 
1
Wykład 5
Niektóre rozkłady zmiennej losowej ciągłej
Poniżej  poznamy  tylko  niektóre,  wybrane  rozkłady  zmiennej  losowej  ciągłej.  Dodatkowo, 
kilka  rozkładów  odgrywających  ważną  rolę  przy  wyznaczaniu  przedziałów  ufności, 
weryfikacji  hipotez  statystycznych  takich  jak  na  przykład  rozkład  t-Studenta,  rozkład  chi-
kwadrat,  rozkład  Fishera-Snedecora  poznamy  przy  omawianiu  w/w  zagadnień  lub  na 
ćwiczeniach. 
 
 
Rozkład jednostajny
 
Mówimy,  że  zmienna  losowa  X  podlega  rozkładowi  jednostajnemu  (równomiernemu, 
prostokątnemu,  jednakowych  prawdopodobieństw),  jeżeli  jej  gęstość  prawdopodobieństwa 
określona jest wzorem: 
 
>
≤
≤
−
<
=
b
x
dla
b
x
a
dla
a
b
a
x
dla
x
f
0
1
0
)
(
 
 
Dystrybanta F zmiennej losowej X rozkładu jednostajnego jest równa:
>
≤
<
−
−
≤
=
b
x
dla
b
x
a
dla
a
b
a
x
a
x
dla
x
F
1
0
)
(
f(x)
a
b
1/(b-a)
x
 
2
 
Wartość przeciętna E(X) wynosi: 
2
)
(
b
a
dx
a
b
x
x
E
b
a
+
=
−
=
∫
 
 
Wariancję V(X) dla tego rozkładu można wyliczyć następująco: 
 
 
3
)
(
2
2
2
2
a
ab
b
dx
a
b
x
x
E
b
a
+
+
=
−
=
∫
 
 
 
12
)
(
4
)
(
3
)
(
2
2
2
2
a
b
b
a
a
ab
b
x
V
−
=
+
−
+
+
==
Rozkład  jednostajny  mimo  prostoty  znajduje  wiele  zastosowań,  szczególnie,  gdy  jest 
składnikiem  w  bardziej  złożonych  rozkładach  prawdopodobieństwa.  Stosuje  się  go  m.in.  do 
symulacji tzw. szumu białego. 
 
Rozkład wykładniczy
 
Mówimy, że zmienna losowa X podlega rozkładowi wykładniczemu o parametrze  λ > 0, 
jeżeli jej gęstość prawdopodobieństwa określona jest wzorem:  
 
 
 
x
F(x)
 
3
≥
≥
<
=
−
0
,
0
0
0
)
(
λ
λ
λ
gdzie
x
dla
e
x
dla
x
f
x
 
 
Rozkłady wykładnicze występują m.in. w zagadnieniach czasu ruchu teleinformatycznego, 
problemach czasu obsługi klientów, problemach czasu ekspolatacji maszyn, problemach 
związanymi z awaryjnością, katastrofami itp. 
 
Dystrybuanta rozkładu wykładniczego dana jest wzorem: 
 
<
≥
−
=
−
0
0
0
1
)
(
x
dla
x
dla
e
x
F
x
λ
 
 
 
 
x
f(x)
x
F(x)
 
4
Łatwo sprawdzić, że dla rozkładu wykładniczego:
λ
1
)
(
=
x
E
oraz
2
1
)
(
λ
=
x
V
Rozkład Weibulla
 
Mówimy, że zmienna losowa X podlega rozkładowi Weibulla o parametrach  p>0, λ > 0, 
jeżeli jej gęstość prawdopodobieństwa określona jest wzorem: 
≤
>
−
=
−
0
0
0
)
exp(
)
(
1
x
dla
x
dla
x
x
p
x
f
p
p
λ
λ
 
 
 
 
 
 
 
 
5
 
 
 
 
 
Przykład zastosowań rozkładu Weibulla: czas pracy różnych elementów, awarie itp. Rozkład 
Weibulla  jest  podobny,  ze  względu  na  obszar  zastosowań  do  rozkładu  wykładniczego. 
Funkcja  gęstości  tego  rozkładu  nie  posiada  nieciągłości  „w  zerze”  i  w  związku  z  tym  lepiej 
opisuje on niektóre zjawiska niż rozkład wykładniczy. 
 
Podstawowe parametry rozkładu Weibulla: 
+
Γ
−
+
Γ
=
+
Γ
=
)
1
1
(
1
2
(
)
(
),
1
1
(
2
/
2
/
1
p
p
X
D
p
EX
p
p
λ
λ
 
 
Rozkład Maxwella
 
Funkcja gęstości. 
 
 
≤
>
−
=
0
;
0
0
;
)
exp(
4
)
(
2
2
2
/
3
x
x
x
x
x
f
λ
λ
π
 
6
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Gęstość  rozładu  Maxwella  znany  jest  dobrze  w  fizyce,  opisuje  np.  rozkład  prędkości 
cząsteczek gazu. 
 
 
Rozkład Laplace’a (dwustronny wykładniczy)
 
 
 
 
 
 
R
x
x
f
∈
>
−
−
=
µ
λ
λ
µ
λ
,
0
,
exp(
2
1
)
(
λ
π
π
π
λ
2
8
3
,
2
2
−
=
=
X
D
EX
x
f(x)
 
7
 
 
 
 
 
Rozkład Cauchy’ego
 
 
 
 
 
 
 
 
 
 
(brak momentów w szczególności EX, D
2
X)
 
 
Rozkład Releigha
 
 
 
 
2
2
2
,
λ
µ
=
=
=
=
X
D
D
Me
EX
0
,
)
(
1
)
(
2
2
>
−
+
=
λ
µ
λ
λ
π
x
x
f
µ
=
=
D
Me
≤
>
−
=
0
,
0
0
),
exp(
2
)
(
2
x
x
x
x
x
f
λ
λ
x
f(x)
x
f(x)
 
8
Liczne zastosowania w fizyce: na przykład taki rozkład ma amplituda bocznego kołysania się 
okrętu. 
 
 
Rozkłady  wykładniczy,  Weibulla,  Maxwella  i  Rayleigha  są  szczególnymi  przypadkami 
uogólnionego rozkładu gamma (trójparametrowego rozkładu gamma). 
 
