chap_0
.pdf11.1. НОРМАЛЬНИЙ ЗАКОН РОЗПОДIЛУ |
113 |
0:8
0:4
3 |
2 |
1 |
0 |
1 |
2 |
3 x |
Рис. 11.2. Графiки щiльностей нормальних розподiлiв для математичного очiкування M[x] = 0 i рiзних значень середнiх квадратичних вiдхилень: = 1, = 2, = 0; 5.
Нормальний розподiл у загальному випадку. У цьому випадку функцiя щiльностi визначається формулою
|
|
|
|
|
|
1 |
e |
(x m)2 |
|
|
|
|
|||||||
f(x) = |
|
p |
|
2 2 |
: |
|
|
|
|
||||||||||
|
2 |
|
|
|
|
||||||||||||||
Основнi параметри нормального розподiлу: |
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
1 |
|
|
(t m)2 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
R |
|
2 2 |
|||||
Математичне очiкування M[x] = |
p |
|
|
|
te |
|
|
||||||||||||
2 |
|
1 |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
1 |
2 |
|
(t m)2 |
|
|
|
|
|
2 |
|
|
||||||
|
|
R |
|
2 2 |
|
|
|
|
|
|
|
||||||||
Дисперсiя D[x] = |
p |
|
|
|
|
t e |
|
|
|
|
dt = ; |
|
|
||||||
2 |
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
(11.4)
dt = m;
p
Середнє квадратичне вiдхилення d = .
Параметри m та у формулi (11.4) означають: m – математичне очiкування нормально розподiленої випадкової величини x,
– середнє квадратичне вiдхилення цiєї ж величини.
Зазначимо, що згiдно властивостi щiльностi для довiльних значень параметрiв m та справедлива рiвнiсть
1 |
1 |
(x m)2 |
|||
Z |
p |
|
e |
|
dx = 1; |
|
2 2 |
||||
|
2
1
114 |
РОЗДIЛ 11. ОСНОВНI ЗАКОНИ РОЗПОДIЛУ |
0:5
3 |
2 |
1 |
0 |
1 |
2 |
3 x |
Рис. 11.3. Графiки щiльностей нормальних кривих для рiзних значень математичних очiкувань: M[x] = 0, M[x] = 2, M[x] = 2 i фiксованого середнього квадратичного вiдхилення = 1.
тобто площа вiдповiдної необмеженої криволiнiйної трапецiї дорiвнює 1.
На рис. 11.2 та 11.3 показанi графiки щiльностей нормальних розподiлiв для рiзних значень параметрiв.
Функцiя Лапласа. Iнтеграл iз змiнною верхньою межею
1 |
Z0 |
x |
t2 |
|
|||
(x) = |
p |
|
e |
2 |
dt: |
(11.5) |
|
2 |
називають функцiєю або iнтегралом Лапласа. Функцiї 11.5 та 11.2 пов’язанi простою залежнiстю
F (x) = (x) + 12:
В науковiй лiтературi можна зустрiти ще одну функцiю
|
2 |
Z0 |
x |
t2 |
||
(x) = |
p |
|
e |
2 dt; |
||
2 |
яку називають iнтегралом ймовiрностi. Очевидно, що
(x) =
2 (x). На рис. 11.4 показанi графiки цих iнтегралiв.
Розглянутi функцiї не можна виразити через елементарнi, тому для них побудованi таблицi. Так, таблиця Е.2 на с. 244 мiстить значення функцiї (11.5).
11.1. НОРМАЛЬНИЙ ЗАКОН РОЗПОДIЛУ |
|
115 |
||||
|
|
|
1 |
|
|
|
|
|
|
0:5 |
|
|
|
F (x) |
|
|
|
|
|
|
(x) |
2 |
1 |
0 |
1 |
2 |
3 x |
|
|
|
0:5 |
|
|
|
|
|
|
|
|
|
|
(x) |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Рис. 11.4. Залежнiсть мiж iнтегралами F (x), (x) та (x) |
Теорема 11.2. Якщо випадкова величина x розподiлена нормально з математичним очiкуванням m i середнiм квадратичним вiдхиленням , то ймовiрнiсть того, що значення випадкової величини x належатиме вiдрiзку [ ; ], визначається формулою
|
|
|
|
|
|
|
|
|
|
|
(11.6) |
||
p( |
|
x |
|
) = |
m |
|
|
|
m |
|
|
: |
|
|
|
|
|
|
|
|
|
Правило трьох сигм. Поклавши у формулi (11.6) = m 3 ,
= m + 3 , отримаємо
p(m 3 x m + 3 ) = p(jx mj 3 ) =
=(3) ( 3) = 2 (3) = 0; 9973:
Цей результат називають правилом трьох сигм. Суть його полягає у тому, що з досить великою ймовiрнiстю, а саме 0,9973, можна вважати, що значення нормально розподiленої величини лежить у промiжку m 3 x m + 3 .
