Кумулятивная функция распределения

Кумуляти́вная фу́нкция распределе́ния (или просто функция распределения) в теории вероятностей однозначно задаёт распределение случайной величины или случайного вектора.

Определение

Пусть дано вероятностное пространство $(\R,\mathcal{F},\mathbb{P})$, и на нём определена случайная величина X с распределением $\mathbb{P}^X$. Тогда функцией распределения случайной величины X называется функция $F_X\colon\mathbb{R} \to [0,1]$, задаваемая формулой:

$F_X(x) = \mathbb{P}( X \leqslant x ) \equiv \mathbb{P}^X\left((-\infty, x]\right)$.

Свойства

• F_X не убывает на всей числовой прямой.
• F_X непрерывна справа.
• $\lim\limits_{x \to -\infty} F_X(x) = 0$.
• $\lim\limits_{x \to \infty} F_X(x) = 1$.

• Распределение случайной величины $\mathbb{P}^X$ однозначно определяет функцию распределения.
  • Верно и обратное: если функция F(x) удовлетворяет четырём перечисленным выше свойствам, то существует вероятностное пространство и определённая на нём случайная величина, такая что F(x) является её функцией распределения.

• По определению непрерывности справа, функция F_X имеет правый предел F_X(x + ) в любой точке $x\in \mathbb{R}$, и он совпадает со значением функции F_X(x) в этой точке.
  • В силу неубывания, функция F_X также имеет и левый предел F_X(x − ) в любой точке $x\in \mathbb{R}$, который может не совпадать со значением функции. Таким образом, функция F_X либо непрерывна в точке, либо имеет в ней разрыв первого рода.

Тождества

Из свойств вероятности следует, что $\forall x \in \mathbb{R},\; \forall a,b\in \mathbb{R}$, таких что a < b:

• $\mathbb{P}(X &amp;gt; x ) = 1 - F_X(x)$;
• $\mathbb{P}(X &amp;lt; x ) = F_X(x-)$;
• $\mathbb{P}(X \geqslant x ) = 1 - F_X(x-)$;
• $\mathbb{P}( X = x ) = F_X(x) - F_X(x-)$;
• $\mathbb{P}(a &amp;lt; X \leqslant b ) = F_X(b) - F_X(a)$;
• $\mathbb{P}(a \leqslant X \leqslant b) = F_X(b) - F_X(a-)$;
• $\mathbb{P}(a &amp;lt; X &amp;lt; b ) = F_X(b-) - F_X(a)$;
• $\mathbb{P}(a \leqslant X &amp;lt; b ) = F_X(b-) - F_X(a-)$.

Дискретные распределения

Если случайная величина X дискретна, то есть её распределение однозначно задаётся функцией вероятности

$\mathbb{P}(X = x_i) = p_i,\; i=1,2,\ldots$,

то функция распределения F_X этой случайной величины кусочно-постоянна и может быть записана как:

$F_X(x) = \sum\limits_{i\colon x_i \leqslant x} p_i$.

Эта функция непрерывна в любой точке $x\in \mathbb{R}$, такой что $x \not= x_i,\; \forall i$, и имеет разрыв, равный p_i, в x = x_i.

Непрерывные распределения

Распределение $\mathbb{P}^X$ называется непрерывным, если такова его функция распределения F_X. В этом случае:

$\mathbb{P}(X = x) = 0,\; \forall x \in \mathbb{R}$,

и

$F_X(x-0) = F_X(x),\; \forall x \in \mathbb{R}$,

а следовательно формулы имеют вид:

$\mathbb{P}(X \in |a,b|) = F_X(b) - F_X(a)$,

где | a,b | означает любой интервал, открытый или закрытый, конечный или бесконечный.

Абсолютно непрерывные распределения

Распределение $\mathbb{P}^X$ называется абсолютно непрерывным, если существует неотрицательная почти всюду (относительно меры Лебега) функция f_X(x), такая что:

$F_X(x) = \int\limits_{-\infty}^x\!f_X(t)\, dt$.

Функция f_X называется плотностью распределения. Известно, что функция абсолютно непрерывного распределения непрерывна, и более того если $f_X \in C(\mathbb{R})$, то $F_X \in \mathcal{D}(\mathbb{R})$, и

$\frac{d}{dx}F_X(x) = f_X(x),\; \forall x \in \mathbb{R}$.

Вариации и обобщения

Многомерные функции распределения

Пусть $(\Omega,\mathcal{F},\mathbb{P})$ фиксированное вероятностное пространство, и $X=(X_1,\ldots,X_n)\colon\Omega \to \mathbb{R}^N$ — случайный вектор. Тогда распределение $\mathbb{P}^X$ является вероятностной мерой на $\mathbb{R}^n$. Функция этого распределения $F_X\colon\mathbb{R}^n \to [0,1]$ задаётся по определению следующим образом:

$F_X(x_1,\ldots,x_n) = \mathbb{P}(X_1 \leqslant x_1 ,\ldots, X_n \leqslant x_n) \equiv \mathbb{P}^X \left(\prod\limits_{i=1}^n (-\infty,x_i]\right)$,

где $\prod$ в данном случае обозначает декартово произведение множеств.

Свойства многомерных функций распределения аналогичны одномерному случаю. Также сохраняется взаимно-однозначное соответствие между распределениями на $\mathbb{R}^n$ и многомерными функциями распределения. Однако, формулы для вычисления вероятностей существенно усложняются, и потому функции распределения редко используются для n > 1.

См. также

• Плотность вероятности.