УМК
.PDF
|
|
0.3 |
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
0.1 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
-2 |
-1 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
|
|
|
|
Рис.1.15 |
|
|
|
|
|
|
0.5 |
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
0.3 |
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
0.1 |
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
-2 |
-1 |
0 |
1 |
2 |
3 |
4 |
5 |
6 |
Рис.1.16
Медианой MD случайной величины X называется такое ее значение, относительно которого равновероятно получение большего или меньшего значения случайной величины, т.е.
P(X < MD ) = P(X > MD ) .
Геометрически медиана – |
это абсцисса точки, |
в которой площадь, огра- |
|||||||
ниченная кривой распределения, делится пополам (рис.1.17). Каждая из этих |
|||||||||
площадей равна 0,5, т.к. вся площадь, ограниченная кривой распределения, |
|||||||||
равна 1. |
|
|
|
|
|
|
|
|
|
Поэтому |
|
F(MD ) = P(X < MD ) = 0,5 . |
|
|
|
||||
|
|
|
|
|
|||||
Заметим, что если распределение одномодальное и симметрическое, то |
|||||||||
все три характеристики положения случайной величины – |
математическое |
||||||||
ожидание, мода и медиана – |
совпадают. |
|
|
|
|
|
|||
|
|
0.5 |
|
|
|
|
|
|
|
|
|
0.4 |
|
|
|
|
|
|
|
|
|
0.3 |
|
|
|
|
|
|
|
|
|
0.2 |
|
|
|
|
|
|
|
|
|
0.1 |
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
-2 |
-1 |
0 |
1 |
2 |
D |
3 |
4 |
5 |
6 |
|
|
|
|
|
M |
|
|
|
|
|
|
|
|
Рис.1.17 |
|
|
|
|
|
|
|
1.11. НОРМАЛЬНОЕ РАСПРЕДЕЛЕНИЕ |
|
|
На практике при решении задач приходится сталкиваться с различными распределениями непрерывных случайных величин. Плотности распределений непрерывных случайных величин называют также законами распределений. Часто встречаются, например, законы нормального, показательного и равномерного распределений.
Нормальный закон распределения (закон Гаусса) играет исключительно важную роль в теории вероятностей и занимает среди других законов распределения особое положение. Это наиболее часто встречающийся на практике закон распределения. Главная особенность, выделяющая нормальный закон среди других законов, состоит в том, что он является предельным законом, к которому приближаются другие законы распределения при достаточно часто встречающихся типичных условиях.
Примерами случайных величин, имеющих нормальное распределение, могут служить: отклонение действительных размеров деталей, обработанных на станке, от номинальных размеров, ошибки при измерении, отклонения при
стрельбе и другие. Все эти примеры объединяет общая закономерность: случайная величина является результатом действия большого числа различных факторов, воздействие каждого из которых на данную величину незначительно и невозможно указать, какой именно влияет в большей степени, чем остальные.
Нормальным называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью
|
1 |
|
|
|
− |
( x − a ) 2 |
|
||
f ( x ) = |
|
|
e |
2 |
σ 2 |
||||
|
|
|
|||||||
|
|
|
|
|
|
. |
|||
σ 2 |
π |
|
|
||||||
|
|
|
|
|
|
|
Очевидно, что нормальное распределение определяется двумя парамет-
рами: а и σ. Достаточно знать эти параметры, чтобы задать нормальное распределение. Покажем, что вероятностный смысл этих параметров таков: а есть математическое ожидание, σ - среднее квадратическое отклонение нормального распределения.
