- •Вырожденное распределение.
- •2.Распределение Бернулли.
- •3.Биноминальное распределение.
- •4. Распределение Паскаля.
- •5. Геометрическое распределение.
- •12. Распределение Симпсона.
- •1. Вырожденное распределение.
- •2.Распределение Бернулли.
- •3.Биноминальное распределение.
- •4. Распределение Паскаля.
- •5. Геометрическое распределение.
- •6.Гипергеометрическое распределение.
- •12. Распределение Симпсона.
- •13. Показательное (экспоненциальное) распределение.
- •14. Нормальное распределение
- •3.Характеристическая функция
- •22. Распределение Стьюдента.
- •23. Логарифмическое ( логнормальное ) распределение.
- •24. Распределение Парето.
- •26. Распределение Вейбулла – Гнеденко.
- •27. Полиномиальное распределение (мультиномиальное распределение).
Вырожденное распределение.
Говорят, что случайная величина имеет вырожденное распределение в точке a R, если принимает единственное значение a с вероятностью 1, т.е. P( =a)=1.
Данное распределение также называют причинным.
Функция распределения имеет вид
F (x) = P ( <x) =P(a<x) =
2.Распределение Бернулли.
Распределение часто используется при контроле качества продукции.
Говорят, что случайная величина имеет распределение Бернулли с параметром p , если принимает значения 1 и 0 с вероятностями p и 1-p=q соответственно. Случайная величина с таким распределением равна числу успехов в одном испытании схемы Бернулли с вероятностью успеха p : ни одного успеха или один успех. Таблица распределения имеет вид:
3.Биноминальное распределение.
Распределение часто используется при контроле качества продукции, когда объем партии (генеральной совокупности) многократно превышает объем контрольной выборки n.
Для биномиального распределения вероятность принятия случайной величиной Y значения y определяется формулой
где
число сочетаний из n элементов по y, известное из комбинаторики.
Для всех y, кроме 0, 1, 2, …, n, имеем P(Y=y)=0.
4. Распределение Паскаля.
Распределение часто используется при контроле качества продукции.
Функция вероятности имеет вид:
5. Геометрическое распределение.
Геометрическое распределение достаточно популярно, в частности, при разработке математических методов контроля качества промышленной продукции.
Говорят, что случайная величина имеет геометрическое распределение с параметром , если принимает значения k=1,2,3,… с вероятностями . Случайная величина с таким распределением имеет смысл номера первого успешного испытания в схеме Бернулли с вероятностью успеха p. Таблица распределения имеет вид
или
6.Гипергеометрическое распределение.
Широко используется при статистическом контроле качества продукции и выборочных обследованиях.
Для гипергеометрического распределения вероятность принятия случайной величиной Y значения y имеет вид:
7. Распределение Пойе.
Этот закон также находит важные применения при статистических исследованиях заболеваний - эпидемий.
Плотность вероятности случайной величины имеет вид:
где , ,
8. Распределение Пуассона.
Случайная величина имеет распределение Пуассона, если принимает значения k=0,1,2,… с вероятностями
,где λ>0 – параметр распределения Пуассона.
9. Логарифмическое распределение.
Функция вероятности имеет вид:
10. Распределение Бореля-Таннера.
Дискретное распределение вероятностей случайной величины ξ, принимающей значения с вероятностями
где r > 0 — целое и 0 < α < 1.
11. Равномерное распределение.
Непрерывная случайная величина , принимающая значения на отрезке [a, b], распределена равномерно на [a, b], если ее плотность распределения p (x)
12. Распределение Симпсона.
Cлучайная величина ξ имеет треугольное распределение (распределение Симпсона) на отрезке [a,b] (a < b), если
13. Показательное (экспоненциальное) распределение.
Широко используется в задачах теории массового обслуживания.
Непрерывная случайная величина имеет показательное распределение с параметром > 0, если она принимает только неотрицательные значения, а ее плотность распределения p (x ) имеет соответственно вид:
14. Нормальное распределение
Широко используется в статистических обследованиях, как эталонное распределение.
Случайная величина нормально распределена с параметрами a и , >0, если ее плотность распределения p (x )
15.Гамма - распределение.
Широко используется в статистических обследованиях, как эталонное распределение.
Случайная величина имеет Г-распределение (гамма-распределение) с параметрами a и b, если ее функция плотности вероятностей имеет вид:
, a > 0, b > 0,
16. Бета-распределение.
Широко используется в статистических обследованиях, как эталонное распределение.
Случайная величина имеет В-распределение (бета-распределение) с параметрами и , если ее функция плотности вероятностей имеет вид:
17. Распределение Коши.
Случайная величина имеет распределение Коши с параметрами и , если ее функция распределения имеет вид:
18. Распределение Лапласа.
Этот закон находит важные применения при статистических исследованиях.
Случайная величина имеет распределение Лапласа (двустороннее экспоненциальное распределение) с параметром и , если ее функция плотности вероятностей имеет вид:
19. Распределение хи-квадрат ( 2- распределение)
Этот закон находит важные применения при статистических исследованиях. По закону распределения 2 распределена так называемая статистическая дисперсия, т. е. статистическая оценка дисперсии.
Плотность вероятности этой случайной величины вычисляется по формуле:
Здесь - гамма-функция Эйлера.
20. Распределение хи ( - распределение)
Плотность вероятности равна:
, x>0
21. F-распределение ( распределение Снедекора).
Этот закон также находит важные применения при статистических исследованиях. По F-распределению распределено отношение статистических дисперсий сравниваемых величин.
Плотность вероятности этой случайной величины вычисляется по формуле:
, где - гамма-функция.
22. Распределение Стьюдента.
Этот закон также находит важные применения при статистических исследованиях(проверках). По закону распределения Стьюдента распределено отношение статистического математического ожидания к статистическому среднеквадратическому отклонению.
Плотность вероятности этой случайной величины вычисляется по формуле:
23. Логарифмическое ( логнормальное ) распределение.
Случайная величина имеет логарифмическое нормальное распределение с параметрами a и , если случайная величина ln x имеет нормальное распределение с параметрами a >и .
Функция плотности вероятностей логнормального распределения имеет вид:
24. Распределение Парето.
Применяется при анализе дохода и других экономических индексов.
Плотность вероятностей для случайной величины, распределенной по Парето, имеет вид
25. Z-распределение Фишера.
Плотность вероятностей для случайной величины имеет вид:
26. Распределение Вейбулла – Гнеденко.
Широко используется при оценках надежности и риска.
Случайная величина имеет распределение Вейбулла с параметрами и k , если ее функция распределения:
27. Полиномиальное распределение (мультиномиальное распределение).
Совместное распределение вероятностей случайных величин
принимающих целые неотрицательные значения
удовлетворяющие условиям
с вероятностями
где , ; является многомерным дискретным распределением случайного вектора такого, что : (по существу это распределение является (k − 1)-мерным, так как в пространстве оно вырождено); естественным (с точки зрения современной теории вероятностей)