
- •По характеру устранения.
- •По связи с другими отказами.
- •По легкости обнаружения.
- •По внешним проявлениям.
- •По характеру возникновения.
- •Основные понятия теории вероятности
- •Случайные величины. Их законы распределения.
- •4.2. Моменты. Дисперсия. Среднее квадратическое отклонение.
- •5.1. Биномиальное распределение.
- •5.2. Распределение Пуассона.
- •5.3. Геометрическое распределение.
- •6.2. Показательное распределение.
- •6.3. Нормальное распределение.
- •Показатели надежности неремонтируемых объектов
- •1.5. Показатели надежности восстанавливаемых систем
5.3. Геометрическое распределение.
Говорят, что случайная величина X имеет геометрическое распределение, если её возможные значения 0,1,2,…,m,…,а вероятности этих значений:
(5.3.1)
где 0p1; q=1-p; m=0,1,2…
Дисперсия с.в. X
Dx=q/p2 (5.3.7)
И с.к.о.
(5.3.8)
На практике чаще приходится рассматривать не с.в. Х, имеющую геометрическое распределение, а другую с.в.:
Y=X+1 (5.3.9)
(число попыток до первого «успеха», включая удавшуюся).
Ряд распределения с.в. Y имеет вид:
Y: |
1 |
2 |
3 |
… |
m |
… |
p |
qp |
q2p |
… |
|
… |
Будем называть такое распределение «геометрическим, сдвинутым на единицу» или «геометрическим +1».Многоугольник распределения с.в. Y при p=0,4 имеет тот же вид, что и на рис. 5.3.1, но сдвинут вправо на одну единицу (рис. 5.3.2).
Найдём м.о. и дисперсию с.в. Х. Пользуясь свойствами числовых характеристик, приведёнными в п. 4.2, получим
(5.3.10)
(5.3.11)
(5.3.12)
6.2. Показательное распределение.
Говорят, что непрерывная с.в. Х имеет показательное (или «экспоненциальное») распределение, если
или, короче,
(x0). (6.2.1)
Положительная величина называется параметром показательного распределения. График показательного распределения показан на рис. 6.2.1. Его функция распределения:
(x0).
График ф.р. показательного распределения показан на рис. 6.2.2.
Найдём числовые характеристики показательного распределения:
Производя интегрирование по частям и учитывая, что при x e-x стремится к нулю быстрее, чем возрастает любая степень x, находим
(6.2.2)
т.е. м.о. случайной величины, имеющей показательное распределение, обратно его параметру (который имеет размерность, обратную размерности с.в. Х).
Вычислим дисперсию с.в. Х по формуле:
(6.2.3)
Отсюда с.к.о.
(6.2.4)
т.е. с.к.о. с.в. Х, имеющей показательное распределение, равно её м.о.:
Коэффициент вариации с.в. Х, имеющей показательное распределение (6.2.1), равен единице:
(6.2.5)
Коэффициент вариации, показывающий, какую долю математического ожидания составит с.к.о., служит своего рода характеристикой «степени случайности» неотрицательной случайной величины и в ряде случаев применяется для её оценки. Случайные величины, имеющие 1 – «более случайны».
Чтобы найти асимметрию показательного распределения, найдём его третий центральный момент:
Откуда коэффициент асимметрии
Как и следовало ожидать, асимметрия показательного распределения положительна.
Показательное распределение тесно связано с простейшим (стационарным пуассоновским) потоком событий. Интервал времени Т между двумя соседними событиями в простейшем потоке имеет показательное распределение с параметром, равным интенсивности потока:
(t0). (6.2.6)
6.3. Нормальное распределение.
Нормальный закон распределения (иногда называется законом Гаусса) играет исключительно важную роль в теории вероятностей и занимает среди других законов распределения особое положение. Говорят, что с.в. Х распределена по нормальному закону с параметрами m, ,если её плотность распределения имеет вид:
(6.3.1)
или, пользуясь весьма удобным способом записи показательной функции ехр{x}=ex (она позволяет избегать «многоэтажных» формул),
(6.3.1)
Кривая нормального распределения имеет симметричный, холмообразный вид (рис.6.3.1).
Максимальная
ордината кривой, равная 1/
достигается при x=m
(мода Mx=m);
из соображений симметрии мы вправе
ожидать, что она совпадает с м.о. случайной
величины Х,
ели оно существует (ниже мы непосредственно
в этом убедимся). По мере удаления от
точки m
плотность f(x)
падает, и при x
кривая распределения асимптотически
приближается к оси абсцисс.
Посмотрим, как будет меняться кривая распределения при изменении параметров m, . При изменении m кривая f(x),не изменяя своей формы, просто будет смещаться вдоль оси абсцисс. Изменение равносильно изменению масштаба кривой по обеим осям; например, при удвоении масштаб по оси абсцисс удвоится, а по оси ординат- уменьшится в два раза. Для иллюстрации на рис. 6.3.2 показаны три нормальные кривые распределений; для всех трёх m=0; для кривой (I) =1, для кривой (II) =2,5,для кривой (III) =1/2 (при построении кривых мы пользовались таблицей значений функции
- нормальная плотность для m=0, =1, приведённой в приложении [4].
Вычислим для нормальной с.в. Х вероятность попадания на участок от до :
Как
известно, неопределённый интеграл
не
выражается через элементарные функции,
но его можно выразить через специальную
функцию
(6.3.15)
называемую функцией Лапласа (или «интегралом вероятностей»), для которой составлены таблицы (приложение 2)*).
С помощью этой функции вероятность попадания нормально распределённой с.в. Х на участок от до выражается простой формулой:
(6.3.16)
Функция Лапласа Ф(х) обладает следующими свойствами: 1) Ф(0)=0; 2) Ф(-х)=-Ф(х) (нечётная функция); 3) Ф(+)=0,5 (и, значит, Ф(-)=-0,5).
Наиболее просто выражается через функцию Лапласа вероятность попадания нормально распределённой с.в. Х на участок длиной 2l, симметричный относительно центра рассеивания (рис.6.3.3). А именно,
или, принимая во внимание нечётность функции Лапласа,
(6.3.17)
Через функцию Лапласа выражается и ф.р. F(x) нормально распределённой с.в. Х. По формуле (6.3.16), полагая =-, =x и учитывая, что Ф(-)=-1/2, получим:
(6.3.18)