Приклад 11.1. Завод виготовляє стальнi кульки для пiдшипникiв. Кожна кулька повинна мати один i той же дiаметр d (проектована довжина). Проте, в силу ряду причин, неминучих у масовому виробництвi, фактична довжина дiаметра дещо вiдрiзнятиметься вiд d. Позначимо через x рiзницю мiж фактичним i проектованим
116 |
РОЗДIЛ 11. ОСНОВНI ЗАКОНИ РОЗПОДIЛУ |
d +
d
Рис. 11.5. Модель перевiрки кульок на вiдповiднiсть стандарту
значеннями дiаметра. Величина x (похибка дiаметра) має нормальний розподiл iз математичним очiкуванням 0 i деяким середнiм квадратичним вiдхиленням , що характеризує середню точнiсть виготовлення кульок.
Кожна кулька, зiйшовши з конвеєра, проходить контроль, суть якого полягає в тому, що кульки проходять через сита з отворами, дiаметри яких d + " i d " (" > 0). Кульки, що проходять через бiльшi отвори, але застрягають у менших вважаються стандартними, решта – бракуються (рис. 11.5). Знайти ймовiрнiсть того, що випадково взята з конвеєра кулька буде бракованою.
Р о з в’ я з о к. Умовою, що кулька витримає контроль служить нерiвнiсть " < x < ". Скориставшись формулою (11.6) будемо мати
|
|
|
|
|
|
|
|
|
|
|
|
p( " < x < ") = |
|
" 0 |
|
|
|
" 0 |
|
|
= 2 |
" |
: |
|
|
|
|
|
|
|
Отже, ймовiрнiсть того, що кулька випадково взята з конвеєра буде бракована дорiвнює 1 2 " .
11.2Рiвномiрний закон розподiлу
Щiльнiсть рiвномiрного розподiлу випадкової величини x визначається рiвнiстю
f(x) = |
8b 1a ; |
для |
a x |
b; |
(11.7) |
|||
|
|
0; |
|
для |
x < a; |
|
|
|
|
|
> |
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
<0; |
|
для |
x > b: |
|
|
|
|
|
> |
|
|
|
|
|
|
На основi щiльностi |
можна знайти функцiю рiвномiрного розпо- |
|||||||
|
: |
|
|
|
|
|
|
дiлу:
11.3. ПОКАЗНИКОВИЙ ЗАКОН РОЗПОДIЛУ |
117 |
1 |
|
|
|
|
1 |
|
|
|
|
0:5 |
|
|
|
|
0:5 |
|
|
|
|
0 |
1 |
2 |
3 |
x |
0 |
1 |
2 |
3 |
x |
Рис. 11.6. Щiльнiсть рiвномiрного |
Рис. 11.7. Функцiя |
рiвномiрного |
|||||||
|
|
розподiлу |
|
|
|
розподiлу |
|
|
F (x) = |
|
f(t) dt = |
8b a ; |
для |
a x |
b; |
(11.8) |
|
Z |
x |
|
> |
0; |
для |
x < a; |
|
|
|
|
|
|
|
|
|||
1 |
|
|
|
|
|
|
||
|
|
<1; |
|
x > b: |
|
|
||
|
|
|
> |
x a |
|
|
|
|
|
|
|
|
для |
|
|
|
|
|
|
|
: |
|
|
|
|
|
На рис. (11.6) поданi графiки цих функцiй.
Основнi параметри рiвномiрного розподiлу:
Математичне очiкування m = M[x] = a+2 b ;
Дисперсiя d = D[x] = (a12b)2 ;
Середнє квадратичне вiдхилення = b a .
p
2 3
Приклади на застосування рiвномiрного розподiлу поданi в роздiлi 3.5, де розглядаються геометричнi ймовiрностi.
