x 2 },…,{X = x n }, т.е. .

(x 1 , p 1 ), (x 2 , p 2),…, (x n , p n) называют многоугольником (или полигоном) рас­пределения (см. рис. 17).

Случайная величина X дискретна, если существует конечное или счетное множество чисел x 1 , x 2 , ..., x n таких, что Р{Х = x i } = p i > 0 (i = 1,2,...) p 1 + p 2 + p 3 +…= 1 (32)

Суммой д. с. в. X, принимающей зна­чения x i с вероятностями p i = Р{Х = x i }, i = 1,2,3,... ,n, и д. с. в. Y, при­нимающей значения y j с вероятностями p i = Р{Y = y j }, j = 1,2,3,... ,m, называется д. с. в. Z = X + Y , принимающая значения z ij = x i + y j с вероятностями p ij = Р{ Х = x i ,Y = y j }, для всех указанных значений i и j. В случае совпадения некоторых сумм x i + y j соответствующие вероятности складываются.

Разностью д. с. в. X, принимающей зна­чения x i с вероятностями p i = Р{Х = x i }, i = 1,2,3,... ,n, и д. с. в. Y, при­нимающей значения y j с вероятностями p i = Р{Y = y j }, j = 1,2,3,... ,m, называется д. с. в. Z = X - Y, принимающая значения z ij = x i – y j с вероятностями p ij = Р{ Х = x i ,Y = y j }, для всех указанных значений i и j. В случае совпадения некоторых разностей x i – y j соответствующие вероятности складываются.

Произведением д. с. в. X, принимающей зна­чения x i с вероятностями p i = Р{Х = x i }, i = 1,2,3,... ,n, и д. с. в. Y, при­нимающей значения y j с вероятностями p i = Р{Y = y j }, j = 1,2,3,... ,m, называется д. с. в. Z = X × Y, принимающая значения z ij = x i × y j с вероятностями p ij = Р{ Х = x i ,Y = y j }, для всех указанных значений i и j. В случае совпадения некоторых произведений x i × y j соответствующие вероятности складываются.

д. с. в. сХ, с x i р i = Р{Х = x i }.

X и Y события {X = x i } = А i и {Y = y j } = В j независимы для любых i= 1,2,... ,n; j = l,2,...,m, т.е.

P{X = x i ;Y = y j } =P{X = x i } ×P {Y = y j } (33)

Пример 2. В урне 8 шаров, из которых 5 белых, остальные - чер­ные. Из нее вынимают наудачу 3 шара. Найти закон распределения числа белых шаров в выборке.

В разделе курса, посвященном основным понятиям теории вероятностей, мы уже ввели в рассмотрение чрезвычайно важное понятие случайной величины. Здесь мы дадим дальнейшее развитие этого понятия и укажем способы, с помощью которых случайные величины могут быть описаны и характеризованы.

Как уже было сказано, случайной величиной называется величина, которая в результате опыта может принять то или иное значение, неизвестно заранее – какое именно. Мы условились также различать случайные величиныпрерывного (дискретного) и непрерывного типа. Возможные значения прерывных величин могут быть заранее перечислены. Возможные значения непрерывных величин не могут быть заранее перечислены и непрерывно заполняют некоторый промежуток.

Примеры прерывных случайных величин:

1) число появлений герба при трех бросаниях монеты (возможные значения 0, 1, 2, 3);

2) частота появления герба в том же опыте (возможные значения );

3) число отказавших элементов в приборе, состоящем из пяти элементов (возможнее значения 0, 1, 2, 3, 4, 5);

4) число попаданий в самолет, достаточное для вывода его из строя (возможные значения 1, 2, 3, …, n, …);

5) число самолетов, сбитых в воздушном бою (возможные значения 0, 1, 2, …, N, где – общее число самолетов, участвующих в бою).

Примеры непрерывных случайных величин:

1) абсцисса (ордината) точки попадания при выстреле;

2) расстояние от точки попадания до центра мишени;

3) ошибка измерителя высоты;

4) время безотказной работы радиолампы.

