Положение теории вероятностей и математической статистики, используемые в технологии машиностроения

Для того чтобы охарактеризовать случайную величину, необходимо задать закон ее распределения. Под распределением случайной величины понимают совокупность ее значений, расположенных в возрастающем порядке с указанием либо их вероятностей в теоретическом, либо частостей в практическом распределении.

Распределения случайных величин дискретного характера можно представить в виде таблиц (табл. 1.2) или графика (рис. 1.5) составленного на основании табл. 1.2.

Рис. 1.5. Распределение случайной дискретной величины

Распределение случайной величины непрерывного типа может быть представлено также и в виде таблицы, и в виде графиков. Для составления таблицы практического распределения непрерывной случайной величины в совокупности ее значений находят максимальное и

минимальное значения и определяют разность между ними. Разность между хmax и xmin называют полем рассеяния случайной величины:

хmax xmin

Значения случайной величины, составляющие совокупность, делят на равные интервалы. Их число k определяют из отношения значения со к избранному значению а интервала:

k a

Относя каждое значение случайной величины к тому или иному интервалу, подсчитывают частоты ее значений в границах интервалов и определяют частости значений xi

Пример. Пусть в партии валов из 100 шт. диаметр одной из шеек dmin=32,13 мм и dmax = 32,36 мм. Тогда d =32,36 - 32,13 = 0,23 мм.

При избранном значении а = 0,04 мм число интервалов k a =0,23/0,04 6.

Установив границы интервалов и подсчитав частоту размеров di отнесенных к

соответствующим интервалам, получим данные о распределении значений диаметра шейки вала:

Рис. 1.6. Практическая кривая распределения непрерывной случайной величины:

Практическое распределение непрерывной случайной величины графически может быть представлено либо гистограммой распределения, либо практической кривой (полигоном) распределения. Гистограмма распределения – это ступенчатый график, состоящий из прямоугольников, ширина которых равна значению интервала, а высота – частотам или частостям значений случайной величины в своих интервалах. Изобразив в том же масштабе частоты или частости прямыми линиями, исходящими из середин каждого интервала, и соединив их верхние точки ломаной линией, получают практическую кривую (полигон) распределения.

Наиболее общей формой закона распределения случайной величины является ее функция распределения. Функцией распределения или интегральным законом распределения скалярной случайной величины X называют вероятность выполнения неравенства X < х:

F(x) = Р(Х < х).

Для дискретной случайной величины функция распределения F(x) может быть найдена по таблице или по графику распределения для любого значения х, как сумма вероятностей тех значений X, которые лежат влево от точки с координатой х. В примере распределения случайной величины по табл. 1.3 и графику на рис. 1.6 для X < 4

F(x) = Р(Х<4) =Р(x = 1) +Р(x=2) +Р(х=3) =

=1/20 + 3/20 + 8/20 = 12/20.

Интегральный закон распределения можно представить в виде графика F(x). Для дискретной случайной величины график функции распределения будет иметь вид ступенчатой кривой (рис. 1.7)

Рис. 1.7. Интегральный закон распределения дискретной случайной величины

Имея функцию распределения дискретной случайной величины, можно вычислить вероятность ее нахождения в границах от хх до *2:

P(x1 X < х2) = F(x2) - F(x1).

Для непрерывной случайной величины график функции распределения будет иметь вид монотонно возрастающей кривой, а сама функция будет дифференцируемой. Производную f(x) = F'(x) функции распределения F(x) непрерывной случайной величины X называют плотностью вероятности или дифференциальным законом распределения этой случайной величины.

Графически дифференциальный закон распределения может быть представлен кривой линией, построенной в координатах х, f(x) (рис. 1.8.). Зная плотность вероятности, можно определить вероятность того, что значение случайной величины X окажется в интервале от а до b:

Рис 1.8. Дифференциальный закон распределения непрерывной случайной величины

b

Р(а< Х<b) = f (x)dx

a

В данном случае вероятность будет равна площади участка с основанием ab, ограниченного сверху кривой плотности вероятности. При а = - и b = +

b

P ( < X < +) = f (x)dx = 1.

a

Дифференциальный закон или плотность вероятности дает полную картину распределения случайной величины. Однако такая полная характеристика распределения не всегда является необходимой. В ряде теоретических и практических задач оказывается достаточным знание отдельных числовых характеристик, определяющих положение центра группирования М(х) случайной величины и ее рассеяние около этого центра. В качестве характеристик положения центра группирования М(х) чаще используют математическое ожидание и среднее арифметическое значение случайной величины, а в качестве мер рассеяния – дисперсию, среднее квадратическое отклонение и поле рассеяния.

Обозначим математическое ожидание случайной величины X через М[X] или сокращенно тх. Тогда математическое ожидание дискретной случайной величины

n

mx xi P(xi )

i 1

где п — число возможных значений случайной величины х. Математическое ожидание непрерывной случайной величины

mx M X xf (x)dx

где М[Х] – характеристика теоретического распределения случайной величины.

В практических задачах положение центра группирования М(х) характеризует среднее арифметическое значение случайной величины

1 m

X n i 1 xi fi

где fi. – частота отдельных значений xi, m – число отдельных значений xi; п – общее число значений xi.

