- •Глава 4. Повторные независимые испытания
- •§ 4.1. Формула Бернулли
- •§ 4.2. Локальная теорема Муавра – Лапласа
- •§ 4.3. Интегральная теорема Муавра – Лапласа
- •§ 4.4. Теоремы Пуассона3
- •Раздел 2 случайные величины
- •Глава 5. Дискретная случайная величина
- •§ 5.1. Функция распределения дискретной случайной величины
- •§ 5.2. Основные числовые характеристики дискретной случайной величины
- •§ 5.3. Основные законы распределения случайных величин
- •§ 5.3.1. Биномиальный закон распределения
- •§ 5.3.2. Закон распределения Пуассона
- •Глава 6. Непрерывная случайная величина
- •§ 6.1. Функция распределения непрерывной случайной величины
- •§ 6.2. Функция плотности вероятности непрерывной случайной величины
- •§ 6.3. Основные числовые характеристики непрерывной случайной величины
- •§ 6.4. Основные законы распределения непрерывных случайных величин
- •§ 6.4.1. Равномерный закон распределения
- •Глава 7. Нормальный закон распределения
- •§ 7.1. Свойства функции плотности вероятности (кривой Гаусса) нормального закона распределения
- •§ 7.2. Математическое ожидание и дисперсия нормальной случайной величины
- •§ 7.3. Функция распределения случайной величины, распределенной по нормальному закону
- •§ 7.4. Свойства случайной величины, имеющей нормальный закон распределения
- •Глава 8. Предельные теоремы теории вероятности
- •§ 8.1. Закон больших чисел. Основные теоремы
- •1. Лемма Маркова
- •2. Неравенство Чебышева
- •§ 8.2. Центральная предельная теорема
§ 5.3.2. Закон распределения Пуассона
Закон распределения Пуассона — закон распределения дискретной случайной величины X, представляющей собой число m наступлений события А в заданном промежутке времени или пространства при заданной интенсивности .
В отличие от биномиального с параметрами n (число независимых испытаний) и р (вероятность наступления события А в каждом испытании), закон распределения Пуассона определяется интенсивностью наступления события А: .
Случайная величина X, распределенная по закону Пуассона, может принимать все неотрицательные целые значения: 0, 1,2, ..., n, ...
Исходя из формулы вычисления вероятности возможных значений случайной величины, распределенной в соответствии с биномиальным законом, получим:
откуда .
Дискретная случайная величина имеет закон распределения Пуассона с параметром , если она принимает целочисленные неотрицательные значения 0, 1, 2, 3,..., m,..., n,... (бесконечное, но счетное множество значений) с вероятностями, вычисляемыми по формуле Пуассона:
где – параметр распределения Пуассона.
Так как вероятность наступления события А в каждом испытании мала, закон распределения Пуассона еще называют законом редких событий.
Найдем числовые характеристики случайной величины, распределенной по закону Пуассона.
По определению (1.36) математическое ожидание дискретной случайной величины равно:
В соответствии с упрощенной формулой вычисления (1.32), дисперсия равна:
.
Тогда
Математическое ожидание и дисперсия дискретной случайной величины X, имеющей закон распределения Пуассона с параметром , равны:
Пример 5.7. В приемное время врача-педиатра посещает в среднем 7 человек в час. Составить закон распределения числа пациентов, посетивших педиатра в течение часа.
Решение.
Случайная величина X – число пациентов, посетивших педиатра в течение часа. Таким образом, оценивается число т наступлений события А (пациент пришел к врачу) в течение часа при заданной интенсивности (среднее число посетителей в час определяется в соответствии с формулой: , что и было задано в условии задачи).
Следовательно, случайная величина X подчиняется закону распределения Пуассона с параметром .
X может принимать числовые значения: с вероятностями , равными:
Вероятности можно определить и с помощью табл. 8 Приложений для заданного параметра и соответствующих значений m.
Таким образом, случайная величина Х – число пациентов, посетивших педиатра в течение часа, имеет вид:
Глава 6. Непрерывная случайная величина
Другой тип случайных величин, кардинально отличающийся от дискретных, — непрерывные случайные величины.
• Непрерывная случайная величина — это случайная величина, бесконечное и несчетное множество значений которой есть некоторый интервал (конечный или бесконечный) и она сплошь заполняет этот интервал.
Следовательно, закон распределения непрерывной случайной величины нельзя задать рядом распределения. Для этого используются интегральная и дифференциальная функции распределения.