Непрерывная случайная величина
англ. Continuous random variable
Случайная величина, функция распределения которой непрерывна; описывается плотностью, а вероятностями задаются интервалы, не точки. Рост, время, температура, погрешность измерения.
Непрерывная случайная величина — та, что может принять любое значение на промежутке, и её функция распределения растёт плавно, без ступенек. Контраст с дискретной величиной: у игрального кубика вся вероятность собрана в шести точках, у роста человека она размазана по числовой прямой, и вероятность каждой отдельной точки нулевая. Поэтому паспорт непрерывной величины — это либо функция распределения , либо её производная — плотность вероятности; обе описания равносильны. Типовые примеры: время работы прибора, ошибка измерения, скорость молекулы, масса зерна. Техника расчётов вся сводится к интегрированию — см. урок непрерывные случайные величины.
Пример полного расчёта: время обслуживания клиента распределено с плотностью при (показательный закон с , среднее часа). Вероятность уложиться в полчаса: . Вероятность обслужить дольше часа: . Математическое ожидание , дисперсия . Для дискретной величины те же величины считались бы суммами по точкам — см. математическое ожидание; для непрерывной суммы заменяются интегралами, а ступенчатая становится гладкой. Гибрид тоже бывает: смешанные распределения (время безотказной работы с гарантией «вечно» с некоторой вероятностью) имеют и скачки, и гладкие участки.
Частые вопросы
Чем непрерывная случайная величина отличается от дискретной на практике?
Дискретная принимает счётное множество значений и описывается таблицей вероятностей; непрерывная заполняет целый промежуток и описывается плотностью. Практическая разница — в вычислениях и в постановке вопросов: для дискретной спрашивают «вероятность выпадения шестёрки», для непрерывной — «вероятность попадания в интервал», потому что вероятность точки нулевая. Знак неравенства у дискретной величины существен ( и различаются), у непрерывной — нет. Между ними живёт счётное бесконечное семейство (например, геометрическое распределение) — оно дискретное, хотя значений бесконечно много.
Зачем нужна функция распределения, если есть плотность?
Потому что плотность описывает не всё. Во-первых, определена всегда, а плотность — только там, где гладкая; у смешанных распределений плотности в привычном смысле нет вовсе. Во-вторых, вероятность попадания в интервал — это именно разность , и через функцию распределения она записывается без всяких интегралов. В-третьих, квантили и медиана определяются напрямую через : решить уравнение . Удобное правило: считать вероятности интервалов быстрее по , а конструировать распределения и средние — по плотности.