а) По определению математического ожидания непрерывной случайной величины
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Выполним замену |
x - a |
|
= z, |
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(x−a)2 |
|
|
|
||||||||||||||
|
|
|
|
∞ |
|
|
|
|
|
|
∞ |
|
|
1 |
|
e− |
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|||||||||
M(X) = ∫ x f (x)dx = ∫ |
x |
|
|
2σ2 dx = |
x = σz +a, |
dx = σdz |
|
= |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
σ 2π |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
−∞ |
|
|
|
−∞ |
|
|
|
|
|
|
|
при x →±∞ |
|
|
z →±∞ |
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z2 |
|
|
|
|
|
|
|
|
z2 |
|
|
|
z2 |
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
∞ |
|
|
|
|
|
σ |
∞ |
|
|
|
∞ |
|
|
||||||||||||||||
= |
1 |
|
|
|
|
|
∫ (σz + a) e− |
|
σdz = |
|
∫ z e− |
|
dz + |
|
a |
|
|
∫e− |
|
dz = |
|||||||||||||||||||
|
|
|
2 |
2 |
|
2 |
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
σ 2π |
|
2π |
2π |
||||||||||||||||||||||||||||||||||||
|
|
|
|
−∞ |
|
|
|
|
|
|
|
|
|
−∞ |
|
|
|
|
|
−∞ |
|
|
|
|
|||||||||||||||
|
|
∞ |
|
|
|
|
|
|
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
∫ z e− |
|
|
dz = 0 как интеграл от нечетной функции |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
2 |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
= |
с |
симметричными |
|
пределами |
интегрирования |
= 0 + a = a. |
|||||||||||||||||||||||||||||||||
|
|
относительно начала |
координат, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
∞ |
|
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
∫ e− |
|
|
dz = |
|
- интеграл |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
2 |
2π |
Пуассона |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
−∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Итак, М (X) = а, т. е. математическое ожидание нормального распределения равно параметру а;
б) По определению дисперсии непрерывной случайной величины, учитывая, что М(Х)=а, имеем
∞ |
|
|
∞ |
|
|
1 |
|
|
− |
( x−a)2 |
|
D(X) = ∫ |
(x − M(X)) |
2 |
f (x)dx = ∫ (x − a) |
2 |
|
|
e |
2σ2 |
|||
|
|
||||||||||
|
|
|
|
|
|
|
|||||
|
|
σ 2π |
|
|
|||||||
−∞ |
|
−∞ |
|
|
|
|
|
|
dx =
|
Выполнимзамену |
x - a |
= z, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
∞ |
|
|
z2 |
2 |
|
∞ |
|
|
|
z2 |
||||||||
= |
|
x = σz + a, |
dx = σdz |
= |
1 |
|
|
|
∫σ2z2e− |
|
|
σdz = |
σ |
∫z2 e− |
|
dz = |
|||||||||||||||||
|
|
2 |
|
2 |
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
σ 2π |
|
2π |
|||||||||||||||||||||||||||||||
|
|
при x →±∞ |
z →±∞ |
|
|
−∞ |
|
|
|
|
|
|
−∞ |
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
z = u, |
dz = du, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
− |
z2 |
|
− |
z2 |
|
|
− |
z2 |
|
|
|
|
|
|
|
− |
z2 |
|
+ ∫e |
− |
z2 |
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
= |
∫z2 e 2 dz = ∫z e 2 zdz= |
|
e 2 zdz= dv, |
|
|
= −z e 2 |
|
2 dz |
= |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
− |
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
v= −e 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
σ 2 |
|
|
|
|
|
|
|
2 π |
|
|
|
|
|
|
= |
σ 2 |
|
|
|
|
|
|
|
2 π |
|
|
|
|
|
Итак,
|
|
|
lim |
|
− |
|
||
a → −∞ |
|
|
b → ∞ |
|
|
|
|
|
lim |
− |
|
b → ∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z 2 |
|
b |
|
|
∞ |
|
|
|
|
z 2 |
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
− |
|
|
|
|
|
|
|
|
|
z e |
2 |
|
|
+ |
|
|
|
2 dz |
= |
|
|
||||||||||||
|
|
|
|
∫ e |
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
− ∞ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
b |
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
||||||
|
+ |
|
lim |
|
|
|
+ |
|
2 π |
= σ 2 . |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
b 2 |
|
|
|
|
a 2 |
|
|||||||||||||||
|
|
|
|
|
|
|
|
a |
→ −∞ |
|
|
|
|
|
|
|
|
|
|
|
|
||
e |
2 |
|
|
|
|
|
|
|
|
|
e |
2 |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
D(X) = σ2 .
Следовательно,
σ(X) = D(X) = σ .
Таким образом, среднее квадратическое отклонение нормального рас-
пределения равно параметру σ.
