Биофиз.РЕМИЗОВ. Механика. Акустика глава 4 Некоторые вопросы биомеханики
Скачать 9.74 Mb.
|
§ 2.2. Случайная величина. Закон распределения. Числовые характеристики
Так как все возможные значения дискретной случайной вели-чины-яредставляют полную систему (см. § 2.1), то сумма вероятностей равна единице: Здесь предполагается, что дискретная случайная величина имеет и значений. Выражение (2.9) называется условием нормировки. Случайной величиной является число очков, выпадающих на верхней грани игральной кости. Указать распределение этой случайной величины (табл. 2). Таблица 2
Случайной величиной является номер вида спорта в игре «Спортло-10». Общее число видов равно 49. Указать распределение этой случайной величины (табл. 3). Таблица 3
Биномиальное распределение. Пусть некоторое испытание проводится трижды и при этом событие А происходит Iраз (I— случайная величина, которая при тройном испытании может принимать значения 0, 1, 2 и 3). Вероятность наступления события А равна Р(А); вероятность того, что событие А не происходит, т. е. имеет место противоположное событие А, равна [1 - Р(А)]. З начение 1 = 0 соответствует такому случаю, при котором трижды подряд событие А не происходило. Вероятность этого сложного события, по теореме умножения вероятностей (2.6), равна З начение I = 1 относится к случаю, при котором событие А произошло в одном из трех испытаний. По формуле (2.6) получаем Так как при l = 1 происходят также и два других сложных события: (А и А и А)и(А и А и А), то необходимо, воспользовавшись теоремой сложения вероятностей (2.4), получить полную вероятность для l = 1, сложив трижды предыдущее выражение: Значение I = 2 соответствует случаю, при котором событие А произошло в двух из трех испытаний. Рассуждениями, подобными приведенным выше, получим полную вероятность для этого случая: При 1 = 3 событие А появляется во всех трех испытаниях. Используя теорему умножения вероятностей, находим В общем случае биномиальное распределение позволяет определить вероятность того, что событие А произойдет lраз при п испытаниях: На основе многолетних наблюдений вызов врача в данный дом оценивается вероятностью 0,5. Найти вероятность того, что в течение шести дней произойдет четыре вызова врача; Р(А) = 0,5, п = 6,1 = 4. Т Воспользуемся формулой (2.10): Числовые характеристики дискретной случайной величины. Во многих случаях, наряду с распределением случайной величины или вместо него, информацию об этих величинах могут дать числовые параметры, получившие название числовых характеристик случайной величины. Рассмотрим наиболее употребительные из них. Математическое ожидание (среднее значение) случайной величины есть сумма произведений всех возможных ее значе ний на вероятности этих значений: Пусть при большом числе испытаний п дискретная случайная величина Xпринимает значения xvx2, ..., хпсоответственно m1 , mг, ..., тпраз. Среднее значение равно Если п велико, то относительные частоты т1/п, т2/п, ... будут стремиться к вероятностям, а средняя величина — к математическому ожиданию. Именно поэтому математическое ожидание часто отождествляют со средним значением. Найти математическое ожидание для дискретной случайной величины, которая задается цифрой на грани при бросании игральной кости (см. табл. 2). Используем формулу (2.11): Найти математическое ожидание для дискретной случайной величины, которая определяется тиражом «Спортлото» (см. табл. 3). Согласно формуле (2.11), находим Возможные значения дискретной случайной величины рассеяны вокруг ее математического ожидания, часть из них превышает М{Х), часть — меньше М{Х). Как оценить степень разброса случайной величины относительно ее среднего значения? Может показаться, что для решения такой задачи следует вычислить отклонения всех случайных величин от ее математического ожидания X - М(Х), а затем найти математическое ожидание (среднее значение) этих отклонений: М[Х - М(Х)]. Вез доказательства отметим, что эта величина равна нулю, так как отклонения случайных величин от математического ожидания имеют как положительные, так и отрицательные значения. Поэтому целесообразно учитывать либо абсолютные значения отклонений М[Х — М (X)], либо их квадраты М[Х - М(Х)]2. Второй вариант оказывается предпочтительнее, так приходят к понятию дисперсии случайной величины. Дисперсией случайной величины называют математическое ожидание квадрата отклонения случайной величины от ее математического ожидания: Б ез вывода приведем удобную для вычисления дисперсии формулу Она означает, что дисперсия равна разности между математическим ожиданием квадрата случайной величины Xи квадратом ее математического ожидания. Найти дисперсию случайной величины, которая задается цифрой на грани при бросании игральной кости (см. табл. 2). Математическое ожидание этого распределения равно 3,5. Запишем значения квадратов отклонения случайных величин от математического ожидания: (1 - 3,5)2 = 6,25; (2 - 3,5)2 = 2,25; (3 - 3,5)2 = 0,25; (4 - 3,5)2 = 0,25; (5 - 3,5)2 = 2,25; (6 - 3,5)2 = 6,25. По формуле (2.12) с учетом (2.11) няходим дисперсию: Как следует из (2.12), дисперсия имеет размерность квадрата размерности случайной величины. Для того чтобы оценивать расстояние случайной величины в единицах той же размерности, вводят понятие среднего квадратического отклонения, под которым понимают квадратный корень из дисперсии: Распределение и характеристики непрерывной случайной величины. Непрерывную случайную величину нельзя задать тем же законом распределения, что и дискретную. В этом случае поступают следующим образом. Пусть dP — вероятность того, что непрерывная случайная величина Xпринимает значения между х и х + dx. Очевидно, что Ирм больше интервал dx, тем больше и вероятность dP: dP dx. Шроме того, вероятность должна зависеть и от самой случайной Величины, вблизи которой расположен интервал, поэтому где f(x) — плотность вероятности, или функция распределения вероятностей. Она показывает, как изменяется вероятность, отнесенная к интервалу dxслучайной величины, в зависимости от значения самой этой величины: Интегрируя выражение (2.15) в соответствующих пределах, находим вероятность того, что случайная величина принимает какое-либо значение в интервале (ab): Условие нормировки для непрерывной случайной величины имеет вид Как видно из (2.19), эта функция равна вероятности того, что случайная величина принимает значения, меньшие х: Для непрерывной случайной величины математическое ожидание и дисперсия записываются соответственно в виде § 2.3. Нормальный закон распределения В теории вероятностей и математической статистике, в различных приложениях важную роль играет нормальный закон распределения (закон Гаусса). Случайная величина распределена по этому закону, если плотность вероятности ее имеет вид где α= М(Х) — математическое ожидание случайной величины; — среднее квадратическое отклонение; следовательно, дисперсия случайной величины. Изменение а при постоянной а не влияет на форму кривой, а лишь сдвигает ее вдоль оси абсцисс. Площадь, заключенная под кривой, согласно условию нормировки, равна единице. На рисунке 2.1 изображены три кривые. Для кривых 1 и 2 а = 0, эти кривые отличаются значением σ (σ1 < σ2); кривая 3 имеет а = 0 (σ = σ2). Вычислим функцию распределения (2.19) для этого случая: Обычно используют иное выражение функции нормального распределения. Введем новую переменную t= (x-a)/σ, следовательно, dx = σdt. Подставив эти значения в (2.23), получим Значения функции Ф(t) обычно находят в специально составленных таблицах (см. [2]), так как интеграл (2.24) через элементарные функции не выражается. График функции Ф(t) изображен рисунке 2.2.На основании (2.17) можно вычислить вероятность того, что случайная величина при нормальном распределении находится в интервале (x1x2). Без вывода, по аналогии с (2.24), укажем, что эта вероятность равна Воспользуемся выражением (2.25) для вычисления следующих вероятностей: Отметим, что Ф(-t) = 1 - Ф(t), поэтому Р = 2Ф(1) - 1. По таблице находим Ф(+1) = 0,8413. откуда По таблице находим Ф(2) = 0,9772, откуда По таблице находим Ф(3) = 0,9986. откуда На рисунке 2.3 приведено нормальное распределение (σ = 0) и штриховкой показаны области, площади которых равны вероятностям 0,683 и 0,954. Допустим, что произвольно из нормального распределения выбираются группы по п значений случайных величин. Для каждой группы можно найти средние значения, соответственно x1, х2, ..., xi, ... . Эти средние значения сами образуют нормальное распределение (в отличие от изложенного выше нормального распределения здесь каждому среднему значению xiбудет соответствовать не вероятность, а относительная частота). Математическое ожидание такого «нового» нормального распределения равно математическому ожиданию исходного нормального распределения, а дисперсия (Dn) и среднее квадратическое отклонение (σп) отличаются соответственно в п и в √nраз относительно этих характеристик исходного распределения: Это положение здесь не доказывается, но его можно проиллюстрировать рисунком 2.4, на котором приведены графики нормальных распределений, полученных для групп со значениями п, активными 1,4, 16, и n→∞. Рассмотрим крайние частные случаи. При п = 1 приходим к исходному нормальному распределению, потому σn = σ. При п →∞ σn → 0; фактически в этом случае «группами случайных величин» — это все исходное распределение, Других групп нет, поэтому среднее значение выражается только одним числом и оно соответствует математическому ожиданию. юсе распределение сводится к этому значению математического ожидания (на графике представлено вертикальной линией). §2.4. Распределения Максвелла и Больцмана Распределение Максвелла (распределение молекул газа по скоростям). В равновесном состоянии параметры газа (давление, объем и температура) остаются неизменными, однако микросостояния — взаимное расположение молекул, их скорости — непрерывно изменяются. Из-за огромного количества молекул практически