- •Методические указания
- •Для решения контрольной и самостоятельной работы
- •По разделу математики
- •«Элементы теории вероятностей и математической статистики»
- •I. Элементы теории вероятностей
- •1.1. Случайные величины. Вероятность случайного события
- •1.2.Теоремы сложения, умножения вероятностей
- •1.3 .Формула полной вероятности. Формула Бейеса
- •Формула Бейеса. (формула гипотез)
- •1.4. Закон распределения дискретной случайной величины
- •Формула Пуассона
- •Локальная формула Муавра-Лапласа
- •Интегральная форма Лапласа
- •1.5. Интегральная функция распределения
- •1.6. Дифференциальная функция распределения
- •1.7. Равномерное распределение непрерывной случайной величины
- •1.8.Числовые характеристики случайных величин
- •1.7. Нормальный закон распределения вероятностей непрерывной случайной величины
- •2.Элементы математической статистики
- •I. Выборки и их характеристики
- •1.1. Выборочный метод и способы составления выборок
- •1.2. Статистическое распределение и его геометрическое изображение
- •Алгоритм составления дискретного статистического распределения:
- •Гистограмма и полигон плотности относительных частот
- •1.3. Числовые характеристики вариационного ряда
- •1.4.Статистические оценки параметров распределения. Доверительные интервалы
- •1.5. Статистическая проверка статистических гипотез
- •II Элементы корреляционного анализа
- •2.1. Статистическая зависимость случайных величин. Уравнения регрессии.
- •2.2. Корреляционная зависимость. Коэффициент корреляции.
- •1) Метод квадратов
- •2) Ранговый метод
- •2.3. Проверка гипотезы о значимости выборочного
- •Разбор типовых задач Тема: Формула вероятности события
- •Тема: формула полной вероятности
- •Тема :случайная величина и ее числовые характеристики числовые характеристики дискретных случайных величин
- •Числовые характеристики непрерывных случайных величин
- •Тема:Функции распеределения
- •Тема: Элементы статистической обработки данных
- •Тема :понятие о корреляционной зависимости
- •Вопросы для самопроверки Основные понятия теории вероятностей. Теоремы сложения и умножения вероятностей.
- •Повторные независимые испытания
- •Случайная величина и ее числовые характеристики
- •Основные сведения из математической статистики Вопросы для самопроверки
- •Понятие о корреляционной зависимости Вопросы для самопроверки
- •Статистические оценки параметров распределения
- •Вопросы для самопроверки
- •Задания для самостоятельной работы по теме «Элементы теории вероятностей и математической статистики »
- •Задания для контрольной работы по теме «Элементы теории вероятностей и математической статистики»
- •Контрольная работа «Статистическое оценивание данных»
- •Вариант – 1
- •Стандартные коэффициенты корреляции, которые считаются достоверными (по л.С. Каминскому)
- •Литература
1.7. Нормальный закон распределения вероятностей непрерывной случайной величины
Закон нормального распределения вероятностей непрерывной случайной величины занимает особое место среди различных теоретических законов, т. к. является основным во многих практических исследованиях. Им описывается большинство случайных явлений, связанных с производственными процессами.
К случайным явлениям, подчиняющимся нормальному закону распределения, относятся ошибки измерений производственных параметров, распределение технологических погрешностей изготовления, рост и вес большинства биологических объектов и др.
Нормальным называют закон распределения вероятностей непрерывной случайной величины, который описывается дифференциальной функцией
, где
a - математическое ожидание случайной величины;
-среднее квадратичное отклонение нормального распределения.
График дифференциальной функции нормального распределения называют нормальной кривой (кривой Гаусса) (рис.7).
Рис. 7 Кривая Гаусса
Свойства нормальной кривой (кривой Гаусса):
1. кривая симметрична относительно прямой x = a;
2. нормальная кривая расположена над осью X, т. е. при всех значениях X функция f(x) всегда положительна;
3. ось ox является горизонтальной асимптотой графика, т. к.
4. при x = a функция f(x) имеет максимум равный
,
в точках A и B при и кривая имеет точки перегиба, ординаты которых равны.
При этом, вероятность того, что абсолютная величина отклонения случайной величины, распределенной нормально, от ее математического ожидания не превысит среднего квадратичного отклонения , равна 0,6826.
в точках E и G, при и , значение функции f(x) равно
а вероятность того, что абсолютная величина отклонения случайной величины, распределенной нормально, от ее математического ожидания не превысит удвоенного среднего квадратичного отклонения, равна 0,9544.
Асимптотически приближаясь к оси абсцисс, кривая Гаусса в точках C и D, при и , очень близко подходит к оси абсцисс. В этих точках значение функции f(x) очень мало
а вероятность того, что абсолютная величина отклонения случайной величины, распределенной нормально, от ее математического ожидания не превысит утроенного среднего квадратичного отклонения, равна 0,9973. Это свойство кривой Гаусса называется "правило трех сигм".
Если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.
Изменение величины параметра a (математического ожидания случайной величины) не изменяет форму нормальной кривой, а приводит лишь к ее смещению вдоль оси X: вправо, если a возрастает, и влево, если a убывает.
При a=0 нормальная кривая симметрична относительно оси ординат.
Изменение величины параметра (среднего квадратичного отклонения) изменяет форму нормальной кривой: с возрастанием ординаты нормальной кривой убывают, кривая растягивается вдоль оси X и прижимается к ней. При убывании ординаты нормальной кривой увеличиваются, кривая сжимается вдоль оси X и становится более "островершинной".
При этом, при любых значениях и площадь ограниченная нормальной кривой и осью X, остается равной единице (т. е. вероятность того, что случайная величина, распределенная нормально, примет значение ограниченное на оси X нормальной кривой, равна 1).
Нормальное распределение с произвольными параметрами и, т. е. описываемое дифференциальной функцией
называется общим нормальным распределением.
Нормальное распределение с параметрами и называется нормированным распределением (рис. 8). В нормированном распределении дифференциальная функция распределения равна:
Рис. 8 Нормированная кривая
Интегральная функция общего нормального распределения имеет вид:
|
Интегральная функция нормированного распределения имеет вид:
|
где
Пусть случайная величина X распределена по нормальному закону в интервале (c, d). Тогда вероятность того, что X примет значение, принадлежащее интервалу (c, d) равна