Замечание. Общим называют нормальное распределение с произвольными параметрами а и σ (σ > 0).
Нормированным называют нормальное распределение с параметрами а=0
и σ =1. |
|
|
|
|
|
|
|
1.11.1 |
Нормальная кривая |
||||||
График плотности нормального распределения называют нормальной |
|||||||
кривой (кривой Гаусса). Исследуем функцию |
|
|
|||||
|
1 |
|
− |
( x − a ) 2 |
|
||
y = |
|
2 σ 2 |
|||||
|
e |
||||||
|
σ |
|
|
|
|
||
2 π |
|
|
методами дифференциального исчисления.
1.Очевидно, функция определена на всей оси x.
2.При всех значениях х функция принимает положительные значения, т.е. нормальная кривая расположена над осью Ох.
3Предел функции при неограниченном возрастании х (по абсолютной
величине) равен нулю:
lim |
y = lim |
|
1 |
|
|
|
|
|
|
|
( x − a ) |
2 |
|
||
x → ±∞ |
x → ±∞ |
|
e |
|
|
||
|
|
σ |
2 π |
2 σ 2 |
|
|
= 0
,
т.е ось Ох служит горизонтальной асимптотой графика.
4. Исследуем функцию на экстремум. Найдем первую производную:
|
|
|
y′ |
|
|
|
|
x − a |
|
|
|
− |
|
( x − a ) 2 |
|
|
|
||||||||||||
|
|
|
= − |
|
|
|
|
|
|
2 σ 2 |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
e |
|
|
|
|
. |
|
|
|
||||||||||||||||
|
|
|
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
σ |
|
2 π |
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Легко видеть, что |
|
|
|
|
y ′ |
= 0 |
|
|
|
|
|
|
|
|
|
x = a |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
при |
|
|
|
|
|
|
|
|
||||||||||||||
и |
|
|
|
|
y ′ |
> 0 |
|
|
при x < a , |
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
y ′ |
< 0 |
|
|
при x > a . |
|
|
|
|
|
|||||||||||||||
Следовательно, при х=а функция имеет максимум, равный |
|||||||||||||||||||||||||||||
|
|
|
|
|
y max |
|
|
= |
|
|
|
1 |
|
|
|
|
. |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
σ |
2 |
π |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
5. Исследуем функцию на точки перегиба. Найдем вторую производную: |
|||||||||||||||||||||||||||||
|
|
|
1 |
|
|
|
|
|
− |
|
( x − a ) 2 |
|
|
|
|
|
( x − a ) |
2 |
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
y ′ = |
|
|
|
|
|
|
e |
|
|
2 σ 2 |
|
|
|
|
|
− 1 |
|
||||||||||||
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|||||||||||
|
σ |
|
2 π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
. |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Следовательно, |
|
y′′ |
= 0 при x − a = ±σ |
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|||||||||||||||||||||||||
или |
|
|
|
|
|
|
|
|
x = a ± σ |
|
|
|
|
|
|
|
|
|
|
||||||||||
y ′ |
< 0 |
при x (a − σ, a + σ) , |
|
y′ > 0 при x ( −∞ , a − σ ) (a + σ, ∞ ) .
Таким образом, точки графика с абсциссами x = a ± σ являются точками перегиба.
6. Разность (х-а) содержится в аналитическом выражении функции в квадрате, т. е. график функции симметричен относительно прямой х=а.
На рис.1.18 изображена нормальная кривая при а==5 и σ =3.
