24. Показательное (экспоненциальное) распределение. M(X), d(X), σ

Показательным (экспоненциальным) называется распределение вероятностей непрерывной случайной величины X, которое описывается плотностью, имеющей вид

где λ –постоянная положительная величина

Функция распределения:

Вероятность попадания в интервал:

Математическое ожидание:

Дисперсия:

Среднее квадратическое отклонение:

25.Распределение Пуассона можно описать с помощью следующей математической модели. Пусть событие А происходит многократно с течением времени, то есть имеет место поток однородных событий, который удовлетворяет следующим условиям:

1) Поток стационарен, то есть вероятность попадания k событий в промежуток времени (t; t+τ) зависит только от числа событий k и длины промежутка τ, но не зависит от начала t. Это означает, что математическое ожидание числа событий в единицу времени (плотность потока) постоянно.

2) Поток без последствия, то есть вероятность попадания k событий в промежуток времени (t; t+τ) не зависит от числа и появления событий до момента времени t, то есть имеет место взаимная независимость появления того или иного числа событий в непересекающиеся промежутки времени.

3) Поток ординарен, то есть вероятность попадания двух и более событий в промежуток времени (t; t+τ) пренебрежимо мала по сравнению с вероятностью попадания одного события в этот промежуток, то есть вероятность одновременного появления двух и более событий равна нулю.

Поток событий, удовлетворяющий условиям 1)–3) называется простейшим. Плотность простейшего потока обозначим μ.

Вероятность того, что событие А в промежутке времени τ осуществится х раз, равна

где λ=μτ – среднее число событий, происходящих в промежутке времени τ

Числовые характеристики: МХ= DX=λ, σ(X)=

26.Распределение Стьюдента

Распределение хи-квадрат Случайная величина есть отношение двух независимых случайных величин и , то есть

Распределение случайной величины называется распределением Стьюдента с степенями свободы. Его плотность задаётся формулой

Математическое ожидание и дисперсия случайной величины, подчинённой распределению Стьюдента

, есть

Как и в случае и хи-квадрат распределением, при увеличении распределение Стьюдента стремиться к нормальному, более того, стандартизованному нормальному (то есть с нулевым математическим ожиданием и единичной дисперсией). Распределение Стьюдента, как хи-квадрат распределение, широко применяется в задачах математической обработки измерений.

27. Распределение хи-квадрат. M(X), d(X), σ

Распределение Пирсона (хи - квадрат) – распределение случайной величины где случайные величины X1, X2,…, Xn независимы и имеют одно и тоже распределение N(0,1). При этом число слагаемых, т.е. n, называется «числом степеней свободы» распределения хи – квадрат. Распределение хи-квадрат используют при оценивании дисперсии (с помощью доверительного интервала), при проверке гипотез согласия, однородности, независимости, прежде всего для качественных (категоризованных) переменных, принимающих конечное число значений.