Лекции по математике. Теория вероятности
.pdfНормальное распределение (закон Гаусса)
Нормальное распределение играет исключительно важную роль в теории вероятностей и занимает среди других законов распределения особое положение. Это—наиболее часто встречающийся на практике закон распределения.
Главная особенность, выделяющая нормальный закон среди других законов, состоит в том, что он является предельным законом, к которому приближаются другие законы распределения при весьма часто встречающихся типичных условиях.
Нормальное распределение имеет очень широкое распространение в прикладных задачах. Это связано с тем, что в реальной жизни многие исследуемые случайные величины являются следствием различных случайных событий.
Рост людей на нашей планете хорошо описывается нормальным распределением. Это, по-видимому, связано с тем, что на рост влияют разнообразные независимые случайные факторы: климат, экология окружающей среды, экономические условия, болезни и т.д. Хотя, конечно, "бесконечно" большие люди (великаны) и "бесконечно" маленькие люди (гномы) бывают только в сказках. Это говорит о том, что "хвосты" истинного распределения роста людей отличаются от нормального распределения.
В частности, при достаточно общих предположениях сумма большого числа независимых СВ имеет распределение близкое к нормальному.
Часто нормальное распределение называют распределением Гаусса (Карл Фридрих Гаусс (1777-1855), или Муавра, в честь тех, кто, как считается, открыл его и, веком ранее, что не так достоверно, Авраам де Муавр (1667-1754). Термин был впервые использован Гальтоном в 1889 г.
CВ подчиняется нормальному распределению, когда она подвержена влиянию огромного числа случайных помех. Такая ситуация распространена, поэтому в природе чаще всего
111
встречается именно нормальное распределение — отсюда и произошло одно из его названий.
Нормальный закон наблюдается, когда на измеряемую случайную величину действуют разнообразные факторы, не связанные между собой и равнозначно действующие на случайную величину.
Нормальное распределение или распределение Гаусса является наиболее универсальным, удобным и широко применяемым
Доска Гальтона
Доска Гальтона -вертикально установленная доска в форме равнобедренного треугольника.
В доске расположены колышки, один в верхнем ряду, два во втором, и так далее. Каждый последующий ряд имеет на один колышек больше. Колышки в сечении треугольные, так что, когда падает шарик, у него есть вероятность 50/50 пойти вправо или влево.
В основании доски находится серия желобов для подсчета попаданий каждого броска.
Шарики, падающие через доску Гальтона и достигающие желобов, начинают формировать нормальное распределение.
Чем «глубже» доска (то есть чем больше рядов она имеет) и чем больше шариков бросается, тем больше конечный результат будет напоминать нормальное распределение.
Определение Нормальное распределение (гауссовское)
определяется функцией плотности следующим образом
x |
|
1 |
|
|
|
x a 2 |
|
|
|
e |
2 2 |
, |
|||
|
|
|
|
|
|||
2 |
|
|
где a – математическое ожидание.
112
Нормальный закон - это двухпараметрический закон, для записи которого нужно знать математическое ожидание и среднее квадратичное отклонение. Нормальное распределение зависит от двух параметров — смещения и масштаба
График плотности нормального распределения называется
нормальной кривой или кривой Гаусса
Функция плотности при различных значениях параметров
Замечание Графики плотности нормального распределения, имеют единственный максимум в точке x m .
Функция распределения имеет вид:
113
|
x |
|
|
1 |
|
x |
|
2 |
|
|
F x |
|
f x dx |
|
|
|
|
x m |
|
||
|
|
|
|
exp |
|
dx |
||||
|
|
|
|
2 2 |
||||||
|
|
2 |
|
|||||||
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
y x m , dy 1 dx
x m
|
|
1 |
|
|
|
y2 |
x m |
||
|
|
|
|
||||||
|
|
|
|
|
|||||
|
|
|
|
e |
2 |
dy Φ |
|
|
|
|
|
|
|
||||||
2 |
|
||||||||
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
Нормальная кривая обладает следующими свойствами:
1)Функция определена на всей числовой оси.
2)При всех x функция распределения принимает только положительные значения.
3)Ось ОХ является горизонтальной асимптотой графика плотности вероятности, т.к. при неограниченном возрастании по
абсолютной величине аргумента x , значение функции стремится
кнулю.