|
f(x) |
|
|
|
|
|
|
1 |
|
|
|
|
|
σ |
2π |
|
|
|
|
|
|
a-σ |
a |
a+σ |
|
|
|
|
|
Рис.1.18 |
|
|
|
|
Выясним, как влияют на форму и расположение нормальной кривой зна- |
||||||
чения параметров а и σ. |
|
|
|
|
|
|
Известно, что графики функций f(х) и f(х-а) имеют одинаковую форму; |
||||||
сдвинув график f (х) в положительном направлении оси х на а единиц масштаба |
||||||
при а>0 или в отрицательном направлении при а<0, получим график f(х-а) |
||||||
(рис.1.19). |
|
|
|
|
|
|
|
f(x) |
|
|
|
|
|
-5 |
0 |
5 |
10 |
15 |
20 |
25 |
|
|
M1(X) |
M2(X) M3(X) |
|
|
|
|
|
|
Рис.1.19 |
|
|
|
Отсюда следует, что изменение величины математического ожидания не |
||||||
изменяет формы нормальной кривой, а приводит лишь к ее сдвигу вдоль оси |
||||||
Ох: вправо, если а возрастает, и влево, если а убывает. |
|
|
По-иному обстоит дело, если изменяется параметр σ (среднее квадратическое отклонение). Как было показано ранее, максимум дифференциальной
1
функции нормального распределения равен σ 2π . Отсюда следует, что с воз-
растанием σ максимальная ордината нормальной кривой убывает, а сама кри- вая становится более пологой, т. е. сжимается к оси Ох; при убывании σ нор- мальная кривая становится более «островершинной», и растягивается в по- ложительном направлении оси Оу.
На рис.1.20 изображены нормальные кривые при различных значениях σ и а=0. Рисунок наглядно иллюстрирует, как изменение параметра σ сказывается на форме нормальной кривой.
f (x) |
|
σ1 = 1 |
|
σ2 = 3 |
|
σ3 |
= 5 |
Рис.1.20 |
|
В случае, когда а=0 и σ =1, нормальную кривую называют нормирован- |
|
ной. Подчеркнем, что при любых значениях параметров а и σ площадь, ограни- |
|
ченная нормальной кривой и осью х, остается равной единице. |
|
1.11.2. Вероятность попадания в заданный интервал нормальной случайной величины
Уже известно, что если случайная величина Х задана плотностью распределения f (x), то вероятность того, что Х примет значение, принадлежащее интервалу (α;β) , такова:
β
P(α < X < β) = ∫f (x)dx
α
Пусть случайная величина Х распределена по нормальному закону. Тогда вероятность того, что Х примет значение, принадлежащее интервалу (α;β) , равна
|
|
1 |
|
β |
− |
( x −a )2 |
|
P(α < X < β) = |
|
|
∫ e |
|
|||
|
|
2 σ2 |
|||||
|
|
|
|||||
|
σ |
|
|
|
α |
|
|
|
|
2π |
|
|
dx .
Преобразуем эту формулу так, чтобы можно было пользоваться готовыми таблицами.
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Выполним замену |
|
|
x − a |
= z, |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
β − |
( x −a ) |
2 |
|
|
|
|
|
|
σ |
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
P (α < X < β) = |
|
|
|
|
|
|
|
|
|
|
|
dx = |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
= |
||||||||||||||||||||
|
|
|
|
|
|
∫ e |
2 σ 2 |
|
|
|
|
|
|
|
|
|
|
x = σz + a, dx = σdz |
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
α |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2π |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
при |
x = α |
z = |
α - a |
, |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
при x = β |
z = β - a |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
β-a |
|
|
|
|
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z2 |
|
|
|
|
|
|
|
β-a |
z2 |
|
|
|
|
|
|
||||||
|
1 |
|
|
|
|
|
σ |
|
|
|
|
|
|
|
1 |
0 |
|
|
|
|
|
|
|
|
|
|
1 |
|
σ |
|
|
|
|
|
|
|||||||||||||||||
= |
|
|
|
|
|
∫ |
e− |
|
σdz = |
|
|
|
|
∫e− |
|
|
σdz + |
|
|
∫ e− |
|
σdz = |
||||||||||||||||||||||||||||||
|
|
|
|
|
2 |
2 |
2 |
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
σ 2π |
|
|
|
|
|
2π |
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
-a |
|
|
|
|
|
|
|
|
|
|
|
2π -a |
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|||||||||||||||||||
|
|
|
|
|
|
|
|
α |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
α |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
β-a |
|
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
α-a |
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
1 |
|
|
σ |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
= |
|
|
∫ e− |
|
σdz − |
|
|
|
|
|
∫ e− |
|
|
|
σdz. |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||
|
|
2 |
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
2π |
|
|
2π |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
Пользуясь функцией Лапласа |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
x |
− |
z 2 |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Ф ( x ) = |
|
|
|
|
|
|
|
∫ e |
|
dz , |
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 π |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
окончательно получим |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
β - a |
|
|
|
α - a |
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
P(α < X < β) = Ф |
|
|
|
|
|
|
− Ф |
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
σ . |
|
|
|
|
|
|
|
Пример 1.46 Случайная величина Х распределена по нормальному закону. Математическое ожидание и среднее квадратическое отклонение этой величины соответственно равны 30 и 10. Найти вероятность того, что Х примет значение, принадлежащее интервалу (10;50).
