|
Некоторые важные для практики распределения дискретных случайных величинБиномиальное распределение Формальная модель – производится n независимых опытов, в каждом из которых с вероятностью P происходит случайное событие, X – число появлений события А имеет биноминальное распределение. Ряд распределения , где ; . Моменты: ; . Пример биноминального распределения дан в таблице 1.1. Таблица 1.1 Биноминальное распределение
Биноминальное распределение в общем случае асимметрично. Оно становится тем более симметричным, чем больше n или чем ближе Р к величине 0,5.
Геометрическое распределение Формальная модель – производятся ряд независимых опытов с целью наблюдать событие А (появление А называют "успехом" опыта). При каждой попытке успех достигается с вероятностью Р. Случайная величина X – число безуспешных попыток (до первой попытки, в которой появляется результат А). Ряд распределения . Моменты: ; ; . Пример геометрического распределения показан на рис. 1.1 (для случая Р=0,5).
Рис. 1.1. Геометрическое распределение
Гипергеометрическое распределение Формальная модель – имеется урна, в которой a белых и b черных шаров; из урны вынимается n шаров. X – число белых шаров среди вынутых. Ряд распределения , где ; . Моменты: ; .
Таблица 1.2 Гипергеометрическое распределение, a=5; b=95; n=5
Гипергеометрическое распределение применяется на практике при решении задач, связанных с контролем продукции. При и гипергеометрическое распределение приближается к биноминальному с параметрами: n – величина выборки, .
Распределение Пуассона Формальная модель – получается предельным переходом из биноминальной модели (3.1.1.1), если , , . На практике распространено задание , где – интенсивность потока (число событий за единицу времени), – длина интервала. X – число событий на участке длиной . Ряд распределения , где ; . Моменты: ; . Пример распределения Пуассона дан в табл. 1.3. Таблица 1.3 Распределение Пуассона .
ЛИТЕРАТУРА 1.Компьютерные технологии адаптивной обработки данных,часть1:Лабораторный практикум / РГМУ: сост. Булаев М.П., Дорошина Н.В., Кабанов А.Н. Рязань, 2002, 27 с. 2.Элементы теории вероятностей: Практикум, Б131 /Авт.-сост. М.П.Булаев, Е.В. Прохорова; под ред. М.П. Булаева; Ряз. гос. мед. ун-т им. акад И.П.Павлова. - Рязань: РИО РГМУ, 2006. – 93 с.
ЛЕКЦИЯ 4 Некоторые важные распределения непрерывных случайных величин Равномерное распределение Закон равной плотности вероятности имеет место, когда все значения непрерывной случайной величины в некотором конечном интервале () равновозможны. Плотность вероятности Функция распределения Моменты: ; ; . Показательное (экспоненциальное) распределение Показательное распределение используется для описания временных интервалов между моментами появления случайных событий в простейшем потоке, подчиняющемся закону Пуассона. Показательное распределение играет большую роль в теории случайных процессов. Плотность вероятности . Функция распределения . Моменты: ; ; . Значения функции приведены в табл. 1.4. Таблица 1.4 Значения функции .
Нормальное распределение (закон Гаусса) Нормальное распределение возникает в тех случаях, когда складывается много независимых случайных величин , причем эти величины сравнимы по порядку своего влияния на рассеивание суммы. Плотность вероятности где ; . Функция распределения Для вычисления F(x) часто используется табулированная функция которая называется функцией Лапласа. Функция Лапласа обладает свойствами, которые целесообразно учитывать при расчетах 1) Ф(0) = 0; 2) –Ф(-х) = Ф(х) (нечетная функция); 3) Ф(+¥) = 0,5 и, значит Ф(-¥) = -0,5. Моменты: ; ; . Если не принимать во внимание событий, происходящих с вероятностями не более 0,0027, то можно практически ограничить диапазон возможных значений нормальной случайной величины ; . (правило «трех сигма»). Значения функции приведены в табл. 1.5, 1.6.
Таблица 1.5 Значения плотности стандартного нормального распределения .
Таблица 1.6 Значения функции Лапласа .
Такое распределение имеет самое важное практическое значение.
Распределение Эрланга Формальная модель – имеется стационарный пуассоновский поток с интенсивностью . Интервал Т, состоящий из суммы К интервалов между событиями, подчиняется закону Эрланга К-го порядка. Плотность распределения Плотность распределения может быть выражена через функцию распределения Пуассона (раздел 3.1.1.4). , где ;
Распределение (распределение хи-квадрат, закон Пирсона) Формальная модель – случайные величины подчинены нормированному нормальному распределению, причем переменных независимы, остальные линейно связаны с этими переменными. Тогда случайная величина подчинена – распределению с числом степеней свободы . Для -распределение достаточно хорошо представляется нормальным законом. Распределение широко используется при статистических расчетах для оценки точности определения дисперсии, для оценки точности согласия различных законов распределения.
T-распределение Стьюдента Формальная модель – случайные величины подчинены нормальному распределению с нулевым средним и произвольной дисперсией . Величина не зависит от остальных , а среди имеется линейно независимых величин. Тогда случайная величина подчинена t -распределению с числом степеней свободы . При увеличении числа степеней свободы t -распределение приближается к нормированному гауссовскому распределению (раздел 3.1.2.3, практически при ). Распределение Стьюдента находит широкое применение при статистической оценке параметров распределения, при статистической проверке вероятностных гипотез при неизвестной дисперсии .
F-распределение Фишера Формальная модель – случайные величины и подчинены нормальному закону распределения с нулевым средним и произвольной дисперсией . Величины не зависят от . Кроме того, пусть среди имеется , а среди – линейно независимых величин. Тогда случайная величина подчинена F -распределению с числами степеней свободы числителя и знаменателя .
Распределение Фишера находит применение при проверке оценок дисперсий, при статистической проверке вероятностных гипотез о качестве различных моделей случайных процессов.
Задачи для практических занятий и самостоятельной работы
Задача Построить графически законы распределения (ряды, плотности вероятностей, функции распределения) случайных величин. Отметить значения, соответствующие математическому ожиданию , моде , медиане и отклонениям от математического ожидания
ЛИТЕРАТУРА 1.Компьютерные технологии адаптивной обработки данных,часть1:Лабораторный практикум / РГМУ: сост. Булаев М.П., Дорошина Н.В., Кабанов А.Н. Рязань, 2002, 27 с. 2.Элементы теории вероятностей: Практикум, Б131 /Авт.-сост. М.П.Булаев, Е.В. Прохорова; под ред. М.П. Булаева; Ряз. гос. мед. ун-т им. акад И.П.Павлова. - Рязань: РИО РГМУ, 2006. – 93 с.
ЛЕКЦИЯ 5 Система охраняемых территорий в США Изучение особо охраняемых природных территорий(ООПТ) США представляет особый интерес по многим причинам... ЧТО ТАКОЕ УВЕРЕННОЕ ПОВЕДЕНИЕ В МЕЖЛИЧНОСТНЫХ ОТНОШЕНИЯХ? Исторически существует три основных модели различий, существующих между... ЧТО ПРОИСХОДИТ, КОГДА МЫ ССОРИМСЯ Не понимая различий, существующих между мужчинами и женщинами, очень легко довести дело до ссоры... Что будет с Землей, если ось ее сместится на 6666 км? Что будет с Землей? - задался я вопросом... Не нашли то, что искали? Воспользуйтесь поиском гугл на сайте:
|