Funkcja gamma Eulera: 
 
 
 
 
λ
π
λ
π
4
4
,
2
1
2
−
=
⋅
=
X
D
EX
∫
∞
−
−
>
=
Γ
0
1
0
,
)
(
p
dx
e
x
p
x
p
x
f(x)
x
F(x)
 
9
Własności funkcji gamma Eulera: 
 
 
1.  
 
2.
 
 
Trójparametrowy (uogólniony) rozkład gamma. 
 
 
 
 
 
 
1.
Jeżeli p=1, α=1 to otrzymujemy rozkład wykładniczy
2.
Jeżeli p=2, α=2 to otrzymujemy rozkład Rayleigha
3.
Jeżeli p=3, α=2 to otrzymujemy rozkład Maxwella
4.
Jeżeli p=α to otrzymujemy rozkład Weibulla
5.
α=1 to otrzymujemy rozkład gamma (dwuparametrowy)
Dwuparametrowy rozkład gamma
 
 
 
 
 
λ – parametr skali, p – parametr kształtu 
 
)
1
(
)
1
(
)
(
−
Γ
−
=
Γ
p
p
p
1
!
0
)
1
(
(
,
,
)!
1
(
)
(
=
=
Γ
∈
=
−
=
Γ
N
n
p
n
n
≤
>
−
⋅
Γ
=
−
0
,
0
0
),
exp(
)
(
)
(
1
/
x
x
x
x
p
x
f
p
p
λ
λ
α
α
α
α
≤
>
−
⋅
Γ
=
−
0
,
0
0
),
exp(
)
(
)
(
1
/
x
x
x
x
p
x
f
p
p
λ
λ
α
α
α
α
 
10
 
 
 
 
 
 
Jeżeli p>1 to rozkład jest jednomodalny i D=λ(p-1). 
Szczególne przypadki rozkładu gamma: 
 
1. Jeżeli p=n/2, λ=2 to otrzymujemy rozkład χ
2
z n stopnami swobody.
 
 
2. Jeżeli p=n, n
∈
N to otrzymujemy rozkład Erlanga (z parametrami n oraz λ).
3. Jeżeli p=1 to otrzymujemy rozkład wykładniczy (z parametrami EX=λ,  
D
2
X= λ
2
).
p
X
D
p
EX
⋅
=
⋅
=
2
2
,
λ
λ
≤
>
−
⋅
Γ
=
−
0
,
0
0
),
2
1
exp(
2
)
2
1
(
1
)
(
1
2
2
/
x
x
x
x
n
x
f
n
n
≤
>
−
⋅
−
=
−
0
,
0
0
),
exp(
)!
1
(
1
)
(
1
x
x
x
x
n
x
f
n
n
λ
λ
≤
>
−
=
0
,
0
0
),
exp(
1
)
(
x
x
x
x
f
λ
λ
λ=3,p=2
x
f(x)
 
11
Rozkład beta
 
Własności funkcji beta. 
 
Definicja: 
Można pokazać, że: 
 
Mówimy,  że  zmienna  losowa  X  ma  rozkład  beta  I  rodzaju    o  parametrach  p,q>0  jeżeli  jej 
gęstość dana jest wzorem: 
 
∫
>
−
=
−
−
1
0
1
1
0
,
,
)
1
(
)
,
(
q
p
dx
x
x
q
p
B
q
p
)
(
)
(
)
(
)
,
(
q
p
q
p
q
p
B
+
Γ
Γ
⋅
Γ
=
<
<
−
=
−
−
x
pozostaych
dla
x
x
x
q
p
B
x
f
q
p
,
0
1
0
,
)
1
(
)
,
(
1
)
(
1
1
x
f(x)
x
F(x)
 
12
 
 
 
 
 
Jeżeli zmienna losowa X jest ograniczona to jej rozkład jest wyznaczony jednoznacznie przez 
jej momenty 
α
r
, r
∈
N .
 
Przykład: Zmienna X ma rozkład beta o parametrach p=q=2 
 
(fragment paraboli ramionami do dołu, ograniczony osią OX)
Rozkład normalny (Gaussa, Gaussa-Laplace’a, de Moivre’a-Laplace’a).
 
Mówimy,  że  zmienna  losowa  X  ma  rozkład  normalny,  jeżeli  jej  funkcja  gęstości  dana  jest 
równaniem: 
 
W skrócie rozkład normalny oznaczamy: X~N(m.,
σ
)
 
 
 
)
1
(
)
(
,
2
2
+
+
+
=
+
=
q
p
q
p
pq
X
D
q
p
p
EX
<
<
−
=
x
pozostaych
dla
x
x
x
x
f
,
0
1
0
),
1
(
6
)
(
R
m
e
x
f
m
x
∈
>
=
−
−
,
0
,
2
1
)
(
2
2
2
)
(
σ
σ
π
σ
x
f(x)
m=0,
σ
=2
 
13
 
 
 
 
 
 
f(x)
f(x)
f(x)
x
x
x
x
m=2,
σ
=2
σ
=0.5
σ
=2
 
14
 
 
 
 
 
 
 
f(x)
x
σ
=4