
- •Глава 3. Случайные величины и функции распределения
- •§ 12. Основные свойства функций распределения
- •12.1. Понятие о случайной величине
- •12.2. Свойства функции распределения вероятностей
- •§ 13. Дискретные случайные величины их числовые характеристики и законы распределения
- •13.1. Числовые характеристики дискретных случайных величин
- •13.1.1. Полигон и функция распределения
- •13.1.2. Математическое ожидание
- •13.1.3. Дисперсия и среднее квадратичное отклонение
- •13.1.4. Среднее квадратичное отклонение
- •13.1.5. Другие числовые характеристики
- •13.2. Законы распределения дискретных случайных величин
- •13.2.1. Биномиальное распределение
- •13.2.2. Распределение Пуассона
- •§ 14. Непрерывные случайные величины их числовые характеристики и законы распределения
- •14.1. Функция распределения и плотность распределения непрерывной случайной величины
- •14.2. Числовые характеристики непрерывной случайной величины
- •14.3. Некоторые законы распределения непрерывных случайных величин
- •14.3.1. Равномерное распределение
- •14.3.2. Показательное распределение
- •14.3.3. Нормальное распределение.
- •14.4. Другие числовые характеристики
- •§ 15. Одинаково распределённые взаимно независимые случайные величины
- •§ 16. Закон больших чисел и предельные теоремы теории вероятностей
- •16.1. Неравенства Маркова и Чебышева
- •16.2. Теорема Чебышева
- •16.3. Теорема Бернулли
- •16.4. Теорема Пуассона
- •16.5. Понятие о центральной предельной теореме Ляпунова
- •§ 17. Функции одного случайного аргумента
- •17.1. Распределение функции одного случайного аргумента
- •17.2. Математическое ожидание функции одного случайного аргумента
- •17.3. Функция надёжности
- •17.4. Логарифмически-нормальное распределение
- •§ 18. Функции двух случайных аргументов
- •18.1. Закон распределения суммы независимых случайных величин
- •18.2. Законы распределения, являющиеся функциями нормально распределённых независимых случайных величин
- •18.2.1. Распределение
- •18.2.2. Распределение Стьюдента (псевдоним статистика в. Госсета)
- •18.2.2. Распределение Фишера-Снедекора
- •Глава 4. Многомерные случайные величины
- •§ 19. Понятие о многомерной случайной величине
- •§ 20. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 21. Функция распределения вероятностей многомерной случайной величины
- •21.1. Определения и геометрический смысл
- •21.2. Свойства функции распределения двумерной случайной величины
- •§ 22. Плотность распределения вероятностей непрерывной двумерной случайной величины
- •22.1. Определение плотности распределения вероятностей
- •22.2. Свойства плотности распределения вероятностей
- •22.3. Дифференциальные функции составляющих двумерной случайной величины
- •22.4. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 23. Числовые характеристики двумерных случайных величин
- •Свойства условного математического ожидания
- •§ 24. Зависимые и независимые случайные величины
- •24.1. Свойства функций распределения независимых случайных величин
- •24.2. Корреляционный момент системы случайных величин
- •24.3. Коэффициент корреляции системы случайных величин
- •Свойства коэффициента корреляции
- •24.4. Коррелированность и зависимость случайных величин
- •24.5. Свойства математического ожидания и дисперсии для коррелированных случайных величин
- •§ 25. Двумерный нормальный закон распределения
17.3. Функция надёжности
Определение 1. Элементом будем называть любое работающее устройство вне зависимости от его конструкции.
Пусть элемент
начинает работать в момент времени
,
а по истечении времени длительностью
происходит отказ. Обозначим Т –
непрерывную случайную величину –
длительность безотказной работы
элемента. Если элемент проработал
безотказно (до наступления отказа)
время, меньшее, чем
,
то, следовательно, за время длительностью
наступит отказ. Таким образом, интегральная
функция распределения
определяет вероятность отказа элемента
за время длительностью
.
Следовательно, вероятность безотказной
работы за это же время длительностью
,
т.е. вероятность противоположного
события
равна
.
Определение 2.
Функцией
надёжности
называют функцию, определяющую вероятность
безотказной работы элемента за время
длительностью
:
.
Замечание. В некоторых моделях принято считать, что длительность времени безотказной работы элемента имеет показательное распределение с интегральной функцией распределения:
.
Тогда функция
надёжности для показательного
распределения времени безотказной
работы элемента имеет вид:
.
Определение 3. Показательным законом надёжности называют функцию надёжности, определяемую равенством .
Замечание. Формула позволяет найти вероятность безотказной работы элемента на интервале времени длительностью , если время работы имеет показательное распределение.
Определение 4. Потоком событий называется последовательность однородных событий, следующих один за другим через какие-либо, вообще говоря, случайные интервалы времени.
Определение 5. Поток событий называется простейшим или пуассоновским (потоком Пуассона, стационарным потоком Пуассона), если в нём число событий, происходящих в течение любого фиксированного интервала времени, имеет распределение Пуассона, и числа событий, происходящих в непересекающиеся промежутки времени, независимы.
Замечание.
Если отказы элементов в случайные
моменты времени образуют простейший
поток, то вероятность того, что за время
длительностью
не наступит ни одного отказа
.
Параметр
характеризует среднюю интенсивность
отказов.
Характеристическое свойство. Вероятность безотказной работы элемента на интервале времени не зависит от времени предшествующей работы до начала рассматриваемого интервала, а зависит только от длительности времени (при заданной интенсивности отказов ).
Доказательство.
Пусть событие А – безотказная работа
элемента на интервале времени
длительностью
;
В – безотказная работа элемента на
интервале
длительностью
.
Тогда событие АВ – безотказная работа
элемента на интервале
длительностью
.
Тогда вероятности этих событий вычисляются
по формуле
:
,
,
.
Найдём условную вероятность того, что
элемент будет работать безотказно на
интервале
при условии, что он уже проработал
безотказно на предшествующем интервале
:
.
Полученная формула не содержит , а содержит только . Это означает, что время работы на предшествующем интервале не сказывается на величине вероятности безотказности работы на последующем интервале, а зависит только от длины последующего интервала, что и требовалось доказать.
Замечание 1.
Сравнивая вероятности
и
,
можно сделать вывод, что условная
вероятность безотказной работы элемента
на интервале длительностью
,
вычисленная в предположении, что элемент
проработал безотказно на предшествующем
интервале, равна безусловной вероятности
этого события. Т.е. безотказная работа
элемента «в прошлом» не сказывается на
величине вероятности его безотказной
работы «в будущем». Это свойство называют
марковским
свойством или
свойством
отсутствия последействия.
Замечание 2. Можно доказать, что рассматриваемым свойством обладает только показательное распределение. Поэтому, если при изучении некоторой неизвестной случайной величины получилось, что она обладает этим свойством, то можно сделать вывод, что эта случайная величина распределена по показательному закону.