- •1 Случайные события
- •1.1 Вероятностный эксперимент, случайные события,
- •1.2 Операции над событиями
- •1.3 Вероятности случайных событий
- •1.3.1 Относительная частота случайных событий
- •1.3.2 Понятие вероятности случайного события. Аксиомы
- •1.4 Методы вычисления вероятностей
- •1.4.1 Классический метод вычисления вероятностей
- •1.4.2 Элементы комбинаторики
- •1.4.3 Геометрический метод вычисления вероятностей
- •1.4.4 Статистический и экспертный методы вычисления
- •1.5 Свойства вероятностей случайных событий
- •1.6 Теоремы сложения и умножения вероятностей
- •1.6.1 Теорема сложения вероятностей
- •1.6.2 Условная вероятность; независимость событий
- •1.6.3 Теорема умножения вероятностей
- •1.7 Формулы полной вероятности и Байеса
- •1.7.1 Формула полной вероятности
- •1.8 Последовательность независимых испытаний
- •1.8.1 Последовательность независимых испытаний; испытания
- •1.8.3 Наиболее вероятное число успехов в схеме Бернулли
- •1.8.4 Предельная теорема Пуассона
- •1.8.5 Предельные теоремы Муавра-Лапласа
- •2 Одномерные случайные величины
- •2.1 Понятие случайной величины
- •2.2 Закон распределения случайной величины
- •2.3 Функция распределения случайной величины; свойства
- •2.4 Функция плотности распределения непрерывной случайной
- •2.5 Числовые характеристики случайных величин
- •2.5.1 Характеристики положения
- •2.5.2 Характеристики рассеяния
- •2.5.3 Моменты случайных величин; характеристики
- •2.6 Законы распределения дискретных случайных величин
- •2.6.1 Биномиальный закон распределения
- •2.6.2 Закон распределения Пуассона
- •2.6.3 Геометрический закон распределения
- •2.7 Законы распределения непрерывных случайных величин
- •2.7.1 Равномерный закон распределения
- •2.7.2 Показательный закон распределения
- •2.7.3 Закон распределения Эрланга
- •2.7.4 Нормальный закон распределения
- •3 Многомерные случайные величины
- •3.1 Понятие многомерной случайной величины
- •3.2 Функция распределения двумерной случайной величины
- •3.3 Функция плотности распределения непрерывной
- •3.4 Понятие независимости случайных величин
- •3.5 Числовые характеристики двумерной случайной величины
- •4 Математическая статистика
- •4.1. Выборочный метод; эмпирическая функция
- •4.2 Проверка статистических гипотез
- •4.2.1 Критерий Пирсона
- •4.3 Элементы теории корреляции; линейная корреляция
- •Стандартного нормального распределения
- •Квантили стандартного нормального распределения
- •Квантили распределения 2 (2)
- •Квантили распределения Стьюдента (t,)
- •Квантили распределения Фишера (f,1,2)
- •Квантили распределения Фишера (f,1,2)
2.7.3 Закон распределения Эрланга
Пусть
случайные величины
независимы и имеют показательный закон
распределения с одинаковым параметром
,
т. е.
.
Тогда случайная величина
имеет закон распределения
Эрланга
-го
порядка с параметром
,
т. е.
.
Очевидно, что величина
непрерывна и принимает лишь положительные
значения.
Функция плотности распределения случайной величины определяется выражением (2.7.3.1), а ее графики (для различных значений параметра ) представлены на рисунке 27.
(2.7.3.1)
Рисунок 27 – Функция плотности распределения Эрланга
для различных значений параметров
Очевидно,
что при
распределение Эрланга совпадает с
показательным распределением. Основные
числовые характеристики случайной
величины
,
имеющей закон распределения Эрланга,
определяются следующими выражениями:
(2.7.3.2)
2.7.4 Нормальный закон распределения
Говорят,
что случайная величина
имеет нормальный (гауссовский) закон
распределения, т. е.
,
если она непрерывна, имеет функцию
(2.7.4.1)
и, следовательно, имеет функцию плотности распределения
(2.7.4.2)
где
параметр
численно равен математическому ожиданию
величины
,
а параметр
– среднеквадратическому
отклонению
(т. е.
).
Максимальная
ордината
функции плотности распределения (рисунок
31, б)
достигается в точке
;
при
кривая плотности нормального распределения
асимптотически стремится к нулю.
