Биномиальное распределение, его М(х) и D (х).

Дискретная случайная величина X имеет биноминальное распределение, если ее закон распределения описывается формулой Бернулли:

где p – параметр распределения

Распределение загасит от двух параметров п и р.

На практике биноминальное распределение возникает при следующих условиях. Пусть производится серия из п испытании, в каждом из которых некоторое событие появляется с вероятностью р. Случайная величина X, равная числу наступлений события в п опытах, имеет биноминальное распределение.

Числовые характеристики: М [Х] = n, D[X]= npq.

Название объясняется тем, что правую часть равенства можно рассматривать как общий член разложения Бинома Ньютона:

,            т.е. .

18. Непрерывная случайная величина. Способы задания.

Случайная величина Х называется непрерывной, если ее функция распределения F(x) есть непрерывная, кусочно-дифференцируемая функция с непрерывной производной.

Так как для таких случайных величин функция F(x) нигде не имеет скачков, то вероятность любого отдельного значения непрерывной случайной величины равна нулю

P{X=α}=0 для любого α.

В качестве закона распределения, имеющего смысл только для непрерывных случайных величин существует понятие плотности распределения или плотности вероятности.

Вероятность попадания непрерывной случайной величины X на участок от x до x+Dx равна приращению функции распределения на этом участке:

P{x£ X <x+Dx}=F(x+Dx) - F(x).

Плотность вероятности на этом участке определяется отношением

(5.6)

Плотностью распределения (или плотностью вероятности) непрерывной случайной величины X в точке x называется производная ее функции распределения в этой точке и обозначается f(x). График плотности распределения называется кривой распределения.

Пусть имеется точка x и прилегающий к ней отрезок dx. Вероятность попадания случайной величины X на этот интервал равна f(x)dx. Эта величина называется элементом вероятности.

Вероятность попадания случайной величины X на произвольный участок [a, b[ равна сумме элементарных вероятностей на этом участке: (5.7)

В геометрической интерпретации P{α≤X<β} равна площади, ограниченной сверху кривой плотности распределения f(x) и опирающейся на участок (α,β) (рис. 5.4).

Это соотношение позволяет выразить функцию распределения F(x) случайной величины X через ее плотность:

(5.8)

В геометрической интерпретации F(x) равна площади, ограниченной сверху кривой плотности распределения f(x) и лежащей левее точки x (рис. 5.5).

Основные свойства плотности распределения:

1. Плотность распределения неотрицательна: f(x) ³ 0.

Это свойство следует из определения f(x) – производная неубывающей функции не может быть отрицательной.

2. Условие нормировки: Это свойство следует из формулы (5.8), если положить в ней x=∞.

Геометрически основные свойства плотности f(x) интерпретируются так:

1. вся кривая распределения лежит не ниже оси абсцисс;

2. полная площадь, ограниченная кривой распределения и осью абсцисс, равна единице.

 

 

19. Равномерное распределение. Его числовые характеристики.

 

Непрерывная случайная величина Х равномерно распределена в интервале [а; в], если ее плотность вероятности в этом интервале постоянна, т.е. если все значения в этом интервале равновероятны:

(8.1)

Значение постоянной с определяется из условия нормировки:

. (8.2)

Функция распределения: , (8.3)

Числовые характеристики равномерно распределенной случайной величины определяются так:

(8.4)

(8.5)

Среднее квадратичное отклонение равномерного распределения равно (8.6)

Равномерное распределение случайной величины полностью определяется двумя параметрами: a и b – интервалом, на котором определена случайная величина.

При необходимости можно определить параметры a и b равномерного распределения по известным значениям математического ожидания m_X и дисперсии D_X случайной величины. Для этого составляется система уравнений следующего вида:

, (8.7)

из которой определяются искомые параметры.

Вероятность попадания равномерно распределенной случайной величины в интервал [α,β) определяется так:

, где

 

21 Нормальное распределение. Влияние параметров нормального распределения на форму нормальной кривой.

Случайная непрерывная величина X имеет нормальное (гауссово) распределение, если ее плотность распределения вероятности имеет вид

где — среднее квадратическое отклонение; а — математическое ожидание.

 

Если а=0 и σ=1, то нормальное (гауссовое) распределение называется стандартным нормальным (гауссовым) распределением (таблица плотности вероятности нормальной случайной величины), плотность которого равна

а функция распределения (функция Лапласа) (таблица функции Лапласа)

Вероятность попадания в заданный интервал (α;β) нормально распределенной случайной величины с параметрами а, σ вычисляется по формуле:

с использованием интеграла вероятности

P(α<x<β)=F(α)-F(β)=Ф(	β-a	)
	σ

20.

-Ф(	α-a	)
	σ

21.

22.

23.

Из этих соотношений легко получить вероятность отклонения распределения случайной величины X от своего математического ожидания а:

P(|X-a|<δ)=2Ф(	δ	)
	σ

24.

25. ,где δ — величина отклонения.

26.

