Главная страница
Навигация по странице:

  • Плотностью распределения вероятностей

  • Числовые характеристики непрерывной случайной величины Математическое ожидание непрерывной случайной величины

  • Дисперсия непрерывной случайной величины

  • Среднее квадратическое отклонение непрерывной случайной величины

  • Основные распределения непрерывной случайной величины Равномерное распределение

  • Плотность равномерно распределенной случайной величины

  • Показательное распределение

  • Нормальный закон распределения (закон Гаусса)

  • Нормальным распределением

  • Свойства функции Лапласа

  • Асимметрия, эксцесс, мода и медиана

  • 4.4. Примеры решения задач к главе 4 Пример 4.1.

  • матан. Теория вероятностей кажется не совсем обычной математической дисциплиной, так как имеет дело с особой категорией со случайностью. Роль случая в нашей жизни, как известно, весьма значительна


    Скачать 3.15 Mb.
    НазваниеТеория вероятностей кажется не совсем обычной математической дисциплиной, так как имеет дело с особой категорией со случайностью. Роль случая в нашей жизни, как известно, весьма значительна
    Анкорматан
    Дата28.03.2023
    Размер3.15 Mb.
    Формат файлаdoc
    Имя файлаMatematika3_TEKST.doc
    ТипДокументы
    #1021296
    страница6 из 8
    1   2   3   4   5   6   7   8
    Глава 4. НЕПРЕРЫВНЫЕ СЛУЧАЙНЫЕ ВЕЛИЧИНЫ


      1. Плотность распределения вероятностей непрерывной случайной величины


    Для количественной характеристики непрерывной случайной величины используется, введенная ранее функция распределения вероятностей случайной величины (или интегральная функция распределения): .

    Введем еще одну функцию распределения, называемую плотностью распределения.

    Плотностью распределения вероятностей непрерывной случайной величины называют первую производную от функции распределения:

    .

    Часто вместо термина «плотность распределения» используют термины «плотность вероятностей» и «дифференциальная функция».

    Плотность вероятности указывает на то, что случайная величина Х часто появляется в окрестности точки х при повторении опытов.

    Плотность распределения есть также одна из форм закона распределения.

    График плотности распределения случайной величины называется кривой распределения.

    Вероятность того, что непрерывная случайная величина Х примет значение, принадлежащее интервалу (а, b), определяет равенством:

    .

    Зная плотность распределения, можно найти функцию распределения

    .

    Геометрически это площадь фигуры, ограниченной кривой распределения и осью абсцисс левее х.

    Свойства плотности распределения
    Плотность распределения обладает следующими свойствами:

    Свойство 1. Плотность распределения неотрицательна, т.е.

    .

    Свойство 2.Несобственный интеграл от плотности распределения в пределах от -∞ до равен единице:

    .

    Данное условие принято называть условием нормировки непрерывной случайной величины.

    В частности, если все возможные значения случайной величины принадлежат интервалу (a, b), то

    .

    Геометрически это означает, что вся площадь фигуры, ограниченной кривой распределения и осью абсцисс, равна единице.


      1. Числовые характеристики непрерывной случайной величины


    Математическое ожидание непрерывной случайной величины Х,

    ,

    где f(х) – плотность распределения случайной величины Х.

    .

    Если математическое ожидание М(Х) существует и кривая распределения симметрична относительно прямой х=С, то

    М(Х).

    Модой непрерывной случайной величины Х называют то ее возможное значение, которому соответствует локальный максимум плотности распределения. В частности, если распределение имеет два одинаковых максимума, то его называют бимодальным.

    Медианой непрерывной случайной величины Х называют то ее возможное значение, которое определяется равенством



    Геометрически медиану можно истолковать как точку, в которой ордината f(x) делит пополам площадь, ограниченную кривой распределения.
    Дисперсия непрерывной случайной величины Х, возможные значения которой принадлежат всей оси Ох, определяется равенством



    или равносильным равенством

    .

    На практике удобнее использовать последнее равенство.
    В частности, если все возможные значения Х принадлежат интервалу (a, b), то



    или



    Среднее квадратическое отклонение непрерывной случайной величины определяется так же, как и для дискетной величины:

    .

    Все свойства дисперсии и среднего квадратического отклонения, указанные выше для дискретных случайных величин, сохраняются и для непрерывных величин.