нельзя определить значения их скоростей в какой-либо момент, но возможно, считая скорость молекул непрерывной случайной величиной, указать распределение молекул по скоростям. Выделим отдельную молекулу. Хаотичность движения позволяет, например, для проекции скорости vxмолекулы принять нормальный закон распределения. В этом случае, как показал Дж. К. Максвелл, плотность вероятности записывается следующим образом: где т0— масса молекулы, T — термодинамическая температура газа, k— постоянная Больцмана. Аналогичные выражения могут быть получены для f(vy) и f(vz). На основании формулы (2.15) можно записать вероятность того, что молекула имеет проекцию скорости, лежащую в интервале от vдо vx + dvx: аналогично для других осей Каждое из условий (2.29) и (2.30) отражает независимое событие. Поэтому вероятность того, что молекула имеет скорость, проекции которой одновременно удовлетворяют всем условиям, можно найти по теореме умножения вероятностей [см. (2.6)]: Используя (2.28), из (2.31) получаем Отметим, что из (2.32) можно получить максвелловскую функцию распределения вероятностей абсолютных значений скорости (распределение Максвелла по скоростям): и вероятность того, что скорость молекулы имеет значение, лежащее в интервале от vдо v + dv: График функции (2.33) изображен на рисунке 2.5. Скорость, соответствующую максимуму кривой Максвелла, называют наивероятнейшей vв. Ее можно определить, используя условие максимума функции: или откуда Среднюю скорость молекулы (математическое ожидание) можно найти по общему правилу [см. (2.20)]. Так как определяется среднее значение скорости, то пределы интегрирования берут от 0 до ∞ (математические подробности опущены): где М = M0Na — молярная масса газа, R = kNA— универсальная ■вазовая постоянная, NA— число Авогадро. При увеличении температуры максимум кривой Максвелла смещается в сторону больших скоростей и распределение молекул по vвидоизменяется (рис. 2.6; Т1 < Т2). Распределение Максвелла позволяет вычислить число молекул, скорости которых лежат в определенном интервале ∆v. Получим соответствующую формулу. Так как общее число Nмолекул в газе обычно велико, то вероятность dPможет быть выражена как отношение числа dNмолекул, скорости которых заключены в некотором интервале dv, к общему числу Nмолекул: Из (2.34) и (2.37) следует, что Формула (2.38) позволяет определить число молекул, скорости которых лежат в интервале от v1до v2.Для этого нужно проинтегрировать (2.38): либо графически вычислить площадь криволинейной трапеции в пределах от и1до v2(рис. 2.7). Если интервал скоростей dvдостаточно мал, то число молекул, скорости которых соответствуют этому интервалу, может быть рассчитано приближенно по формуле (2.38) или графически как площадь прямоугольника с основанием dv. На вопрос, сколько молекул имеют скорость, равную какому-либо определенному значению, следует странный, на первый взгляд, ответ если совершенно точно задана скорость, то интервал скоростей равен нулю (dv= 0) и из (2.38) получаем нуль, т. е. ни одна молекула не имеет скорости, точно равной наперед заданной. Это соответствует одному из положений теории вероятностей: для непрерывной случайной величины, каковой является скорость, невозможно «угадать» совершенно точно ее значение, которое имеет по крайней мере хотя бы одна молекула в газе. Распределение молекул по скоростям подтверждено различными опытами. Распределение Максвелла можно рассматривать как распределение молекул не только по скоростям, но и по кинетическим энергиям (так как эти понятия взаимосвязаны). Распределение Больцмана. Если молекулы находятся в каком-либо внешнем силовом поле, например гравитационном поле Земли, то можно найти распределение по их потенциальным энергиям, т. е. установить концентрацию частиц, обладающих некоторым определенным значением потенциальной энергии. Распределение частиц по потенциальным энергиям в силовых полях — гравитационном, электрическом и др. — называют распределением Больцмана. Применительно к гравитационному полю это распределение может быть записано в виде зависимости концентрации п молекул от высоты hнад уровнем Земли или от потенциальной энергии молекулы m0gh: Выражение (2.40) справедливо для частиц идеального газа. Графически эта экспоненциальная зависимость изображена на рис. 2.8. Такое распределение молекул в поле тяготения Земли можно качественно, в рамках молекулярно-кинетических объяснить тем, что на молекулы оказывают влияние два противоположных фактора: гравитационное поле, под действием которого все молекулы притягиваются к Земле, и молекулярно-хаотическое движение, стремящееся равномерно разбросать молекулы по всему , возможному объему. В заключение полезно заметить некоторое сходство экспоненциальных членов в распределениях Максвелла и Больцмана: Г ЛАВА 3 Математическая статистика Методы математической статистики позволяют систематизировать и оценивать экспериментальные данные, которые рассматриваются как случайные величины. |