11.3Показниковий закон розподiлу
Щiльнiсть показникового закону розподiлу для числа > 0 задається формулою
|
( e x; |
для |
x > 0: |
(11.9) |
f(x) = |
0; |
для |
x 0; |
|
На рис. 11.8 показанi графiки цiєї функцiї для кiлькох значень .
118 |
РОЗДIЛ 11. ОСНОВНI ЗАКОНИ РОЗПОДIЛУ |
Неважко обчислити i саму функцiю розподiлу F (x), скориставшись означенням F (x) = R1x f(t) dt:
F (x) = |
0; |
для |
x 0; |
(11.10) |
|
(1 e x; |
для |
x > 0: |
Основнi параметри показникового закону розподiлу:
Математичне очiкування m = M[x] = 1 ;
Дисперсiя d = D[x] = 12 ;
Середнє квадратичне вiдхилення = (x) = 1 .
Ймовiрнiсть попадання значень випадкової величини x в iнтервал ( ; ) дорiвнює
p( < x < ) = e e : |
(11.11) |
Статистичний змiст параметра полягає в наступному, – це середнє число подiй за одиницю часу, а 1= – це промiжок часу мiж двома послiдовними подiями.
Показниковий розподiл часто зустрiчається в теорiї масового обслуговування, теорiї надiйностi тощо. Нехай t – час безвiдмовної роботи деякого елемента, а – iнтенсивнiсть вiдмов (середнє число вiдмов за одиницю часу). Тодi час t роботи елемента можна вважати неперервною випадковою величиною, розподiленою за показниковим законом iз функцiєю розподiлу
F (x) = p(t < x) = 1 e x ( > 0); |
(11.12) |
яка визначає ймовiрнiсть вiдмови елемента за час x. Протилежна ймовiрнiсть
R(x) = p(t |
|
x) = e x |
(11.13) |
|
|
називається функцiєю надiйностi. Функцiя надiйностi визначає ймовiрнiсть безвiдмовної роботи елемента за час x. Графiк цiєї функцiї показаний на рис. 11.9.
11.4. БIНОМНИЙ РОЗПОДIЛ |
|
|
|
|
119 |
||
2 |
|
|
1 |
|
|
|
|
1 |
|
|
0:5 |
|
|
|
|
0 |
1 |
2 x |
0 |
1 |
2 |
3 |
4 x |
Рис. 11.8. Щiльнiсть показнико- |
Рис. 11.9. Функцiя надiйностi |
||||||
|
|
вого розподiлу |
|
|
|
|
|
Приклад 11.2. Час t роботи радiолампи має показниковий розподiл. Знайти ймовiрнiсть безвiдмовної роботи лампи на протязi 600 год., якщо середнiй час роботи лампи – 400 год.
Р о з в’ я з о к. За умовою задачi математичне очiкування величини t дорiвнює 400 год. Тому = m1 = 4001 . За формулою надiйностi R(x) = e x маємо
R(600) = e 600400 = e 1;5 = 0; 2231:
Можемо сказати: ймовiрнiсть того, що лампа пропрацює не менше 600 год. дорiвнює 22%.
11.4Бiномний розподiл
Нехай проводиться певне число n незалежних дослiдiв. В кожному з цих дослiдiв з однiєю i тiєю ж ймовiрнiстю p може наступити деяка подiя А. Розглядається випадкова величина x – число настання подiї у n дослiдах. Вiдповiдна таблиця розподiлу для x матиме вигляд
x |
0 |
1 |
2 |
|
n |
; |
|
p |
Pn(0) |
Pn(1) |
Pn(2) |
Pn(n) |
|||
|
|
120 |
|
РОЗДIЛ 11. ОСНОВНI ЗАКОНИ РОЗПОДIЛУ |
||||||||
p |
|
|
|
|
|
|
|
|
|
|
0:3 |
|
|
|
|
|
|
|
|
|
|
0:2 |
|
|
|
|
|
|
|
|
|
|
0:1 |
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
x |
|
|
|
Рис. 11.10. Бiномний розподiл |
|
|
|
де |
|
Pn(k) = Cnk pk qn k; |
(11.14) |
Cnk – число сполук iз n елементiв по k, q = 1 p.