Решение. По условию, α=10, β=50, a=30, σ=10, следовательно,
|
50 - 30 |
|
|
10 - 30 |
|
|
||
P(10 < X < 50) = Ф |
|
|
− Ф |
|
|
|
= 2Ф(2) . |
|
10 |
10 |
|||||||
|
|
|
|
|
По таблице находим Ф(2)=0,4772. Отсюда искомая вероятность
P (10 < X < 50 ) = 2 0 , 4772 = 0 ,9544 .
1.11.3. Вычисление вероятности заданного отклонения
Часто требуется вычислить вероятность того, что отклонение нормально распределенной случайной величины Х по абсолютной величине меньше заданного положительного числа δ, т. е. требуется найти вероятность осуществления неравенства
X − a < δ .
Заменим это неравенство равносильным ему двойным неравенством
− δ < X − a < δ
или
a − δ < X < a + δ .
Далее |
|
|
|
|
|
|
|
a + δ - a |
a − δ - a |
|
|||||
P(a − δ < X < a + δ) = Ф |
|
|
− Ф |
|
|
= |
|
σ |
σ |
||||||
|
|
|
|
|
|
δ |
|
|
δ |
|
|
|
|
δ |
|
|
|
δ |
|
|
δ . |
|||||
|
|
|
|
|
|||||||||||||||||
= Ф |
|
|
− Ф |
− |
|
|
= |
Ф |
− |
|
|
= −Ф |
|
|
|
= 2Ф |
|
|
|||
|
|
|
|
|
|||||||||||||||||
|
σ |
|
|
σ |
|
|
|
|
σ |
|
|
|
σ |
|
|
σ |
|||||
Итак |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
δ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
P( |
X − a |
< δ) = 2Ф |
|
. |
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
В частности, при а=0 |
|
|
|||
|
|
|
|
δ |
|
|
|
||||
P( |
X |
|
< δ) = 2Ф |
|
. |
|
|
||||
|
|
|
|
σ |
На рис.1.21 наглядно показано, что если две случайные величины нормально распределены и а=0, то вероятность принять значение, принадлежащее интервалу (-δ;δ), больше у той величины, которая имеет меньшее значение σ. Данное обстоятельство полностью отражает вероятностный смысл параметра σ, т.к. σ характеризует рассеяние случайной величины вокруг ее математического ожидания.
f (x) |
|
|
σ1 |
= 1 |
|
|
σ2 |
= 3 |
Рис.1.21 |
|
|
1.11.4. Правило трех сигм |
Преобразуем формулу
|
|
|
|
δ |
|
|
|
|
|
||||
P( |
X − a |
|
< δ) = 2Ф |
|
|
, |
|
|
|||||
|
|
|
|
σ |
|
положив
δ = σ t .
В итоге получим
P(X − a < σt ) = 2Ф(t ).
Если t=3, то
P(X − a < 3σ) = 2Ф(3) = 2 0,49865 = 0,9973 ,
т. е. вероятность того, что отклонение по абсолютной величине будет меньше утроенного среднего квадратического отклонения, равна 0,9973.
Другими словами, вероятность того, что абсолютная величина отклонения превысит утроенное среднее квадратическое отклонение, очень мала, а именно равна 0,0027. Это означает, что лишь в 0,27% случаев так может произойти. Такие события, исходя из принципа невозможности маловероятных событий, можно считать практически невозможными. В этом и состоит сущность правила трех сигм: если случайная величина распределена нормально, то абсо- лютная величина ее отклонения от математического ожидания не превосхо- дит утроенного среднего квадратического отклонения.
На практике правило трех сигм применяют так: если распределение изучаемой случайной величины неизвестно, но условие, указанное в приведенном