4)Найдем экстремум функции.
|
x m |
|
( x m)2 |
|
|
|
|
|
|
||||
y |
|
e |
|
2 2 |
0; |
x m; |
|||||||
3 |
|
|
|
|
|||||||||
|
2 |
|
|||||||||||
Т.к. при y 0 при |
x m и |
y 0 |
при |
x m , то в точке |
|||||||||
x m функция имеет максимум, |
равный |
1 |
|
. |
|||||||||
|
|
|
|
||||||||||
|
|
|
|
||||||||||
|
2 |
5)Функция является симметричной относительно прямой
xa , т.к. разность x a входит в функцию плотности
распределения в квадрате.
6) Для нахождения точек перегиба графика найдем вторую производную функции плотности.
|
1 |
|
|
|
( x m)2 |
|
|
(x m)2 |
||
y |
|
|
2 |
2 |
|
|||||
|
|
|
e |
|
1 |
|
|
|||
|
3 |
|
|
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
114
При x m |
и x m вторая производная равна нулю, |
||||
а при переходе через эти точки меняет знак, т.е. в этих точках |
|||||
функция имеет перегиб. |
|
|
|
|
|
В этих точках значение функции равно |
1 |
2 . |
|||
e |
|||||
Построим график функции плотности распределения. |
|||||
|
|
|
0.4 |
|
|
|
|
|
0.3 |
|
|
|
|
|
0.2 |
|
|
|
|
|
0.1 |
|
|
-6 |
-4 |
-2 |
2 |
4 |
6 |
Построены графики при т =0 и трех возможных значениях среднего квадратичного отклонения 1, 2 и 7 .
Как видно, при увеличении значения среднего квадратичного отклонения график становится более пологим, а максимальное
значение уменьшается.. |
|
|
если a 0 , то |
график сместится |
в положительном |
направлении, если a 0 – в отрицательном. |
|
|
при a 0 и 1 кривая называется нормированной. |
||
Определение |
Стандартным |
нормальным |
распределением называется нормальное распределение с математическим ожиданием 0 и стандартным отклонением 1 -
N0,1 .
Замечание Нормальное распределение формируется под влиянием большого числа случайных факторов, служит хорошим приближением для построения математических моделей.
115
Функция Лапласа.
Найдем вероятность попадания случайной величины, распределенной по нормальному закону, в заданный интервал.
|
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
b |
( x m)2 |
||||||||||
P(a X b) f (x)dx |
|
|
|
|
|
|
e |
|
2 2 |
|
dx |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
2 |
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Обозначим |
|
x |
m |
t; |
a |
|
|
m |
; |
|
b |
m |
|
; |
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
2 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|||||||||||||
Тогда |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
( ) ( ) |
||||
P(a X b) |
|
|
|
|
|
e t 2 |
2 |
dt |
|
|
|
|
e t 2 dt |
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Так как интеграл |
|
e t 2 dt |
не выражается через элементарные |
||||||||||||||||||||||||||||||||||
функции, то вводится в рассмотрение функция, |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
x |
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Φ |
|
|
|
|
|
e |
t |
|
|
|
, |
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
(x) |
|
|
|
|
|
|
|
|
dt |
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
которая называется функцией Лапласа или интегралом вероятностей.
Ниже показан график функции Лапласа.
1
0.75 0.5 0.25
-3 |
-2 |
-1 |
1 |
2 |
3 |
-0.25 -0.5 -0.75
-1
116
Свойства функции Лапласа
1.Ф x определена при всех значениях х.
2.Ф(0)=0.
3. |
|
|
1 |
|
|
|
|
t 2 |
|
|
1 |
|
|
|
2 |
|
1 . |
|
|
( ) |
|
|
|
e |
2 |
dt |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
2 |
|
|
2 |
2 |
2 |
|
|
|||||||||||
|
|
|
0 |
|
|
|
|
|
|
|
|
|
|
||||||
4. |
( ) |
1 . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
5. |
Ф x монотонно возрастает при всех |
x ( , ) . |
6.Ф x – функция нечетная: Ф x = –Ф x .
Значения этой функции при различных значениях x посчитаны и приводятся в специальных таблицах, приведены в приложении. Функцию Лапласа также называют функцией ошибок и обозначают erf x .
Еще используется нормированная функция Лапласа, которая связана с функцией Лапласа соотношением:
|
|
1 |
|
x |
|
|
|
|
1 |
|
x |
2 |
|
|
|
|
|
|
|
|
e t |
/ 2dt; |
|||||||
Φ(x) |
|
|
||||||||||||
|
Φ |
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
2 |
|
|
|
|
2 |
0 |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
Ниже показан график нормированной функции Лапласа.
1
0.75 0.5 0.25
-3 |
-2 |
-1 |
1 |
2 |
3 |
-0.25 -0.5 -0.75
-1
Замечание Математическое ожидание, мода и медиана совпадают и равны математическому ожиданию.