    Если Y=φ(X) – функция случайного аргумента Х, причем возможные значения Х принадлежат всей оси Ох, то



    или



    В частности, если все возможные значения Х принадлежат интервалу (a, b), то



    или

    .


      1. Основные распределения непрерывной случайной величины


    Равномерное распределение
    Непрерывную случайную величину Х называют равномерно распределенной на отрезке [a, b], которому принадлежат все возможные значения Х, если ее плотность на этом отрезке постоянна и равна .

    Плотность равномерно распределенной случайной величины имеет вид:



    Закону равномерного распределения подчиняется, например, погрешность при измерениях с округлением или положение объекта в некоторой области, если ни одному из возможных положений нельзя отдать предпочтение.

    Найдем интегральную функцию равномерного распределения:

    ;

    ;



    Итак, интегральная функция равномерного распределения имеет вид:



    Найдем числовые характеристики равномерного распределения случайной величины:



    Показательное распределение

    Непрерывную случайную величину называют распределенной по показательному закону, если она задана дифференциальной функцией распределения:

    .

    Найдем интегральную функцию распределения:



    Итак, интегральная функция показательного распределения имеет вид:



    Найдем численные характеристики случайной величины, подчиненной показательному закону распределения.

    .

    Показательное распределение имеет случайную величину Т – длительность времени безотказной работы элемента.

    Под элементом понимают устройство независимо от того «простое» оно или «сложное» (например: электронная лампа, двигатель внутреннего сгорания и т.д.).

    Вероятность отказа элемента за время длительностью t определяется интегральной функцией показательного закона распределения:

    ,

    где – интенсивность отказов, т.е. среднее число отказов в единицу времени.

    Функцией надежности называют функцию, определяющую вероятность безотказной работы элемента за время t:

    .
    Нормальный закон распределения (закон Гаусса)

    Это наиболее часто встречающийся закон распределения при решении практических задач. Главная его особенность в том, что он является предельным законом, к которому приближаются другие законы при весьма часто встречающихся типичных условиях.

    Нормальным распределением называют распределение вероятностей непрерывной случайной величины Х, плотность которого имеет вид

    ,

    где a – математическое ожидание, σ – среднее квадратическое отклонение Х.

    Нормальный закон распределения часто называют законом Гаусса.

    Функция определена при любых значениях х.

    Кривая нормального распределения симметрична относительно прямой , асимптотически приближается к оси абсцисс, так как .

    При функция имеет максимальное значение, а именно:

    .




    Вероятность попадания случайной величины, подчиненной нормальному закону, на заданный участок равна:

    .

    Пользуясь заменой переменных , получим:

    .

    Для нахождения этого интеграла пользуются таблицей значений функции Лапласа (или интеграла вероятностей):

    .

    С помощью этой функции вероятность попадания случайной величины на заданный участок запишется следующим образом:


    .
    Свойства функции Лапласа


    1. ;

    2. ;

    3. Функция Лапласа есть функция нечетная, т.е. .

    Замечание. .

    Вычислим вероятность попадания случайной величины Х на участок длины , симметричный относительно центра рассеивания а, т.е. математического ожидания.


    .

    С помощью функции Лапласа интегральная функция распределения выражается следующим образом:



    .
    Асимметрия, эксцесс, мода и медиана нормального распределения соответственно равны:



    где
    4.4. Примеры решения задач к главе 4
    Пример 4.1. Случайная величина X задана функцией распределения



    Найти вероятность того, что в результате испытания величина X примет значение, заключенное в интервале (0, ).

    Решение. Вероятность того, что X примет значение, заключенное в интервале (a, b), равна приращению функции распределения на этом интервале:

    .

    Положив a=0, b= , получим



    Пример 4.2. Случайная величина X задана функцией распределения



    Найти вероятность того, что в результате испытания X примет значение: a) меньшее 0,2; б) меньшее трех; в) не меньше трех; г) не меньше пяти.

    Решение.

    а) Так как при функция F(x)=0, то F(0, 2)=0, т.е. P(X<0,2)=0;

    б) ;

    в) события и противоположны, поэтому . Отсюда, учитывая, что [см. п. б], получим

    ;

    г) сумма вероятностей противоположных событий равна единице, поэтому .

    Отсюда, используя условие, в силу которого при x>4 функция F(x)=1, получим

    .
    1   2   3   4   5   6   7   8


    написать администратору сайта