Условимся в дальнейшем случайные величины обозначать большими буквами, а их возможные значения – соответствующими малыми буквами. Например, – число попаданий при трех выстрелах; возможные значения: .

Рассмотрим прерывную случайную величину с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т.е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами p с соответствующими индексами:

Так как несовместные события (5.1.1) образуют полную группу, то

т.е. сумма вероятностей всех возможных значений случайной величины равна единице. Эта суммарная вероятностькаким-то образом распределена между отдельными значениями. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т.е. в точности укажем, какой вероятностью обладает каждое из событий (5.1.1). Этим мы установим так называемый закон распределения случайной величины.

Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения.

Установим форму, в которой может быть задан закон распределения прерывной случайной величины . Простейшей формой задания этого закона является таблица, в которой перечислены возможные значенияслучайной величины и соответствующие им вероятности:

Такую таблицу мы будем называть рядом распределения случайной величины .

Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 5.1.1). Многоугольник распределения, так же как и ряд распределения, полностью характеризует случайную величину; он является одной из форм закона распределения.

Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.

Рассмотрим несколько примеров прерывных случайных величин с их законами распределения.

Пример 1. Производится один опыт, в котором может появиться или не появиться событие . Вероятность события равна 0,3. Рассматривается случайная величина – число появлений события в данном опыте (т.е. характеристическая случайная величина события , принимающая значение 1, если оно появится, и 0, если не появится). Построить ряд распределения и многоугольник распределения величины .

Решение. Величина имеет всего два значения: 0 и 1.

Многоугольник распределения изображен на рис. 5.1.2.

Пример 2. Стрелок производит три выстрела по мишени. Вероятность попадания в мишень при каждом выстреле равна 0,4. За каждое попадание стрелку засчитывается 5 очков. Построить ряд распределения числа выбитых очков.

Решение. Обозначим число выбитых очков. Возможные значения величины : .

Вероятность этих значений находим по теореме о повторении опытов:

Ряд распределения величины имеет вид:

Многоугольник распределения изображен на рис. 5.1.3.

Пример 3. Вероятность появления события в одном опыте равна . Производится ряд независимых опытов, которые продолжаются до первого появления события , после чего опыты прекращаются. Случайная величина – число произведенных опытов. Построить ряд распределения величины .

Решение. Возможные значения величины : 1, 2, 3, … (теоретически они ничем не ограничены). Для того, чтобы величина приняла значение 1, необходимо, чтобы событие произошло в первом же опыте; вероятность этого равна . Для того, чтобы величина приняла значение 2, нужно, чтобы в первом опыте событие не появилось, а во втором – появилось; вероятность этого равна , где , и т.д. Ряд распределения величины имеет вид:

Первые пять ординат многоугольника распределения для случая показаны на рис. 5.1.4.

Пример 4. Стрелок ведет стрельбу по мишени до первого попадания, имея боезапас 4 патрона. Вероятностьпопадания при каждом выстреле равна 0,6. Построить ряд распределения боезапаса, оставшегося неизрасходованным.

Решение. Случайная величина – число неизрасходованных патронов – имеет четыре возможных значения: 0, 1, 2 и 3. Вероятности этих значений равны соответственно:

Ряд распределения величины имеет вид:

Многоугольник распределения показан на рис. 5.1.5.

Пример 5. Техническое устройство может применяться в различных условиях и в зависимости от этого время от времени требует регулировки. При однократном применении устройства оно может случайным образом попасть в благоприятный или неблагоприятный режим. В благоприятном режиме устройство выдерживает три применения без регулировки; перед четвертым его приходится регулировать. В неблагоприятном режиме устройство приходится регулировать после первого же применения. Вероятность того, что устройство попадет в благоприятный режим, - 0,7, что в неблагоприятный, - 0,3. Рассматривается случайная величина – число применений устройства до регулировки. Построить её ряд распределения.