117
Замечание Коэффициент ассиметрии и коэффициент эксцесса равны 0.
Правило трех сигм
Нормально распределенная случайная величина с большой вероятностью принимает значения, близкие к своему математическому ожиданию.
Величина X (среднее арифметическое) показывает смещение кривой f x вдоль оси абсцисс без изменения ее
формы, т. е. расстояние от начала координат до абсциссы с максимальной ординатой. Величина (среднее квадратичное отклонение) показывает разброс отдельных значений случайной величины x относительно среднего арифметического.
На участке кривой, ограниченной ординатами и расположено 68,3% значений случайной величины; на участке, ограниченном ординатами 2 -95,4%; на участке с ординатами
3 - 99,7%.
Правило трех сигм: вероятность того, что случайная величина x лежит в пределах 3 , близка к единице или к 100%. Следовательно, значения случайной величины, лежащие за пределами 3 - сигм, можно отбросить как промахи.
118
Т.е. вероятность того, что случайная величина отклонится от своего математического ожидание на величину, большую чем утроенное среднее квадратичное отклонение, практически равна нулю.
Правило k :
0.6827, k 1,
P X m k Φ k Φ k 0.9545, k 2,
0.9973, k 3.
Пример Поезд состоит из 100 вагонов. Масса каждого вагона – случайная величина, распределенная по нормальному закону с математическим ожидание а = 65 т и средним квадратичным отклонением = 0,9 т. Локомотив может везти состав массой не более 6600 т, в противном случае необходимо прицеплять второй локомотив. Найти вероятность того, что второй локомотив не потребуется.
Решение
Второй локомотив не потребуется, если отклонение массы состава от ожидаемого (100 65 = 6500) не превосходит 6600 – 6500 = 100 т. Т.к. масса каждого вагона имеет нормальное распределение, то и масса всего состава тоже будет распределена нормально.
Получаем:
|
|
|
|
100 |
|
|
|
|
|
|
|
P( |
X M ( X ) |
100 2Φ |
|
|
2Φ1,111 2 |
0,3665 |
0,733 |
||||
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
100 |
|
|
|
|
|
Пример. Нормально распределенная случайная величина Х задана своими параметрами – а =2 – математическое ожидание и = 1 – среднее квадратическое отклонение. Требуется написать плотность вероятности и построить ее график, найти вероятность того, Х примет значение из интервала (1; 3), найти вероятность того, что Х отклонится (по модулю) от математического ожидания не более чем на 2.
Решение
Плотность распределения имеет вид:
119
|
|
f (x) |
1 |
|
( x 2)2 |
|
|
|
|
|||
|
|
2 e |
|
2 |
; |
|
|
|
||||
|
|
|
|
|
|
|
||||||
Построим график: |
|
|
|
|
|
|
|
|
|
|
|
|
0. 4 |
|
|
|
|
|
|
|
|
|
|
|
|
0. 3 |
|
|
|
|
|
|
|
|
|
|
|
|
0. 2 |
|
|
|
|
|
|
|
|
|
|
|
|
0. 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
2 |
|
|
|
3 |
|
4 |
Найдем вероятность попадания случайной величины в |
||||||||||||
интервал (1; 3). |
|
|
|
|
|
|
|
|
|
|
|
|
P 1 X 3 |
1 |
|
|
2 |
|
1 |
|
3 2 |
|
|
1 2 |
|
|
e t |
dt |
||||||||||
|
|
|||||||||||
|
|
2 |
Φ |
|
|
Φ |
|
|||||
|
|
|
|
|
|
2 |
|
|
2 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 Φ 0.7071 Φ0.7071 0.6778 |
|
|||||||||||
2 |
|
|
|
|
|
|
|
|
|
|
|
|
Найдем вероятность отклонение случайной величины от |
||||||||||||
математического ожидания на величину, не большую чем 2. |
||||||||||||
P( X 2 2) |
|
|
|
|
|
|
|
2 |
Φ( |
2) 0,95. |
||
Φ |
|
Φ |
|
|||||||||
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
Контрольные вопросы |
|
|
|
|
|
|
|
|
1.Верно ли, что математическое ожидание, медиана и мода нормально распределенной НСВ X совпадают.
2.Верно ли, что кривая Гаусса симметрична относительно своего математического ожидания.
3.Верно ли, что кривая Гаусса имеет максимум в точке равной значению M(X).
4.Верно ли, что кривая Гаусса тем круче, чем больше
сигма?
120