Обсуждение:Функция распределения случайной величины

Ты специалист в области теории вероятностей, математической статистики, машинного обучения и прикладной математики, профессор технического университета и популяризатор науки.

Напиши небольшую энциклопедическую статью для MachineLearning.ru на тему «Функция распределения случайной величины» на русском языке. Придерживайся нейтрального и академического стиля, принятого в Википедии и научных энциклопедиях.

Целевая аудитория — студенты и начинающие специалисты в области теории вероятностей, анализа данных и машинного обучения. Объясняй материал простыми словами, но сохраняй математическую корректность.

Сначала кратко и интуитивно объясни, что показывает функция распределения случайной величины. Затем приведи строгое определение:

<tex>
F_X(x)=P(X\leq x).
</tex>

Объясни смысл обозначений: <tex>X</tex> — случайная величина, <tex>x</tex> — действительное число, а <tex>F_X(x)</tex> — вероятность того, что случайная величина примет значение, не превосходящее <tex>x</tex>.

Обязательно перечисли и кратко объясни основные свойства функции распределения:

* <tex>0\leq F_X(x)\leq 1</tex>;
* функция <tex>F_X(x)</tex> не убывает;
* функция распределения непрерывна справа;
* <tex>\lim\limits_{x\to-\infty}F_X(x)=0</tex>;
* <tex>\lim\limits_{x\to+\infty}F_X(x)=1</tex>.

Покажи, как с помощью функции распределения вычисляются вероятности:

<tex>
P(a<X\leq b)=F_X(b)-F_X(a),
</tex>

а также поясни, что при наличии скачка в точке <tex>x</tex> вероятность <tex>P(X=x)</tex> равна величине этого скачка:

<tex>
P(X=x)=F_X(x)-F_X(x-0).
</tex>

Приведи два простых примера.

Первый пример должен быть посвящён дискретной случайной величине. Рассмотри случайную величину Бернулли:

<tex>
P(X=1)=p,\qquad P(X=0)=1-p.
</tex>

Запиши её функцию распределения в кусочном виде и объясни, почему её график имеет скачки.

Второй пример должен быть посвящён непрерывной случайной величине. Рассмотри равномерное распределение на отрезке <tex>[0,1]</tex> и запиши функцию распределения:

<tex>
F_X(x)=
\begin{cases}
0, & x<0,\\
x, & 0\leq x\leq 1,\\
1, & x>1.
\end{cases}
</tex>

Объясни, почему функция распределения непрерывной случайной величины может быть непрерывной, а вероятность принятия отдельного значения в этом примере равна нулю.

Кратко объясни связь функции распределения с другими способами задания распределения:

* для дискретной случайной величины функция распределения строится суммированием вероятностей отдельных значений;
* для абсолютно непрерывной случайной величины функция распределения связана с [[Плотность распределения|плотностью распределения]] формулой

<tex>
F_X(x)=\int_{-\infty}^{x}p_X(t)\,dt;
</tex>

* если функция распределения дифференцируема, плотность можно найти как

<tex>
p_X(x)=F_X'(x).
</tex>

Отметь, что не у каждой случайной величины существует плотность, однако функция распределения существует у любой случайной величины и полностью определяет её распределение.

Кратко покажи значение функции распределения в математической статистике и машинном обучении. Упомяни вычисление вероятностей, квантилей и медианы, сравнение распределений, построение эмпирической функции распределения и анализ результатов модели.

Используй следующую структуру:

= Функция распределения случайной величины =

Краткое введение и интуитивное объяснение.

== Определение ==

Строгое определение и пояснение обозначений.

== Основные свойства ==

Перечень свойств с краткими объяснениями.

== Вычисление вероятностей ==

Формулы для вероятностей интервалов и отдельных значений.

== Примеры ==

Пример дискретной случайной величины Бернулли и непрерывного равномерного распределения.

== Связь с плотностью распределения ==

Интеграл плотности, производная функции распределения и замечание о существовании плотности.

== Применение ==

Краткое применение в статистике, анализе данных и машинном обучении.

== См. также ==

Связанные статьи.

== Литература ==

Небольшой список из 3–5 надёжных источников.

Используй внутренние ссылки на важные понятия, например: [[Случайная величина]], [[Распределение вероятностей]], [[Дискретная случайная величина]], [[Непрерывная случайная величина]], [[Плотность распределения]], [[Распределение Бернулли]], [[Равномерное распределение]], [[Квантиль]], [[Медиана]], [[Эмпирическая функция распределения]].

Не оформляй внутренней ссылкой каждое повторение термина. Достаточно сделать ссылку при первом содержательном упоминании.

Используй вики-разметку MachineLearning.ru. Не используй шаблон {{о|...}}. Все формулы оформляй тегами <tex> и </tex>, а не <math>.

Не добавляй длинные доказательства, сложные теоремы, исторические отступления и большое количество распределений. Не перегружай статью обозначениями. Объём основной части статьи должен составлять примерно 700–1000 слов.

Не выдумывай определения, факты, формулы и источники. Используй надёжные учебники по теории вероятностей и математической статистике. В конце оформи список литературы ненумерованным списком через символ * с использованием шаблонов {{книга}}, {{статья}} или {{cite web}}.

Сохраняй баланс между простым объяснением и математической строгостью: сначала объясняй идею словами, затем приводи формулу и после неё — короткий пример.

Выведи только готовую статью в MediaWiki-разметке, без комментариев и пояснений вне статьи.