- •Міністерство освіти і науки україни
- •Формування експериментальних законів розподілу
- •1. Апроксимація закону розподілу одномірних експериментальних даних
- •1.1. Задачі апроксимації
- •1.2. Типові закони розподілу випадкової величини
- •1.2.1. Геометричний розподіл
- •1.2.2. Біноміальний розподіл
- •1.2.3. Розподіл Пуассона
- •1.2.4. Рівномірний розподіл
- •1.2.5. Нормальний розподіл (розподіл Гауса)
- •1.2.6. Логарифмічно нормальний розподіл
- •1.2.7. Експоненціальний (показниковий) розподіл
- •1.2.8. Розподіл Вейбула
- •1.2.9. Гамма-розподіл
- •1.3.1. Оцінка параметрів закону розподілу
- •1.3.1. Приклади побудови деяких законів розподілу
- •1.3.2. Питання для самоперевірки
- •1.4. Критерії узгодження
- •1.4.1. Критерій узгодження к.Пірсона
- •1.4.2. Критерій узгодження а.М.Колмогорова
- •1.4.3. Критерій узгодження б.С.Ястремського
- •1.4.4. Критерій в.І.Романовського
- •1.4.5. Питання для самоперевірки
- •2. Планування експерименту
- •2.1. Планування і обробка результатів експериментів при багатофакторному методі дослідження
- •2.2. Побудова математичної моделі у випадку двох факторів
- •2.3. Знаходження оптимальних умов проведення експерименту методом руху по градієнту
- •2.4. Питання для самоперевірки
- •3. Індивідуальні завдання для самостійної роботи студентів
- •Література
- •Предметний покажчик
- •Додаток 3
- •Критерій Колмогорова
- •Формування експериментальних законів Розподілу
- •83050, М. Донецьк, вул. Щорса, 31
- •83023, М. Донецьк, вул. Харитонова, 10. Тел.: (062)97-60-50
1.2.4. Рівномірний розподіл
Закон рівномірного розподілу ймовірностей неперервної випадкової величини визначається щільністю ймовірності (див. рис.9), яка є відмінною від нуля тільки в заданому проміжку і приймає в цьому інтервалі постійне значення
. (8)
Інтегральна функція визначається відношенням.
Рис.9. Графік щільності ймовірності рівномірного розподілу
Рівномірний розподіл є двохпараметричним, тому що у виразах для (див. (8)) і входять два параметри і .
Характеристики рівномірно розподіленої випадкової величини є наступними: математичне сподівання , дисперсія , асиметрія , ексцес .
За рівномірним законом розподілено, наприклад, помилку округлення і фазу випадкових коливань.
1.2.5. Нормальний розподіл (розподіл Гауса)
Нормальний закон спостерігають в тих численних випадках, коли на вимірювану випадкову величину діють різноманітні фактори, які не пов'язані між собою і рівнозначно діючі на випадкову величину (наприклад, розміри деталей, наробітки на відмову і до граничного стану, причинами яких є спрацювання). За нормальним законом зазвичай розподілено помилку спостережень, якщо на результат експерименту впливає багато дрібних незалежних факторів.
Щільність ймовірності визначається формулою
. (9)
Вид кривої розподілу представлено на рис.10.
Рис.10. Нормальний закон розподілу
Інтегральна функція випадкової величини, що розподілена за нормальним законом, визначається співвідношенням
. (10)
Нормальний розподіл є двохпараметричним – у вирази (9) і (10) входять два параметри і . Параметр показує зміщення нормальної кривої вздовж осі абсцис без зміни її форми. Параметр показує розсіяння окремих значень випадкової величини навколо її середнього значення. Асиметрія і ексцес дорівнюють нулю: , .
На ділянці кривої, що обмежено прямими і (рис.10), розташовано 68,3% значень нормально розподіленої випадкової величини; на ділянці, що обмежено прямими і , міститься 95,4% її значень; на ділянці, що обмежено прямими і , розташовано 99,7% її значень. На цьому засноване правило трьох сигм: ймовірність того, що випадкова величина лежить у межах , близька до одиниці.
1.2.6. Логарифмічно нормальний розподіл
Логарифмічно нормальним називається розподіл випадкової величини , якщо логарифм цієї величини розподілено за нормальним законом. При цьому щільність ймовірності визначається формулою
. (11)
Числові характеристики є такими: математичне сподівання ; дисперсія ; асиметрія ; ексцес . Вид кривої розподілу (11) представлено на рис.11.
Рис.11. Логарифмічно нормальний розподіл при ,
Мультиплікативна модель формування заробітної плати або прибутку приводить до рекомендації наближати розподілу заробітної плати і прибутку логарифмічно нормальними законами. Є й інші імовірнісні моделі, що приводять до логарифмічно нормального закону. Класичний приклад такої моделі дано А.М.Колмогоровим, що з фізично обґрунтованої системи постулатів вивів висновок про те, що розміри часток при дробленні шматків руди, вугілля і т.і. на кульових млинах мають логарифмічно нормальний розподіл.