تابع توزیع تجمعی

دانشنامه عمومی

تابع توزیع تجمعی ( به انگلیسی: Cumulative distribution function ) یا تابع توزیع انباشتی تابعی غیر صفر و هم نوای صعودی است که برد آن بازه بوده و احتمال آنکه متغیر تصادفی X دارای مقداری کوچک تر از x باشد را نشان می دهد، [ ۱] یعنی x → F X ( x ) = P ⁡ ( X ≤ x ) [ ۲]
از این تعریف می توان نتیجه گرفت که:
P ( a < X ≤ b ) = F X ( b ) − F X ( a )
تابع توزیع تجمعی را می توان به صورت زیر بر اساس تابع چگالی احتمال نیز تعریف کرد
F ( x ) = ∫ − ∞ x f ( t ) d t . [ ۳]
در مورد متغیرهای تصادفی با مقادیر گسسته این تعریف به صورت زیر است:
Pr ( X = x ) = F ( x 0 ) − F ( x 0 − ) ,
که در اینجا F ( x 0 − ) به معنی حد چپ تابع F X ( x ) است وقتی که x به x 0 میل می کند[ ۱]
• تابع توزیع تجمعی برای متغیر تصادفی گسسته به این شکل تعریف می شود:
F X ( x ) = P ( X ≤ x ) = ∑ t ≤ x P ( t ) نمودار تابع توزیع تجمعی برای متغیر تصادفی گسسته تعریف تابع توزیع تجمعی برای متغیر تصادفی پیوسته به این شکل می شود  : F X ( x ) = P ( X ≤ x ) = ∫ t ≤ x f ( t ) d t تمام توابع توزیع تجمعی صعودی ( ولی نه لزوماً اکیدا صعودی ) و از راست پیوسته هستند. 0 ≤ F X ( x ) ≤ 1 lim x → − ∞ F ( x ) = 0 lim x → + ∞ F ( x ) = 1 [ ۱] اگر x 1 ≤ x 2 باشد، آنگاه  : F X ( x 1 ) ≤ F X ( x 2 ) P ( X > x ) = 1 − F X ( x ) P ( x 1 < x ≤ x 2 ) = F X ( x 2 ) − F X ( x 1 ) اگر M میانه داده ها باشد داریم  : F X ( M ) = ∫ − ∞ M f ( x ) d x = 1 2 و این همان تعریف میانه است که نیمی از داده ها مقداری کمتر از M دارند. [ ۴]
فرض کنید X یک متغیر تصادفی پیوسته است که تابع چگالی احتمال آن به این شکل تعریف شده باشد:[ ۵]
f ( x ) = { 0 x ≤ − 1 x + 1 − 1 < x ≤ 0 1 − x 0 < x < 1 0 x ≥ 1 نمودار چگالی احتمال این متغیر تصادفی به شکل زیر خواهد بود:
با انتگرال گیری از تابع چگالی احتمال در هر بازه تابع توزیع تجمعی آن را به دست می آوریم و خواهیم داشت:
عکس تابع توزیع تجمعیعکس تابع توزیع تجمعیعکس تابع توزیع تجمعیعکس تابع توزیع تجمعیعکس تابع توزیع تجمعیعکس تابع توزیع تجمعی
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلف

پیشنهاد کاربران

بپرس