Следовательно, наиболее вероятно, что
нормально распределенная случайная
величина примет значение близкое к
и практически никогда не будет принимать
бесконечно больших значений.
Из графиков функции и функции плотности распределения (рисунок 28) видно, что коэффициент асимметрии случайной величины , имеющей нормальный закон распределения, равен нулю (т. е. ); а математическое ожидание, медиана и мода случайной величины совпадают. Основные числовые характеристики случайной величины , имеющей нормальный закон распределения, определяются выражениями:
(2.7.4.3)
а)
б)
Рисунок 28 – Нормальный закон распределения:
а – функция распределения F(x) случайной величины ;
б – функция плотности распределения f(x) случайной величины
Случайная
величина, которая имеет нормальный
закон распределения с параметрами
и
,
называется стандартной
нормальной случайной величиной.
Функция распределения стандартной
нормальной случайной величины имеет
вид:
(2.7.4.4)
где
(интеграл Пуассона),
– функция Лапласа (см. рисунок 8), значения
которой табулированы и представлены в
приложении Б.
Вычисление
значения функции распределения
случайной величины, имеющей нормальный
закон распределения, затруднено тем,
что интеграл в выражении (2.7.4.4) не
выражается через элементарные функции.
Для выполнения указанной задачи функцию
распределения случайной величины
,
имеющей нормальный закон распределения
с параметрами
и
,
выражают через функцию Лапласа следующим
образом. Сделаем в выражении (2.7.4.4) замену
переменной
,
следовательно,
(2.7.4.5)
Для определения вероятности попадания случайной величины, подчиненной нормальному закону, в интервал воспользуемся свойством 5 функции распределения и выражением функции нормального распределения через функцию Лапласа (2.7.4.5):
(2.7.4.6)
Примерами случайных величин, имеющих нормальный закон распределения, являются измерение длины, массы, времени, ошибки измерения т. д.
Пример 36
Известно, что для некоторого измерительного устройства систематическая ошибка измерения дальности до объекта равна +20 м. Ошибки измерения распределены по нормальному закону со средним квадратическим отклонением, равным 75 м. Найти вероятность того, что полученное в результате измерения значение будет отличаться от истинного значения не более чем на 100 м.
Решение.
Рассмотрим случайную величину
,
характеризующую ошибку измерения
дальности. Согласно условию эта случайная
величина распределена по нормальному
закону с параметрами
.
Определим искомую вероятность с помощью
формулы (2.7.4.6):
Пример 37
Случайное отклонение размера детали от номинала при изготовлении ее на данном станке является случайной величиной, распределенной по нормальному закону со средним квадратическим отклонением, равным 5 мк. Систематические отклонения размера изготовленной детали от номинала отсутствуют. Сколько необходимо изготовить деталей, чтобы с вероятностью не менее 0,9 среди них была хотя бы одна годная, если для годной детали допустимо отклонение от номинала не более чем на 2 мк?
Решение.
Рассмотрим случайную величину
– отклонение размера детали от номинала.
Согласно условию,
.
Найдем вероятность события
{изготовление
годной детали}:
Теперь
условие задачи можно рассматривать как
последовательность
независимых испытаний, в каждом из
которых с вероятностью
происходит событие
,
и с вероятностью
событие
не происходит. Вероятность того, что
среди
изготовленных деталей будет хотя бы
одна годная, представляет собой
вероятность наступления события
хотя бы один раз в серии из
независимых испытаний:
Следовательно,
,
т. е. необходимо изготовить не менее 7
деталей, чтобы с вероятностью не менее
0,9 среди них была хотя бы одна годная.
Пример 38
Размер изготавливаемой на станке детали является случайной величиной, распределённой по нормальному закону с математическим ожиданием, равным 15 мм. Определить среднее квадратическое отклонение размера детали, если известно, что 95,44 % деталей имеют размер от 14 до 16 мм.
Решение.
Согласно условию случайная величина
,
определяющая размер изготавливаемой
на станке детали, распределена по
нормальному закону, причём
[мм],
.
Определим искомую вероятность с помощью
формулы (2.7.4.6):
Учитывая,
что
– нечётная функция, получим
Отсюда
По
таблицам значений функции
определяем, что
Следовательно,
,
т. е. среднее квадратическое
отклонение размера изготавливаемых на
станке деталей равно 0,5.