Полагая в этой формуле δ=3σ, получаем

P(|X-a|<δ)=2Ф(3)=2*0.49865=0.9973

Этот результат носит название «правило трех сигм». Таким образом, в 99,7% случаях все значения нормального распределения случайной величины сосредоточены в интервале (-3σ+a; 3σ+a). Распределение, заданное на бесконечном интервале, может быть рассмотрено на конечном интервале, и погрешность при такой замене равно ,примерно, 0,3%.

Из формулы (5.36) видно, что центром симметрии распределения является центр рассеивания т. Это ясно из того, что при изменении знака разности (х — т) на обратный результат в выражении (5.36) не меняется. Если изменять центр рассеивания т, кривая распределения будет смещаться вдоль оси абсцисс, не изменяя своей формы (рисунок 5.10).

Рисунок 5.9 – Кривая распределения нормального

закона

Рисунок 5.10 — Смещение кривой нормального распределения с изменением т

Размерность центра рассеивания — та же, что и размерность случайной величины Х.

Параметр σ (среднее квадратическое отклонение) характеризует не положение, а саму форму кривой распределения. С увеличением σ кривая растягивается и становится более плоской, с уменьшением σ она вытягивается вверх и сжимается. Это объясняется тем, что площадь под кривой распределения всегда остается равной единице, несмотря на изменение максимума плотности вероятности. На рисунке 5.11 показаны три нормальные кривые при различных σ.

Рисунок 5.11 – Изменение формы кривой распределения с изменением σ

Размерность параметра σ совпадает с размерностью СВ Х. Во многих задачах практики приходится определять вероятность попадания СВ Х,подчиненной нормальному закону с произвольными параметрами m и σ на участок от α до β. Для вычисления этой вероятности используют общую формулу:

P (α < X < β) = F (β) – F (α), (5.39)

где F (х) – функция распределения величины Х.

С помощью математических преобразований получаем, что:

где — интеграл вероятностей, который рассчитывается следующим образом:

Принято называть функцию также нормальной (нормированной) функцией распре-деленияили стандартной функцией распределения.

Согласно формуле (5.39) выразим вероятность попадания СВ X на участок от α до β:

Таким образом, получили вероятность попадания на интересующий нас участок СВ X,распределенной по нормальному закону с любыми параметрами, через стандартную функцию распределения , которая соответствует простейшему нормальному законус параметрами т = 0 и σ = 1.

Заметим, что аргументы функции в формуле (5.42) имеют очень простой смысл: есть расстояние от правого конца участка до центра рассеивания, выраженное в средних квадратических отклонениях; — такое же расстояние до левого конца участка α, причем это расстояние считается положительным, если конец расположен справа от центра рассеивания, и отрицательным, если слева.

 

22. Вероятность попадания в заданный интервал нормальной случайной величины. Правило трех сигм.

 

Известно, что если случайная величина X задана плотностью распределения , то вероятность того, что X примет значение, принадлежащее интервалу (a,b), такова:

.

Пусть случайная величина X распределена по нормальному закону. Тогда

.

Преобразуем эту формулу так, чтобы можно было пользоваться готовыми таблицами. Введем новую переменную . Отсюда .

Найдем новые пределы интегрирования. Если , то , если , то . Тогда

.

Выражение , входящее в эту формулу, является функцией верхнего предела X, которая называется функцией Лапласа или интегралом вероятностей и обозначается Ф(x). В результате получаем:

Ф — Ф ,

где Ф(x) = .

Эту формулу называют формулой Лапласа.

Если случайная величина X является признаком генеральной совокупности, то формула Лапласа дает долю элементов генеральной совокупности, у которых значение признака X находится в границах от до .

Интеграл, через который выражается функция Лапласа, нельзя выразить через элементарные функции. Его можно представить в виде степенного ряда, если разложить в ряд подынтегральную функцию и почленно проинтегрировать ряд. Тогда

Ф(x) = .

C помощью этого ряда можно вычислить значение Ф(x) для любого x с любой точностью. Составлены специальные таблицы значений функции Лапласа.

Отметим ряд свойств функции Лапласа, полезных для применения.

1. Функция Ф(x) – нечетная, т. е. Ф(-x) = –Ф(x).

2. Функция Ф(x) – возрастающая, быстро приближающаяся к своему пределу, равному 0,5: Ф(0) = 0, Ф(1) = 0,3413, Ф(2) = 0,4772, Ф(3) = 0,4986, Ф(4) = 0,4999 и т.д. На практике полагают Ф(x) для x>5.