Решение. Случайная величина имеет три возможных значения: 1, 2 и 3. вероятность того, что , равна вероятности того, что при первом же применении устройство попадет в неблагоприятный режим, т.е. . Для того, чтобы величина приняла значение 2, нужно, чтобы при первом применении устройство попало в благоприятный режим, а при втором – в неблагоприятный; вероятность этого . Чтобы величина приняла значение 3, нужно, чтобы два первых раза устройство попало в благоприятный режим (после третьего раза его все равно придется регулировать). Вероятность этого равна .

Ряд распределения величины имеет вид:

Многоугольник распределения показан на рис. 5.1.6.

Функция распределения

В предыдущем n° мы ввели в рассмотрение ряд распределения как исчерпывающую характеристику (закон распределения) прерывной случайной величины. Однако эта характеристика не является универсальной; она существует только для прерывных случайных величин. Нетрудно убедиться, что для непрерывнойслучайной величины такой характеристики построить нельзя. Действительно, непрерывная случайная величинаимеет бесчисленное множество возможных значений, сплошь заполняющих некоторый промежуток (так называемое «счетное множество»). Составить таблицу, в которой были бы перечислены все возможные значения такой случайной величины, невозможно. Кроме того, как мы увидим в дальнейшем, каждое отдельное значение непрерывной случайной величины обычно не обладает никакой отличной от нуля вероятностью. Следовательно, для непрерывной случайной величины не существует ряда распределения в том смысле, в каком он существует для прерывной величины. Однако различные области возможных значений случайной величины все же не являются одинаково вероятными, и для непрерывной величины существует «распределение вероятностей», хотя и не в том смысле, как для прерывной.

Для количественной характеристики этого распределения вероятностей удобно воспользоваться невероятностью события , а вероятностью события , где – некоторая текущая переменная. Вероятностьэтого события, очевидно, зависит от , есть некоторая функция от . Эта функция называется функцией распределения случайной величины и обозначается :

. (5.2.1)

Функцию распределения иногда называют также интегральной функцией распределения или интегральным законом распределения.

Функция распределения – самая универсальная характеристика случайной величины. Она существует для всех случайных величин: как прерывных, так и непрерывных. Функция распределения полностью характеризуетслучайную величину с вероятностной точки зрения, т.е. является одной из форм закона распределения.

Сформулируем некоторые общие свойства функции распределения.

1. Функция распределения есть неубывающая функция своего аргумента, т.е. при .

2. На минус бесконечности функция распределения равна нулю: .

3. На плюс бесконечности функция распределения равна единице: .

Не давая строгого доказательства этих свойств, проиллюстрируем их с помощью наглядной геометрической интерпретации. Для этого будем рассматривать случайную величину как случайную точку на оси Ох (рис. 5.2.1), которая в результате опыта может занять то или иное положение. Тогда функция распределения естьвероятность того, что случайная точка в результате опыта попадет левее точки .

Будем увеличивать , т. е. перемещать точку вправо по оси абсцисс. Очевидно, при этом вероятность того, что случайная точка попадет левее , не может уменьшиться; следовательно, функция распределения с возрастанием убывать не может.

Чтобы убедиться в том, что , будем неограниченно перемещать точку влево по оси абсцисс. При этом попадание случайной точки левее в пределе становится невозможным событием; естественно полагать, чтовероятность этого события стремится к нулю, т.е. .

Аналогичным образом, неограниченно перемещая точку вправо, убеждаемся, что , так как событие становится в пределе достоверным.

График функции распределения в общем случае представляет собой график неубывающей функции (рис. 5.2.2), значения которой начинаются от 0 и доходят до 1, причем в отдельных точках функция может иметь скачки (разрывы).

Зная ряд распределения прерывной случайной величины, можно легко построить функцию распределения этой величины. Действительно,

,

где неравенство под знаком суммы указывает, что суммирование распространяется на все те значения , которые меньше .

Когда текущая переменная проходит через какое-нибудь из возможных значений прерывной величины , функция распределения меняется скачкообразно, причем величина скачка равна вероятности этого значения.

Пример 1. Производится один опыт, в котором может появиться или не появиться событие . Вероятность события равна 0,3. Случайная величина – число появлений события в опыте (характеристическая случайная величина события ). Построить её функцию распределения.

Cтраница 2

Графически закон распределения дискретной величины задается в виде так называемого многоугольника распределения.  

Графическое изображение ряда распределения (см. рис. 5) называется многоугольником распределения.  

Для характеристики закона распределения прерывной случайной величины часто применяют ряд (таблицу) и многоугольник распределения.  

Для его изображения в прямоугольной системе координат строят точки (У Pi) (x - i Pa) и соединяют их отрезками прямых. Многоугольник распределения дает приближенное наглядное представление о характере распределения случайной величины.  

Для наглядности закон распределения дискретной случайной величины можно изобразить и графически, для чего в прямоугольной системе координат строят точки (х /, р, а затем соединяют их отрезками прямых. Полученную фигуру называют многоугольником распределения.  

M (xn; pn) (лс - - возможные значения Xt pi - соответствующие вероятности) и соединяют их отрезками прямых. Полученную фигуру называют многоугольником распределения.  

Рассмотрим распределение вероятностей суммы очков на игральных костях. На рисунках ниже приведены многоугольники распределения для случая одной, двух и трех костей.  

В этом случае вместо многоугольника распределения случайной величны строится функция плотности распределения, которая получила название дифференциальной функции распределения и представляет собой дифференциальный закон распределения. В теории вероятностей под плотностью распределения случайной величины х (х Хг) понимают предел отношения вероятности попадания величины х в интервал (х, х - - Ах) к Ах, когда Ал; стремится к нулю. Кроме дифференциальной функции для характеристики распределения случайной величины применяется интегральная функция распределения, которую часто называют просто функцией распределения или интегральным законом распределения.  

При таком построении относительные частоты попадания в интервалы будут равны площадям соответствующих столбиков гистограммы, подобно тому, как вероятности равны площадям соответствующих криволинейных трапеций Если предполагаемое теоретическое распределение хорошо согласуется с опытом, то при достаточно большом п и удач - ном выборе интервалов (YJ-I, у. Иногда еще для наглядности сравнения строят многоугольник распределения, соединяя последовательно середины верхних оснований столбиков гистограммы.  

Придавая т различные значения от 0 до я, получают вероятности PQ, Р РЧ - Рп, которые наносятся на график. Дано р; я11, построить многоугольник распределения вероятностей.  

Законом распределения дискретной случайной величины называют любое соответствие между возможными ее значениями и их вероятностями. Закон можно задать таблично (ряд распределения), графически (многоугольник распределения и др.) и аналитически.  

Нахождение кривой распределения, другими словами, установление распределения самой случайной величины, дает возможность более глубоко исследовать явление, далеко не полно выражаемое данным конкретным рядом распределения. Представив на чертеже как найденную выравнивающую кривую распределения, так и многоугольник распределения, построенный на основе частичной совокупности, исследователь может ясно видеть характерные особенности, присущие изучаемому явлению. Благодаря этому статистический анализ задерживает внимание исследователя на отклонениях наблюденных данных от некоторого закономерного изменения явления, и перед исследователем возникает задача - выяснить причины этих отклонений.  

Затем из середины интервалов проводятся абсциссы (в масштабе), соответствующие числу месяцев с расходом в данном интервале. Концы этих абсцисс соединяются и, таким образом, получается полигон, или многоугольник распределения.  

Точки, дающие графическое представление закона распределения дискретной случайной величины на координатной плоскости значения величины - вероятность значений, обычно соединяют отрезками прямых и называют получающуюся при этом геометрическую фигуру многоугольником распределения. На рис. 3 в таблице 46 (а также на рисунках 4 и 5) как раз изображены многоугольники распределений.  

Случайные величины: дискретные и непрерывные.