Одной из характеристик разброса или рассеяния значений случайной величины около центра группирования М(х) является дисперсия. Дисперсия дискретной случайной величины

n

Dx (xi mx )2 P(xi )

i 1

Если же случайная величина непрерывная, то ее дисперсия

Dx (x mx )2 f (x)dx

На практике чаще используют не саму дисперсию, а положительный квадратный корень из нее, называемый средним квадратическим отклонением x Dx

Размерность x совпадает с размерностью самой случайной величины.

Таким образом, для того чтобы охарактеризовать распределение случайной величины, надо иметь как минимум две числовые характеристики. Одна из них (mx или X) определяет положение

центра группирования, другая (Dx или x ) – разброс значений случайной величины около центра группирования.

Комплектом характеристик распределения следует считать также поле рассеяния случайной величины

x xmax xmin

и координаты середины поля рассеяния

x 0,5(xmax xmin )

В симметричных распределениях центр группирования М(х) оказывается совмещенным с

.

Законы распределения

Распределения случайных величин в зависимости от условий могут подчиняться вполне определенным законам. Из этих законов наибольшее практическое значение в технологии машиностроения имеет закон нормального распределения или закон Гаусса, для которого плотность вероятности или дифференциальная функция распределения

где х – переменная случайная величина; x – среднее квадратическое отклонение величины х от тх; тх – математическое ожидание величины х.

Дифференциальная функция закона нормального распределения графически изображается холмообразной кривой, симметричной относительно центра группирования, представляемой величинами тх или X (рис. 1.9.). Координата центра группирования определяет положение кривой

относительно начала отсчета, а параметр x – ее форму и размах.

Рис 1.9. Дифференциальный закон нормального распределения случайной величины

Функцию или интегральный закон нормального распределения в общем виде можно записать так:

Если изменение случайной величины х следует закону нормального распределения, она может принимать любые значения в пределах

± . Поэтому

Вероятность P ( < X < + ) = 1 представляет собой площадь под дифференциальной

кривой закона нормального распределения. Очевидно, что вероятность значений х в любом другом интервале x1 — x2 меньше единицы:

Для облегчения вычислений эту формулу с помощью нормирующего множителя t = (х - тх)/x можно привести к виду

Лапласа". При использовании этих таблиц решение задачи по определению вероятности того, что случайная величина х находится в пределах x1 x2 сводится к нахождению разности между двумя значениями t1 и t2 функции Лапласа:

Считают, что практическая зона рассеяния случайной величины х, подчиняющейся закону

Согласно таблицам, содержащим значения функции Лапласа, 2Ф(3) = = 0,9973. Это означает, что вероятность нахождения случайной величины вне указанного интервала q = 1 Р=1 0,9973 = 0,0027, т.е. очень мала.

Ограничение рассеяния значением 6 x объясняется объективными экономическими причинами, обусловленными уровнем развития науки и техники. В ряде случаев используют и более широкие пределы, например ±4 x.

Распределение случайной величины по нормальному закону является следствием действия многих факторов, носящих случайный характер, имеющих примерно одинаковую степень активности и независящих или слабо зависящих один от другого. Такой комплекс условий не всегда оказывается полным. Его нарушение, даже в какой-то степени, приводит к отклонению закона распределения от нормального.

Одной из форм таких отклонений может быть несимметричность кривой рассеяния (рис. 1.10), характеризуемая коэффициентом асимметрии , учитывающим смещение центра группирования М(х) относительно координаты x середины поля рассеяния x

X x 0,5 x

Рис. 1.10. Несимметричное распределение случайной величины

Условия решения задачи могут иметь различную специфику. В соответствии с этим распределения случайных величин могут быть подчинены другим законам. Не останавливаясь на всем их многообразии, коснемся только двух из них: закона равной вероятности и закона Симпсона, имеющих практическое значение в технологии машиностроения.

Распределение по закону равной вероятности встречается, когда наряду со случайными факторами, вызывающими рассеяние, действует доминирующий систематический фактор, непрерывно и равномерно изменяющий во времени положение центра группирования М(х). Графически такое распределение случайной величины отображается прямоугольником

(рис. 1.11.)

Рис. 1.11. Распределение случайной величины по закону равной вероятности

Математическое ожидание, дисперсия и среднее квадратическое отклонение соответственно

равны:

mx b a / 2 ; Dx b a 2 /12 ; x b a / 23

К распределению по закону Симпсона приводит сложение двух случайных величин, подчиненных закону равной вероятности при одинаковых параметрах рассеяния. Кривая рассеяния имеет вид равностороннего треугольника (рис. 1.12), из-за чего закон Симпсона) часто называют законом треугольника.

Рис. 1.12. Распределение случайной величины по закону Симпсона

При выборе в качестве начала отсчета случайной величины ее математическое ожидание и характеристики распределения имеют следующий вид:

Если распределения по законам Симпсона и равной вероятности рассматривать как отклонения от закона нормального распределения, то можно отразить и количественную сторону этих отклонений с помощью коэффициента , именуемого относительным средним квадратическим отклонением:

2 x x

Подставив в эту формулу величины x и x , соответствующие трем законам

распределения случайной величины, получим для каждого из них свое значение коэффициента

(табл. 1.3).

Таблица 1.3.

Значения относительного среднего квадратического отклонения