 

Правила двух и трех сигм

Если в формуле (1) принять последовательно d = 2s и d = 3s, то получим: (2) (3) Правило двух сигм. Почти достоверно (с доверительной вероятностью 0,954) можно утверждать, что все значения случайной величины X с нормальным законом распределения отклоняются от ее математического ожидания M(X) = a на величину, не большую 2s (двух средних квадратических отклонений). Доверительной вероятностью Pд называют вероятность событий, которые условно принимаются за достоверные (их вероятность близка к 1). При решении вопросов, требующих большей надежности, когда доверительную вероятность принимают равной 0,997, вместо правила двух сигм, согласно формуле (3), используют правило трех сигм. Проиллюстрируем правило двух сигм геометрически. На рис. 6 изображена кривая Гаусса с центром распределения а. Площадь, ограниченная всей кривой и осью Оx, равна 1 (100%), а площадь криволинейной трапеции между абсциссами а–2s и а+2s, согласно правилу двух сигм, равна 0,954 (95,4% от всей площади). Площадь заштрихованных участков равна 1-0,954 = 0,046 (»5% от всей площади). Эти участки называют критической областью значений случайной величины. Значения случайной величины, попадающие в критическую область, маловероятны и на практике условно принимаются за невозможные. Вероятность условно невозможных значений называют уровнем значимости случайной величины. Уровень значимости связан с доверительной вероятностью формулой = 1- , где q – уровень значимости, выраженный в процентах. Согласно правилу трех сигм при доверительной вероятности 0,997 критической областью будет область значений признака вне интервала (а-3s, а+3s). Уровень значимости составляет 0,3%. Уровень значимости принимают различным в зависимости от дозволенной степени риска. В текстильной и швейной промышленности его принимают равным 5%. С помощью правила двух (или трех) сигм можно определить общий интервал изменения той или иной случайной величины с нормальным законом распределения.

 

23. Генеральная и выборочная совокупности. Статистическое распределение выборки. Полигон и гистограмма.

 

Пусть требуется изучить совокупность однородных объектов относительно некоторого качествен­ного или количественного признака, характеризующего эти объекты. Например, если имеется партия деталей, то качественным признаком может служить стандартность детали, а количественным—контролируемый размер детали.  Иногда проводят сплошное обследование, т. е. обследуют каждый из объектов совокупности относительно признака, которым интересуются. На практике, однако, сплошное обследование применяют сравнительно редко. Например, если совокупность содержит очень большое число объектов, то провести сплошное обследование физически невозможно. Если обследование объекта связано с его уничтожением или требует больших материальных затрат, то проводить сплошное обследование практически не имеет смысла. В таких случаях случайно отбирают из всей совокупности ограниченное число объектов и подвергают их изучению. Различают генеральную и выборочную совокупности:

Генеральной совокупностью называют совокупность всех мысленно возможных объектов данного вида, над которыми проводятся наблюдения с целью получения конкретных значений случайной величины, или совокупность результатов всех мыслимых наблюдений, проводимых в неизменных условиях над одной из случайных величин, связанных с данным видом объектов.

Выборочной совокупностью называют часть отобранных объектов из генеральной совокупности.

Объемом совокупности (выборочной или генеральной) называют число объектов этой совокупности.

Способы выборки.

При составлении выборки можно поступать двумя способами: после того как объект отобран и над ним произведено наблюдение, он может быть возвращен либо не возвращен в генеральную совокупность. В соответствии со сказанным выборки подразделяют на повторные и бесповторные.

Повторной называют выборку, при которой отобранный объект (перед отбором следующего) возвращается в генеральную совокупность.

Бесповторной называют выборку, при которой отобранный объект в генеральную совокупность не возвращается.

На практике обычно пользуются бесповторным случайным отбором.

Для того чтобы по данным выборки можно было достаточно уверенно судить об интересующем признаке генеральной совокупности, необходимо, чтобы объекты выборки правильно его представляли. Другими словами, выборка должна правильно представлять пропорции генеральной совокупности. Это требование коротко формулируют так: выборка должна быть репрезентативной (представительной) .

В силу закона больших чисел можно утверждать, что выборка будет репрезентативной, если ее осуществить случайно: каждый объект выборки отобран случайно из генеральной совокупности, если все объекты имеют одинаковую вероятность попасть в выборку.

На практике применяются различные способы отбора. Принципиально эти способы можно подразделить на два вида:

1. Отбор, не требующий расчленения генеральной совокупности на части. Сюда относятся: а) простой случайный бесповторный отбор; б) простой случайный повторный отбор.

2. Отбор, при котором генеральная совокупность разбивается на части. Сюда относятся: а) типический отбор;б) механический отбор; в) серийный отбор.

Простым случайным называют такой отбор, при котором объекты извлекают по одному из всей генеральной совокупности и после обследования не возвращают (бесповторный отбор) или возвращают ( повторный отбор) в генеральную совокупность.

Типическим называют отбор, при котором объекты отбираются не из всей генеральной совокупности, а из каждой ее «типической» части

Типическим отбором пользуются тогда, когда обследуемый признак заметно колеблется в различных типических частях генеральной совокупности.

Механическим называют отбор, при котором генеральную совокупность «механически» делят на столько групп, сколько объектов должно войти в выборку, а из каждой группы отбирают один объект.

Серийным называют отбор, при котором объекты отбирают из генеральной совокупности не по одному, а «сериями», которые подвергаются сплошному обследованию.

⇐ Предыдущая123456Следующая ⇒

Поделиться: