- •Авторы: Новротская Надежда Леонидовна, доцент
- •Рецензент: Хацкевич г.А., профессор
- •Часть I
- • Новротская н.Л.
- •Часть I
- •Тема 1. Введение.
- •§1.1. Предмет теории вероятностей.
- •§1.2. Общие правила комбинаторики.
- •§1.3. Вопросы для самопроверки.
- •§1.4. Задачи.
- •Тема 2. Случайные события и их вероятности.
- •§2.1. Случайные события и их классификация.
- •§2.2. Действия с событиями.
- •§2.3. Вероятностное пространство. Вероятности и правила действия с ними.
- •2.3.1. Определение вероятности события.
- •2.3.2. Вероятность суммы событий.
- •Условная вероятность и теорема умножения вероятностей.
- •2.3.5 Формула Байeса (английский математик 1702–1762 г.Г.)
- •§2.4. Модель независимых испытаний Бернулли.
- •2.4.1. Повторные независимые испытания. Формула Бернулли.
- •§2.5. Вопросы для самопроверки.
- •§2.6. Задачи.
- •Тема 3. Случайные величины и их распределения.
- •§3.1. Виды случайных величин и их распределения.
- •§ 3.2. Плотность распределения вероятностей.
- •§ 3.3. Числовые характеристики распределения вероятностей и их свойства
- •3.3.2. Примеры использования математического ожидания.
- •Дисперсия случайной величины и ее свойства.
- •Моменты.
- •3.3.5. Характеристики формы распределения (асимметрия и эксцесс).
- •Квантили.
- •§ 3.4. Примеры распределений.
- •3.4.2. Распределение Пуассона.
- •3.4.3. Гипергеометрическое распределение.
- •3.4.6. Нормальное распределение.
- •3.4.7. Показательное (экспоненциальное) распределение.
- •§ 3.5. Вопросы для самопроверки.
- •§ 3.6. Задачи.
3.4.7. Показательное (экспоненциальное) распределение.
Вернемся к рассмотрению простейшего потока событий с интенсивностью а (см. распределение Пуассона) и введем непрерывную случайную величину Т– промежуток времени между двумя появлениями события. По смыслу . Определим для нее функцию распределения:
Вероятность противоположного события ) равна вероятности того, что в промежутке времени (0,t) не наступит ни одно событие потока, т.е.
.
Следовательно, вероятность искомого события
при
Определение. Положительная случайная величина имеет показательное распределение с параметром , если ее функция распределения задается формулой
для
,
для
.
Плотность распределения находится по общему правилу
для .
Параметр а в ряде областей именуется «отношением риска».
Числовые характеристики: .
Области применения.
Укажем две области.
-
Задачи, связанные с данными типа «времени жизни». В медико-биологических исследованиях под этим термином может подразумеваться продолжительность жизни больных при клинических исследованиях, в технике – продолжительность безотказной работы устройств, в психологии –время, затрачиваемое испытуемыми на выполнение тестовых задач и т.д..
-
Задачи массового обслуживания. Интервалы между вызовами «скорой помощи», телефонными звонками или обращением клиентов и т.д., описываются показательным распределением. Оно широко используется в теории надежности для описания распределения времени безотказной работы прибора или системы, если интенсивность отказа можно считать постоянной; длительности ремонта или другого вида обслуживания.
Пользуясь показательным распределением можно определить вероятность того, что время надежной работы не выйдет из заданного интервала .
.
Задавшись вероятностью , можно определить время надежной работы, гарантированной с этой вероятностью, так как
и .
Пример 1. Пусть в результате наблюдений за работой системы в течение 100 ч зарегистрировано 5 отказов.
Определить:
1. Функцию надежности системы, т.е. что система будет работать без отказа.
-
Вероятность безотказной работы в течение 50 ч.
-
Время безотказной работы, гарантированное с вероятностью .
Решение. Из условия задачи известно, что t = 100, n = 5, a = 5:100 = 0,05 отказа в 1 час.
-
Функция надежности: .
-
.
-
.
Пример 2. Среднее время обслуживания покупателя 20 мин. Чему равна вероятность простоя в очереди от 20 до 40 минут?
Решение. Из условия задачи известно, что = 20 мин. Следовательно, . Искомая вероятность
.
3.4.8. Связь между некоторыми распределениями.
Случайная величина
Дискретная Непрерывная
Распределения Распределения
Биноми-альное |
Пуассона |
Гипергео-метрическое |
Равномерное |
Нормальное |
Показательное |
Некоторые из рассмотренных распределений при больших n и некоторых дополнительных условиях сходятся к другим типам распределений. Например, биноминальное распределение с параметрами n и p может быть аппроксимировано нормальным распределением с и , если выполняются условия npq > 5 и . При условии npq > 25 эту аппроксимацию можно применять независимо от значения p. При условии, что р < 0,1 и n велико биноминальное распределение может быть аппроксимировано распределением Пуассона. Распределение Пуассона может быть аппроксимировано нормальным распределением с , если . Когда , но и n остаются фиксированными, то гипергеометрическое распределение сходится к биномиальному. При малых р, больших n и гипергеометрическое распределение может аппроксимироваться распределением Пуассона.