Задана интегральная функция распределения случайной величины X:
\[ F(x) = \begin{cases} 0, & x \le 0 \\ \frac{x^2}{3} + \frac{2x}{3}, & 0 < x \le 1 \\ 1, & x > 1 \end{cases} \]
Функция плотности вероятности является производной от интегральной функции распределения:
\[ f(x) = F'(x) \]
Таким образом, функция плотности вероятности:
\[ f(x) = \begin{cases} \frac{2(x+1)}{3}, & 0 < x < 1 \\ 0, & x \le 0 \text{ или } x \ge 1 \end{cases} \]
\[ M(X) = \int_{-\infty}^{\infty} x f(x) dx = \int_{0}^{1} x \cdot \frac{2(x+1)}{3} dx = \frac{2}{3} \int_{0}^{1} (x^2 + x) dx \]
\[ M(X) = \frac{2}{3} \left[ \frac{x^3}{3} + \frac{x^2}{2} \right]_{0}^{1} = \frac{2}{3} \left( \frac{1^3}{3} + \frac{1^2}{2} - 0 \right) = \frac{2}{3} \left( \frac{1}{3} + \frac{1}{2} \right) = \frac{2}{3} \left( \frac{2+3}{6} \right) = \frac{2}{3} \cdot \frac{5}{6} = \frac{10}{18} = \frac{5}{9} \]
Сначала найдем \( M(X^2) \):
\[ M(X^2) = \int_{-\infty}^{\infty} x^2 f(x) dx = \int_{0}^{1} x^2 \cdot \frac{2(x+1)}{3} dx = \frac{2}{3} \int_{0}^{1} (x^3 + x^2) dx \]
\[ M(X^2) = \frac{2}{3} \left[ \frac{x^4}{4} + \frac{x^3}{3} \right]_{0}^{1} = \frac{2}{3} \left( \frac{1^4}{4} + \frac{1^3}{3} - 0 \right) = \frac{2}{3} \left( \frac{1}{4} + \frac{1}{3} \right) = \frac{2}{3} \left( \frac{3+4}{12} \right) = \frac{2}{3} \cdot \frac{7}{12} = \frac{14}{36} = \frac{7}{18} \]
Теперь вычислим дисперсию:
\[ D(X) = M(X^2) - (M(X))^2 = \frac{7}{18} - \left( \frac{5}{9} \right)^2 = \frac{7}{18} - \frac{25}{81} = \frac{7 \cdot 9 - 25 \cdot 2}{162} = \frac{63 - 50}{162} = \frac{13}{162} \]
График \( F(x) \) состоит из трех частей:
График \( f(x) \) состоит из:
Ответ:
Функция плотности вероятности:
\[ f(x) = \begin{cases} \frac{2(x+1)}{3}, & 0 < x < 1 \\ 0, & x \le 0 \text{ или } x \ge 1 \end{cases} \]
Числовые характеристики:
Математическое ожидание \( M(X) = \frac{5}{9} \)
Дисперсия \( D(X) = \frac{13}{162} \)
Графики функций F(x) и f(x) построены выше.