Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
maths_exam_papers.doc
Скачиваний:
9
Добавлен:
01.03.2025
Размер:
190.98 Кб
Скачать

Мода, медиана, квантили, квартили и децили распределения

Модой для абсолютно непрерывных распределений (MoX) называется точка локального максимума функции плотности. Для нормального распределения: MoX=MX; распределения, имеющие одну моду, называются одномодальными. Медиана для абсолютно непрерывных случайных величин (MeX) – это граница, левее и правее которой находятся значения случайной величины с вероятностями, равными 0,5. Для нормального распределения MeX=MX. Для дискретных случайных величин медиана находится на отрезке [xl, xl+1] при условии, что (l|i=1) pi  0,5; (l+1|i=1) pi > 0,5. Квантиль уровня p непрерывной случайной величины X – значение xp, при котором функция распределения данной случайной величины F(x) принимает значение, равное p (xp: F(xp)=p, P(X < xp)=p). Дополнительно: xMe=x0,5. Квартили для абсолютно непрерывных случайных величин (Q) – это границы, которые делят всю вероятность на 4 равные части (Q1 – левая, Q2 – центральная, равная медиане, Q3 – правая квартили). Иногда используются децили, которые разделяют всю вероятность на 10 равных частей.

Нормальное распределение (распределение Гаусса)

Сравнительно большое количество малых случайных величин имеет нормальное (или близкое к нормальному) распределение, которое имеет плотность типа (x)=1/(sqr(2))*e-1/2((x-a)/)^2. Случайная величина X имеет нормальное распределение с параметрами a и  => XN(a, ). С геометрической точки зрения a – точка максимума плотности и центр симметрии; при увеличении a график смещается вправо, при уменьшении – влево. А при уменьшении  максимум плотности (x) увеличивается. При проведении некоторых математических операций и превращений делаем вывод, что параметр a – математическое ожидание, 2 – дисперсия, а  - среднее квадратичное отклонение.

Нормированное нормальное распределение. Функция Лапласа. Правило 3 сигм

Нормированное нормальное распределение – это распределение нормированной случайной величины, т.е. величины дисперсия которой равна 1. Для того чтобы нормировать случайную величину, надо ее поделить на среднее квадратичное отклонение. Стандартная нормальная случайная величина – Z (центрированная – математическое ожидание которой равно 0 – и нормированная случайная величина) имеет плотность вида Z(x)=1/(sqr(2))*e-x^2/2. Функция Лапласа Ф(x)=1/sqr(2)*§(x|0) e-z^2/2*dz (функция определена для любых - < x <  при Ф(-x)=-Ф(x)) используется для определения вероятности попадания на отрезок. Например, можно найти вероятность попадания XN(a, ) на отрезок [b, c]: P{b  X  c}=Ф((c-a)/)-Ф((b-a)/). Известно, что почти вся вероятность сосредоточена на отрезке a3: P{a-3  X  a+3}=P{-3  (X-a)/  3}=P{-3  Z  3}=2Ф(3)=0,9973. Вероятность попадания вне этого отрезка составляет всего 0,0027.

Локальная теорема Лапласа (n > 100)

Если вероятность (p) в каждом испытании постоянна и p0, p1, то вероятность того, что событие А появится в n испытаниях ровно k раз (Pn(k))  1/(sqr(npq)) * 1/(sqr(2)) * e-x^2/2=1/(sqr(npq))*f(x), где f(x) – плотность нормального стандартного закона. x=(k-np)/(sqr(npq)) – данная формула используется при npq  20.

Интегральная теорема Лапласа

Если вероятность (p) удовлетворяет следующим условиям 0 < p < 1, то вероятность того, что событие A появится в n испытаниях не менее k1 и не более k2 раз (Pn(k1, k2)) Ф(x2)-Ф(x1), где x2=(k2-np)/(sqr(npq)) и x1=(k1-np)/(sqr(npq)).

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]