При проведении стохастического эксперимента формируется пространство элементарных событий – возможных исходов этого эксперимента. Считают, что на этом пространстве элементарных событий задана случайная величина X, если задан закон (правило) по которому каждому элементарному событию сопоставляется число. Таким образом, случайную величину X можно рассматривать, как функцию, заданную на пространстве элементарных событий.

■ Случайная величина - величина, которая при каж­дом испытании прини­мает то или иное числовое значение (на­перед неизвестно, какое именно), зависящее от случайных при­чин, которые заранее не могут быть учтены. Случайные величины обозначают за­главными буквами латинского алфавита, а возможные значе­ния случайной величины – малыми. Так, при бросании игрального кубика проис­ходит событие, связанное с числом x , где x – выпавшее число очков. Число очков – случайная величина, а числа 1, 2, 3, 4, 5, 6 – возможные значе­ния этой величины. Расстояние, которое пролетит снаряд при выстреле из орудия – тоже случайная величина (зависит от установки при­цела, силы и направления ветра, температуры и других факто­ров), а возможные значения этой величины принадлежат неко­торому промежутку (a; b).

■ Дискретная случайная величина – случайная величина, которая принимает отдельные, изо­лированные возмож­ные значения с определенными вероятно­стями. Число возможных значений дискретной случайной величины может быть конечным и бесконечным.

■ Непрерывная случайная величина – случайная величина, которая может принимать все значения из некоторого конечного или бесконечного проме­жутка. Число возможных значений непрерывной случайной величины – беско­нечно.

Например, число выпавших очков при бросании кубика, балльная оценка за кон­трольную работу – дискретные случайные величины; рас­стояние, которое пролетает снаряд при стрельбе из орудия, по­грешность измерений показателя времени усвоения учебного мате­риала, рост и вес человека – непрерывные случайные величины.

Закон распределения случайной величины – соответствие между возмож­ными значениями случайной величины и их вероятностями, т.е. каждому воз­можному значению x i ставится в соответствие ве­роятность p i , с которой случайная величина может принять это значение. Закон распределения случайной величины может быть задан таблично (в форме таблицы), аналитиче­ски (в виде формулы) играфически.

Пусть дискретная случайная величина X принимает значения x 1 , x 2 , …, x n с ве­роятностями p 1 , p 2 , …, p n соответственно, т.е. P(X=x 1) = p 1 , P(X=x 2) = p 2 , …, P(X=x n) = p n . При табличном задании закона распределения этой величины первая строка таблицы содержит воз­можные значения x 1 , x 2 , …, x n , а вторая – их вероятности

X	x 1	x 2	…	x n
p	p 1	p 2	…	p n

В результате испытания дискретная случайная величина X принимает одно и только одно из воз­можных значений, поэтому события X=x 1 , X=x 2 , …, X=x n образуют полную группу попарно несовместных событий, и, значит, сумма вероятностей этих событий равна единице, т.е. p 1 + p 2 +… + p n =1.

Закон распределения дискретной случайной величины. Многоугольник (полигон) распределения.

Как известно, случайной величиной называется переменная величина, которая может принимать те или иные значения в зависимости от случая. Случайные величины обозначают заглавными буквами латинского алфавита (X, Y, Z), а их значения – соответствующими строчными буквами (x, y, z). Случайные величины делятся на прерывные (дискретные) и непрерывные.

Дискретной случайной величиной называется случайная величина, принимающая лишь конечное или бесконечное (счетное) множество значений с определенными ненулевыми вероятностями.

Законом распределения дискретной случайной величины называется функция, связывающая значения случайной величины с соответствующими им вероятностями. Закон распределения может быть задан одним из следующих способов.

1. Закон распределения может быть задан таблицей:

где λ>0, k = 0, 1, 2, … .

в) с помощью функции распределения F(x), определяющей для каждого значения x вероятность того, что случайная величина X примет значение, меньшее x, т.е. F(x) = P(X < x).

Свойства функции F(x)

3. Закон распределения может быть задан графически – многоугольником (полигоном) распределения (смотри задачу 3).

