- •4.2.3.4. Метод доверительных интервалов
- •3.4.1. Биномиальное распределение
- •3.4.2. Распределение Пуассона
- •3.4.4. Распределения Рэлея и Максвелла
- •3.4.5. Равномерное распределение
- •3.4.6. Пример антимодального распределения
- •3.4.7. Распределение 2 (хи -квадрат)
- •3.4.8. Распределение Стьюдента
- •3.4.9. F-распределение Фишера-Снедекора
- •4.3. Определение параметров предполагаемого закона распределения по представительной выборке
3.4.2. Распределение Пуассона
Это распределение получают из выражения (3.20) как его предел при n, и постоянном =np. Так как конечно, то при n, вероятность р стремится к нулю. Поэтому распределение Пуассона применяют для событий (дискретных случайных величин), вероятность которых очень мала.
Если вероятность появления события есть p, а n велико, то вероятность появления точно k событий определяется функцией . (3.24)
У Распределения Пуассона только один параметр , который определяет его числовые характеристики: . (3.25)
Вывод формулы (3.24). Так как =np, то подставим p=/n в (3.20): . Найдем предел этого выражения при n. Предел сомножителя, содержащего n, степень которого не n, есть единица. Осталось найти предел . Для этого преобразуем форму, положив, /n =-1/m. Тогда и n=-m. По определению . С учетом этого находим, что . Подставляя в исходную формулу значения пределов, получаем искомое предельное выражение закона (3.20).
Условия применения закона:
все события равновероятны, причем вероятность р события мала;
события независимы: вероятность р появления данного события не зависит от предыстории: не имеет значения, сколько событий произошло перед данным;
вероятность совместного появления двух и более событий пренебрежимо мала по сравнению с р.
Пример 3.1. Найдем вероятность появления только одной грубой ошибки в 1000 измерениях при вероятности ее появления р =1/1000. На первый взгляд, кажется, что вероятность будет равна 1. Так ли это? Подсчитаем по формуле Бернулли (3.20):.
Проверим по закону Пуассона: Pn(k)=(1000 0.001)1 exp(-1000 0.001)= e-1 =0.367879.
Остальная (1-0.37) вероятность приходится на то, что событие может произойти два, три…10 и более раз или вообще ни разу.
3.4.3. Нормальное распределение Гаусса-Лапласа открыто Муавром в 1733г. и повторно Гауссом и Лапласом. К этому распределению стремится биномиальное распределение при p и q, отличных от нуля, и n, стремящемся к бесконечности. Функция плотности вероятности этого распределения есть f. (3.24)
Числовые характеристики: Математическое ожидание СВ, следующей гауссову распределению, есть его параметр 1. Другие легко найти на основе свойства этого распределения: все нечетные центральные моменты равны нулю, а все четные определены разобраться выражением , из которого (k=1) 2 =2, (k=2) 4 = 34 , (k=3) 6 56 , и т.д. Следовательно, асимметрия , и эксцесс E=0.
Это распределение важно для нас. Рассмотрим его свойства, применительно к центрированной начальным моментом и нормированной стандартом непрерывной случайной величине . (3.25)
Подставляя t в (3.24), получим нормированную функцию плотности вероятности . (3.26). ее называют формулой Гаусса
Свойства нормального распределения. С увеличением |t| функция убывает, так как показатель степени отрицательный: при , а, например, при модулеt, равном 5, она принимает значение 0.0000015. Распределение симметрично . Криваяимеет точки перегиба. Ее первая и вторая производные суть:
.
Отсюда следует, что при t=0 будет ее максимум, а точки перегиба при равенстве нулю второй производной, т.е. при , будут в. В этих точках функция п.в. принимает значение .Вероятность попадания в интервал
Найдем другие точки, где первая производная равна (стремится) к нулю. Так как t стремится к бесконечности, а - к нулю, то, взяв производные, получаем предел по правилу Лопиталя: .
Таким образом, ось t есть асимптота функции плотности вероятности: кривая уходит вправо и влево в бесконечность.
Из (3.25) получаем функцию распределения для нормального закона (3.27)