Нормальный закон.
Показательное распределение.
Равномерное распределение.
Распределение Пуассона.
Биномиальное распределение.
Распределения случайных величин.
В данном параграфе рассматриваются некоторые наиболее часто используемые распределения случайных величин.
Пусть сл. величина X- число появлений события А в n испытаниях,
Вероятность P(A) постоянна в каждом испытании и равна p. Тогда вероятность появления события Аm раз в n испытаниях определяется по формуле Бернулли:
,
q =1-p, m = 0,1,…,n
Биномиальное распределение может быть задано таблицей:
X | 0 | 1 | 2 | … | n |
Pn(k) | … |
или функцией распределения:
Найдем числовые характеристики распределения. Для этого рассмотрим сначала случайную величину Xкак сумму следующих случайных величин:
X1 - появление события A в 1-м испытании;
X2 - появление события A во 2-м испытании;
………………………………………………….
Xn - появление события A в n-м испытании.
Очевидно, Xi = 0, если A не появляется в i-м испытании,
Xi = 1, если A появляется в i-м испытании. Тогда Xi может быть задана таблицей:
Xi | 0 | 1 |
pi | q | p |
Следовательно,
M[Xi] = 0∙q +1 ∙ p = p, D[Xi] = (0 – p)2q + (1 – p)2p = p2q + q2p =
= pq(p + q) =pq.
Так как X = X1 + X2 +…+ Xn, то
M[X] =np, D[X] = npq. (7.1)
Пусть в биномиальном распределении при неограниченном увеличении n сохраняется равенство:
λ = n∙p,
то есть p = λ/n, при этом . Можно показать, что
.
Тогда вероятность того, что случайная величина X принимает значение m, равна:
.
Случайная величина X задается таблицей:
X | 0 | 1 | 2 | … | k | … |
P(X=k) | e-λ | … | … |
Можно показать, что M[X] =λ, D[X] =λ. (7.2)
Случайная величинаXназывается равномерно распределенной на отрезке [a,b], если плотность распределения определяется формулами:
Постоянная c определяется из условия:
. (7.3)
Определим интегральную функцию распределения, используя формулу
После вычислений получим:
(7.4)
, . (7.5)
Показательное распределение задается дифференциальной функцией:
(7.6)
Параметр λ > 0.
Показательное распределение часто используется при изучении сроков службы различных устройств, времени безотказной работы отдельных элементов систем и систем в целом, то есть при рассмотрении случайных промежутков времени между появлениями двух последовательных редких событий. λ - интенсивность отказов, то есть вероятность отказа элемента в единицу времени после данного момента времени при условии, что до этого момента отказа не было.
Интегральная функция распределения равна
(7.7)
Вычислим мат. ожидание и дисперсию.
(7.8)
Нормальный закон распределения Гаусса наиболее часто встречается при анализе погрешностей измерения, контроле различных процессов, анализе явлений в биологии, медицине и т.д. Главная особенность данного распределения состоит в том, что нормальное распределение является предельным распределением, к которому приближаются другие распределения. Нормальному закону подчиняются только непрерывные случайные величины. Дифференциальная и интегральная функции имеют вид:
(7.9)
Мат. ожидание и дисперсия:
M(x)=a, D(x) = σ2. (7.10)
На рисунке изображены кривые φ(x) и Φ(x) при a=0, σ =1. Эти функции определяют нормированный нормальный закон распределения:
(7.11)
Исследуя функции (7.9), можно доказать следующие свойства нормального распределения:
1. Для любого xÎ (-¥,¥) функция f(x) определена.
2. Для любого xÎ (-¥,¥) функция f(x)>0.
3.
4. При x=a f(x) принимает максимальное значение
5. График функции f(x) симметричен относительно прямой x=a.
6. График функции f(x) имеет две точки перегиба с координатами:
7. Форма графика функции f(x) не меняется при изменении параметра a (происходит сдвиг по оси Ох), при изменении параметра σ меняются форма кривой и максимальное значение, при этом площадь подграфика остается равной 1.
8. Из теоремы 5.2 следует, что вероятность попадания нормально распределенной сл. величины в интервал (x1,x2) равна
(7.12)
В практических вычислениях используют таблицы функций φ(x) и Φ(x). Заметим, что в таблицах для Φ(x) отсутствуют положительные значения аргумента, а в вычислениях применяется очевидное соотношение
Φ(x) = 1- Φ(-x). (7.13)
Во многих учебных пособиях для определения вероятностей попадания в интервалы применяется не функция распределения, а функция Лапласа:
(7.14)
Функция Лапласа удовлетворяет следующим свойствам:
1. определена на числовой оси.
2. .
3. .
4. возрастающая функция.
5. , то есть функция нечетная.
6. .
7.