- •Глава 3. Законы распределения случайной величины
- •3.1. Нормальный закон распределения
- •3.2. Законы распределения, используемые в гидрометеорологии
- •3.3. Законы распределения, используемые в статистических расчетах
- •3.4. Особенности построения эмпирической функции распределения
- •Понятие нормализации исходных данных
3.2. Законы распределения, используемые в гидрометеорологии
Логарифмически нормальное распределение. Вообще говоря, на практике довольно часто встречается такая ситуация, когда случайная величина X сама не является нормально распределенной, однако путем несложного её функционального преобразования можно получить случайную величину Y = (X), распределенную по нормальному закону. При этом наибольшее распространение получило логарифмическое преобразование вида Y = log aX , которое допустимо лишь при X>0.
Случайная величина X считается распределенной логарифмически нормально, если нормальному закону распределения подчиняется её логарифм Y = logaX . В соответствии с этим плотность вероятности выражается формулой:
f(y) = , (3.6)
где my = M[logaX] - математическое ожидание, y2 = D[logaX] - дисперсия, а - основание логарифма, причем наиболее часто принимается а = е, т.е. Y = lnX.
Выполнив несложные преобразования, можно от формулы (3.6) перейти к плотности распределения исходной случайной величины, которая будет иметь следующий вид:
f(x)=f(y)=, (3.7)
где my=M[lnX], y2=D[lnX].
График плотности вероятности данного распределения приведен на рис. 3.4. Как следует из формулы (3.7) и рис. 3.4, логарифмически нормальное распределение характеризуется положительной асимметрией, возрастающей с увеличением y. Естественно, чем меньше y, тем ближе друг к другу значения моды, медианы и математического ожидания и тем ближе кривая распределения к нормальному закону. Оно свойственно таким случайным величинам, формирование которых происходит в результате умножения большого числа влияющих на них независимых равнозначных факторов.
Между параметрами нормального и логарифмически нормального распределений существуют следующие соотношения:
mx = exp(my + 0,5y2),
σx = mx[exp(σy2 – 1)]1/2,
или
my = ln[mx /(1 + Cx2)1/2],
σy = [ln(1 + Cx2)]1/2,
где Cx – коэффициент вариации величины X .
Мода логарифмически нормального распределения функционально связана с математическим ожиданием и коэффициентом вариации
Mo = mx/(1+Cx2)3/2.
С увеличением коэффициента вариации различия между Mo и mx возрастают.
Распределение Вейбулла. Непрерывная случайная величина X считается распределенной по закону Вейбулла, если её плотность вероятности определяется следующей формулой
(3.8)
где m и c - параметры распределения, которые могут принимать только положительные значения.
Кривая распределения Вейбулла имеет различный вид в зависимости от значения параметра m. В связи с этим параметр m является характеристикой формы, а параметр c - характеристикой масштаба. При m > 1 распределение Вейбулла одномодально.
Интегральная функция распределения данного закона выражается формулой
(3.9)
Заметим, что некоторые виды распределений являются частными случаями распределения Вейбулла. Так, например, при m=1 получим показательное распределение, плотность вероятности которого определяется как
(3.10)
а функция распределения показательного (экспоненциального) закона имеет вид:
(3.11)
График плотности вероятности показательного распределения приводится на рис. 3.5. Важным свойством показательного закона является то, что математическое ожидание и стандартное отклонение равны и функционально связаны с параметром c, т.е. mx = x =1/c.
Кроме того, для показательного распределения характерно и то, что его коэффициенты вариации, асимметрии и эксцесса не зависят от параметра c и имеют следующие значения: Сv = 1, As = 2, Ex = 9.
Другим частным случаем распределения Вейбулла является распределение Релея, которое может быть получено, если принять с = 1/2x2 и m = 2 , т.е.
(3.12)
где x - единственный определяемый параметр. График плотности вероятности данного распределения при различных значениях представлен на рис. 3.6. Нетрудно видеть, что кривая распределения, особенно при малых значениях x, является резко асимметричной.
Интегральная функция распределения закона Релея выражается формулой
(3.13)
При этом основные числовые характеристики имеют вид
mx = , Dx = (2)x2, As 0,63, Ex 0,3.
Следовательно, кривая распределения Релея имеет большую положительную асимметрию и является более плосковершинной по сравнению с кривой нормального закона.
Равномерное распределение. Непрерывная случайная величина X распределена равномерно, если плотность вероятности во всем интервале её возможных значений постоянна, а за его пределами равна нулю. В соответствии с этим плотность вероятности в интервале [a,b] может быть представлена в виде:
(3.14)
а функция распределения записана как
(3.15)
Итак, равномерное распределение определяется двумя параметрами: a и b. При этом основные числовые характеристики равномерного закона могут быть выражены следующим образом
mx = (a + b)/2, Dx = (b a)2/12 , As = 0, Ex = 1,2.
Биномиальное распределение. Дискретная случайная величина X с возможными исходами x = m = 0, 1, 2,...,n имеет биномиальное распределение, если вероятность того, что X = m определяется формулой:
p(X=m) = Pm,n=. (3.16)
При этом функция биномиального распределения выражается следующим образом:
(3.17)
Биномиальное распределение определяется двумя параметрами: p и n, причем основные числовые характеристики связаны с этими параметрами как
mx = np, Dx = npq, As =, Ex = (1 – 6pq)/npq.
Отсюда следует, что с увеличением n коэффициенты асимметрии и эксцесса стремятся к нулю. При n и np биномиальное распределение становится асимптотически нормальным. На практике биномиальное распределение считают асимптотически нормальным уже при npq 9.