- •Владимир 2013 план
- •Распределение Эрланга
- •3. Показательный (экспоненциальный) закон распределения.
- •Числовые характеристики показательного распределения
- •4.1 Распределение «хи-квадрат» (- распределение)
- •4.2 Распределение Стьюдента
- •Распределение Вейбула и Релея
- •5.1 Распределение Вейбула
- •5.1 Распределение Релея
Числовые характеристики показательного распределения
Пусть непрерывная случайная величина Χ распределена по показательному закону
Найдем математическое ожидание, используя формулу её вычисления для непрерывной случайной величины:
Интегрируя по частям, получим
(3.4)
Таким образом, математическое ожидание показательного распределения равно обратной величине параметра λ.
Найдем дисперсию, используя формулу её вычисления для непрерывной случайной величины:
Интегрируя по частям, получим
Следовательно:
(3.5)
Найдем среднее квадратическое отклонение, для чего извлечем квадратный корень из дисперсии:
(3.6)
Сравнивая (3.4), (3.5) и (3.6), видно, что
(3.7)
т. е. математическое ожидание и среднее квадратическое отклонение показательного распределения равны между собой.
Показательное распределение широко применяется в различных приложениях финансовых и технических задач, например, в теории надежности.
Распределение «хи-квадрат» и распределение Стьюдента.
4.1 Распределение «хи-квадрат» (- распределение)
Пусть Χi (ί = 1, 2, ..., n)—нормальные независимые случайные величины, причем математическое ожидание каждой из них равно нулю, а среднее квадратическое отклонение — единице.
Тогда сумма квадратов этих величин
распределена по закону с степенями свободы, если же эти величины связаны одним линейным соотношением, например , то число степеней свободы
Распределение хи-квадрат нашло широкое применение в математической статистике.
Плотность этого распределения
(4.1)
где - гамма-функция, в частности.
Отсюда видно, что распределение хи-квадрат определяется одним параметром — числом степеней свободы k.
С увеличением числа степеней свободы распределение хи-квадрат медленно приближается к нормальному.
Хи-квадрат распределение получается, если в законе распределения Эрланга принять λ= ½ и k = n/2 – 1.
Математическое ожидание и дисперсия случайной величины, имеющей хи-квадрат распределение, определяются простыми формулами, которые приведем без вывода:
(4.2)
Из формулы следует, что при хи-квадрат распределение совпадает с экспоненциальным распределением при λ= ½ .
Интегральная функция распределения при хи-квадрат распределении определяется через специальные неполные табулированные гамма-функции
(4.3)
Применение системы уравнений (4.3), использующей табулированные (табличные) неполные гамма-функции, позволяет определить вероятность попадания случайной величины в заданный интервал, имеющей хи-квадрат распределение.
Н
f(x)
Рис.4.1. а)Графики плотности вероятности при хи-квадрат распределении
Рис.4.1. б)Графики функции распределения при хи-квадрат распределении