Отметим, что для решения некоторых задач не обязательно знать закон распределения. В некоторых случаях достаточно знать одно или несколько чисел, отражающих наиболее важные особенности закона распределения. Это может быть число, имеющее смысл «среднего значения» случайной величины, или же число, показывающее средний размер отклонения случайной величины от своего среднего значения. Числа такого рода называют числовыми характеристиками случайной величины.

Основные числовые характеристики дискретной случайной величины:

• Mатематическое ожидание (среднее значение) дискретной случайной величины M(X)=Σ x i p i .
  Для биномиального распределения M(X)=np, для распределения Пуассона M(X)=λ
• Дисперсия дискретной случайной величины D(X)= M 2 или D(X) = M(X 2)− 2 . Разность X–M(X) называют отклонением случайной величины от ее математического ожидания.
  Для биномиального распределения D(X)=npq, для распределения Пуассона D(X)=λ
• Среднее квадратическое отклонение (стандартное отклонение) σ(X)=√D(X).

· Для наглядности представления вариационного ряда большое значение имеют его графические изображения. Графически вариационный ряд может быть изображён в виде полигона, гистограммы и кумуляты.

· Полигон распределения (дословно – многоугольник распределения) называют ломанную, которая строится в прямоугольной системе координат. Величина признака откладывается на оси абсцисс, соответствующие частоты (или относительные частоты ) – по оси ординат. Точки (или ) соединяют отрезками прямых и получают полигон распределения. Чаще всего полигоны применяются для изображения дискретных вариационных рядов, но их можно применять также и для интервальных рядов. В этом случае на оси абсцисс откладываются точки, соответствующие серединам данных интервалов.

Ответ: Рассмотрим прерывную случайную величину Х с возможными значениями . Каждое из этих значений возможно, но не достоверно, и величина Х может принять каждое из них с некоторой вероятностью. В результате опыта величина Х примет одно из этих значений, т. е. произойдет одно из полной группы несовместных событий:

Обозначим вероятности этих событий буквами р с соответствующими индексами:

Т. е. распределение вероятностей различных значений может быть задано таблицей распределения, в которой в верхней строке указываются все значения, принимаемые данной дискретной случайной величиной, а в нижней – вероятности соответствующих ей значений. Так как несовместные события (3.1) образуют полную группу, то , т. е. сумма вероятностей всех возможных значений случайной величины равна единице. Распределение вероятностей непрерывных случайных величин нельзя представить в виде таблицы, так как число значений таких случайных величин бесконечно даже в ограниченном интервале. Кроме того, вероятность получить какое-либо определенное значение равна нулю. Случайная величина будет полностью описана с вероятностной точки зрения, если мы зададим это распределение, т. е. в точности укажем, какой вероятностью обладает каждое из событий. Этим мы установим так называемый закон распределения случайной величины. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями. Про случайную величину мы будем говорить, что она подчинена данному закону распределения. Установим форму, в которой может быть задан закон распределения прерывной случайной величины X. Простейшей формой задания этого закона является таблица, в которой перечислены возможные значения случайной величины и соответствующие им вероятности:

x i	x 1	x 2	× × ×	x n
p i	p 1	p 2	× × ×	p n

Такую таблицу мы будем называть рядом распределения случайной величины X.

Рис. 3.1

Чтобы придать ряду распределения более наглядный вид, часто прибегают к его графическому изображению: по оси абсцисс откладываются возможные значения случайной величины, а по оси ординат – вероятности этих значений. Для наглядности полученные точки соединяются отрезками прямых. Такая фигура называется многоугольником распределения (рис. 3.1). Многоугольник распределения, также как и ряд распределения, полностью характеризует случайную величину. он является одной из форм закона распределения. Иногда удобной оказывается так называемая «механическая» интерпретация ряда распределения. Представим себе, что некоторая масса, равная единице, распределена по оси абсцисс так, что в n отдельных точках сосредоточены соответственно массы . Тогда ряд распределения интерпретируется как система материальных точек с какими-то массами, расположенных на оси абсцисс.