- •§ 1. Числовые характеристики дискретных случайных величин
- •§ 2. Математическое ожидание дискретной случайной величины
- •§ 3. Вероятностный смысл математического ожидания
- •§ 4. Свойства математического ожидания
- •§ 5. Математическое ожидание числа появлений события в независимых испытаниях
- •§ 1. Целесообразность введения числовой характеристики рассеяния случайной величины
- •§ 2. Отклонение случайной величины от ее математического ожидания
- •§ 3. Дисперсия дискретной случайной величины
- •§ 4. Формула для вычисления дисперсии
- •§ 5. Свойства дисперсии
- •§ 6. Дисперсия числа появлений события в независимых испытаниях
- •§ 7. Среднее квадратическое отклонение
- •§ 8. Среднее квадратическое отклонение суммы взаимно независимых случайных величин
- •§ 9. Одинаково распределенные взаимно независимые случайные величины
- •§ 10. Начальные и центральные теоретические моменты
- •§ 1. Предварительные замечания
- •§ 2. Неравенство Чебышева
- •§ 3. Теорема Чебышева
- •§ 4. Сущность теоремы Чебышева
- •§ 5. Значение теоремы Чебышева для практики
- •§ 6. Теорема Бернулли
- •§ 1. Определение функции распределения
- •§ 2. Свойства функции распределения
- •§ 3. График функции распределения
- •§ 1. Определение плотности распределения
- •§ 2. Вероятность попадания непрерывной случайной величины в заданный интервал
- •§ 3. Нахождение функции распределения по известной плотности распределения
- •§ 4. Свойства плотности распределения
- •§ 5. Вероятностный смысл плотности распределения
- •§ 6. Закон равномерного распределения вероятностей
- •§ 1. Числовые характеристики непрерывных случайных величин
- •§ 2. Нормальное распределение
- •§ 3. Нормальная кривая
- •§ 4. Влияние параметров нормального распределения на форму нормальной кривой
- •§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
- •§ 6. Вычисление вероятности заданного отклонения
- •§ 7. Правило трех сигм
- •§ 8. Понятие о теореме Ляпунова. Формулировка центральной предельной теоремы
- •§ 9. Оценка отклонения теоретического распределения от нормального. Асимметрия и эксцесс
- •§ 10. Функция одного случайного аргумента и ее распределение
- •§ 11. Математическое ожидание функции одного случайного аргумента
- •§ 12. Функция двух случайных аргументов. Распределение суммы независимых слагаемых. Устойчивость нормального распределения
- •§ 13. Распределение «хи квадрат»
- •§ 14. Распределение Стьюдента
- •§ 15. Распределение f Фишера — Снедекора
- •§ 1. Определение показательного распределения
- •§ 2. Вероятность попадания в заданный интервал показательно распределенной случайной величины
- •§ 3. Числовые характеристики показательного распределения
- •§ 4. Функция надежности
- •§ 5. Показательный закон надежности
- •§ 6. Характеристическое свойство показательного закона надежности
§ 3. Нормальная кривая
График плотности нормального распределения называют нормальной кривой (кривой Гаусса). Исследуем функцию
y=
методами дифференциального исчисления.
1. Очевидно, функция определена на всей оси х.
2. При всех значениях х функция принимает положительные значения, т. е. нормальная кривая расположена над осью Ох.
3. Предел функции при неограниченном возрастании х (по абсолютной величине) равен нулю: , т. е. ось Ох служит горизонтальной асимптотой графика.
4.Исследуем функцию на экстремум. Найдем первую производную:
Легко видеть, что у' = 0 при х = а, у' > 0 при х < а, у' < 0 при х> а.
Следовательно, при х = а функция имеет максимум, равный
5.Разность х—а содержится в аналитическом выражении функции в
квадрате, т. е. график функции симметричен относительно прямой х= а.
6.Исследуем функцию на точки перегиба. Найдем вторую производную:
Легко видеть, что при х = а+ и х= а— вторая производная равна нулю, а при переходе через эти точки она меняет знак (в обеих этих точках значение функции равно 1/(e)). Таким образом, точки графика (а—, 1/(e)) и (а + , 1/(e)) являются точками перегиба.
На рис. 7 изображена нормальная кривая при а=1, 2
§ 4. Влияние параметров нормального распределения на форму нормальной кривой
Выясним, как влияют на форму и расположение нормальной кривой значения параметров а и .
Известно, что графики функций f (х) и f (х—а) имеют одинаковую форму; сдвинув график f (х) в положительном направлении оси х на а единиц масштаба при а >0 или в отрицательном направлении при а < 0, получим график f(х—а). Отсюда следует, что изменение величины параметра а (математического ожидания) не изменяет формы нормальной кривой, а приводит лишь к ее сдвигу вдоль оси Ох: вправо, если а подрастает, и влево, если а убывает.
По-иному обстоит дело, если изменяется параметр (среднее квадратическое отклонение). Как было указано в предыдущем параграфе, максимум дифференциальной функции нормального распределения равен 1/(). Отсюда следует, что с возрастанием максимальная ордината нормальной кривой убывает, а сама кривая становится более пологой, т. е. сжимается к оси Ох; при убывании нормальная кривая становится более «островершинной» и растягивается в положительном направлении оси Оу.
Подчеркнем, что при любых значениях параметров а и площадь, ограниченная нормальной кривой и осью х, остается равной единице (см. гл. XI, § 4, второе свойство плотности распределения).
На рис. 8 изображены нормальные кривые при различных значениях и а = 0. Чертеж наглядно иллюстрирует, как изменение параметра сказывается на форме нормальной кривой.
Заметим, что при а = О и = 1 нормальную кривую называютнормированной.
§ 5. Вероятность попадания в заданный интервал нормальной случайной величины
Уже известно, что если случайная величина X задана плотностью распределения f (х), то вероятность того, что X примет значение, принадлежащее интервалу (), такова:
P(X)=
Пусть случайная величина X распределена по нормальному закону. Тогда вероятность того, что X примет значение, принадлежащее интервалу (), равна
P(X)=
Преобразуем эту формулу так, чтобы можно было пользоваться готовыми таблицами. Введем новую переменную z = (x—а)/. Отсюда x = z+a, dx = dz . Найдем новые пределы интегрирования. Если х= , то z=( a)/; если х = , то z = (а)/.
Таким образом, имеем
Пользуясь функцией Лапласа
окончательно получим
(*)
Пример. Случайная величина X распределена по нормальному закону. Математическое ожидание и среднее квадратическое отклонение этой величины соответственно равны 30 и 10. Найти вероятность, того, что X примет значение, принадлежащее интервалу (10, 50).
Решение. Воспользуемся формулой (*). По условию, =10, =50, а = 30, =10, следовательно,
P(10<X<50)=
По таблице приложения 2 находим Ф (2) = 0,4772. Отсюда искомая вероятность
Р(10< X < 50) =2*0,4772 = 0,9544.