Закон розподiлу заданий цiєю таблицею називається бiномним. Така назва пов’язана з вiдомою властивiстю бiнома Ньютона:
nn
X |
X |
(p + q)n = |
Pn(k) = Cnkpkqn k: |
k=0 |
k=0 |
Основнi параметри бiномного розподiлу:
Математичне очiкування m = M[x] = np;
Дисперсiя d = D[x] = npq;
Середнє квадратичне вiдхилення = pnpq.
На рис. 11.10 показанi графiки бiномного розподiлу для n = 10 i рiзних значень ймовiрностi p. Кожний графiк являє собою дискретну множину точок (для наочностi точки послiдовно з’єднанi ламаною лiнiєю).
Бiномний розподiл при n > 30 можна апроксимувати нормальним розподiлом iз параметрами m = np, = pnpq. Сказане означає, що при достатньо великих n бiномнi ймовiрностi можна знаходити за наближеною формулою
|
1 |
e |
(k m)2 |
|
Pn(k) |
p |
|
2 2 |
|
2 |
11.5. РОЗПОДIЛ ПУАССОНА |
|
|
|
|
|
121 |
||||
p |
|
|
|
|
|
|
|
|
|
|
0:3 |
|
|
|
|
|
|
|
|
|
|
0:2 |
|
|
|
|
|
|
|
|
|
|
0:1 |
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
x |
Рис. 11.11. Зв’язок мiж бiномним та нормальним розподiлами |
|
з указаними значеннями параметрiв m та (див. локальну теорему Лапласа на с. 70).
На рис. 11.11 показанi графiки бiномного та нормального розподiлiв для рiзних значень n та p. Цi графiки наочно iлюструють факт наближення бiномного розподiлу до нормального.
11.5Розподiл Пуассона
Розподiл Пуассона задається таблицею |
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
0 |
|
1 |
2 |
|
|
; |
|
|
|
p |
P0 |
|
P1 |
P2 |
|
|
||||
|
|
|
|
|
|
||||||
де |
|
|
|
|
|
|
|
|
|||
Pk = p(x = k) = |
k |
e |
(k = 0; 1; 2; : : :): |
(11.15) |
|||||||
k! |
|||||||||||
|
|
|
|
|
|
|
|
|
|
Основнi параметри розподiлу Пуассона.
Математичне очiкування m = M[x] = ;
Дисперсiя d = D[x] = ;
pСереднє квадратичне вiдхилення = .
Характерною особливiстю розподiлу Пуассона є рiвнiсть дисперсiї i математичного очiкування.
122 |
|
РОЗДIЛ 11. ОСНОВНI ЗАКОНИ РОЗПОДIЛУ |
||||||||
p |
|
|
|
|
|
|
|
|
|
|
0:3 |
|
|
|
|
|
|
|
|
|
|
0:2 |
|
|
|
|
|
|
|
|
|
|
0:1 |
|
|
|
|
|
|
|
|
|
|
0 |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
x |
|
|
|
Рис. 11.12. Розподiл Пуассона |
|
|
|
Розподiл Пуассона заслуговує особливої уваги тому, що серед дискретних розподiлiв вiн часто зустрiчається на практицi. Укажемо на тiсний зв’язок розподiлу Пуассона з бiномним розподiлом. Якщо у виразi для бiномних ймовiрностей
Pn(k) = Cnk pk qn k (p + q = 1; k = 0; 1; 2; : : : ; n)
зафiксувати значення k i спрямувати число дослiдiв n до нескiнченностi, а ймовiрнiсть p – до нуля, причому так, щоб їх добуток зоставався сталим (np = = const), то будемо мати
|
k |
lim Pn(k) = |
k! e (n ! 1; p ! 0; np = ): |
Це спiввiдношення показує, що при описаному граничному переходi таблиця бiномного розподiлу переходить у таблицю розподiлу Пуассона (рис. 11.13). Це дає можливiсть зводити обчислення бiномних ймовiрностей для великих n i малих p до простiшої формули, а саме (11.15). Для того щоб похибка такої апроксимацiї була незначною, n має бути не меншим кiлькох десяткiв, а добуток np – лежати мiж 1 та 10. Сказане пояснює часто вживану i другу назву для розподiлу Пуассона – закон рiдкiсних явищ.
На рис. 11.12 показанi графiки функцiї Pk = kk! e для рiзних значень . Кожний графiк являє собою дискретну множину точок (для наочностi точки послiдовно з’єднанi ламаною лiнiєю).