- •1.1. Випадкові події і ймовірності подій
- •1.1.1. Алгебра подій
- •1.1.2. Імовірності подій
- •1.1.3. Умовні ймовірності
- •1.2. Випадкові величини та їх закони розподілу
- •1.3. Числові характеристики випадкових величин
- •1.4. Основні закони розподілу
- •1.4.1. Біноміальний розподіл
- •1.4.2. Гіпергеометричний розподіл
- •1.4.3. Розподіл Пуассона
- •1.4.4. Рівномірний розподіл
- •1.4.5. Експоненціальний (показниковий) розподіл
- •1.4.6. Розподіл Вейбулла
- •1.4.7. Нормальний розподіл
- •1.4.8. Бета-розподіл
- •1.4.9. Гамма-розподіл
- •1.4.10. Розподіл
- •1.4.11. Розподіл Стьюдента
- •1.4.13. Розподіл Парето
- •1.6. Числові характеристики багатовимірних випадкових величин
- •Коефіцієнт кореляції незалежних випадкових величин дорівнює 0, тобто .
- •1.7. Функції від випадкових величин
- •1.7.1. Закон розподілу функцій від випадкових величин
- •1.7.2. Закон розподілу суми двох випадкових величин
- •1.7.3. Лінійне перетворення випадкової величини
- •1.8. Закон великих чисел і гранична теорема
- •1.9. Функції Mathcad для проведення ймовірнісних і статистичних розрахунків
- •1. Функції визначення характеристик векторів і матриць
- •2. Функції сортування масивів
- •3. Числові функції і функції комбінаторики
- •4. Функції щільності розподілу ймовірностей
- •5. Функції розподілу ймовірностей
- •6. Квантилі розподілів
1.4. Основні закони розподілу
Наведемо основні закони розподілів дискретних і неперервних випадкових величин, які використовуються для побудови ймовірнісно-статистичних моделей різних явищ і процесів.
1.4.1. Біноміальний розподіл
Випадкова величина X має біноміальний розподіл з параметрами n і p якщо вона приймає значення з імовірностями, які визначаються за формулою Бернуллі
(1.40)
– біноміальні коефіцієнти.
Математичне сподівання і дисперсія біноміально розподіленої величини дорівнюють:
Графіки розподілу для різних значень параметрів і наведені на
Рис. 1.1. Біноміальний розподіл
Біноміальний розподіл є моделлю випадкових експериментів, які складаються із n незалежних однакових випробувань. У результаті кожного з них з імовірністю p може здійснитись подія А і з імовірністю – протилежна подія. Прийнятою назвою для такої моделі випадкових експериментів є схема Бернуллі. Біноміальний розподіл широко використовується у теорії і практиці статистичного контролю якості продукції, у теорії масового обслуговування й інших прикладних областях математичної статистики.
Функції Mathcad для роботи з біноміальним розподілом: dbinom(), qbinom(), rbinom().
1.4.2. Гіпергеометричний розподіл
Випадкова величина Х має гіпергеометричний розподіл з параметрами , якщо
(1.41)
де біноміальні коефіцієнти,
Для будь-яких значень параметрів, які входять у розподіл
Для цього розподілу математичне сподівання і дисперсія дорівнюють
Існує і інша форма цього розподілу. Нехай де
, тоді
,
У цьому випадку
Типова ситуація, де з’являється гіпергеометричний розподіл, така: перевіряється партія готової продукції об’ємом у якій виробів стандартні і нестандартні. Якщо випадковим чином із усієї партії вибрати контрольну партію із виробів, то кількість стандартних виробів у цій партії буде випадковою величиною можливі значення якої мають гіпергеометричний розподіл.
Графік розподілу для значень параметрів наведений на рис. 1.2.
Рис. 1.2. Гіпергеометричний розподіл
Гіпергеометричний розподіл широко використовується у практиці статистичного приймального контролю якості продукції, у задачах, пов’язаних із організацією вибіркових досліджень, і інших областях.
Функції Mathcad для роботи з гіпергеометричним розподілом:
1.4.3. Розподіл Пуассона
Дискретна випадкова величина X має розподіл Пуасcона з параметром якщо вона приймає значення з імовірностями
(1.42)
Для цього розподілу математичне сподівання і дисперсія співпадають, тобто
Графік розподілу для різних значень параметра наведений на рис. 1.3.
Рис. 1.3. Розподіл Пуассона
Розподіл Пуассона виникає при наступних обставинах. Нехай здійснюється незалежних випробувань, у кожному з яких імовірність появи події дорівнює Для визначення імовірності появ події у цих випробуваннях використовують формулу Бернуллі. Якщо ж велике і ймовірність події мала то прибігають до асимптотичної формули Пуассона.
Розподіл Пуаcсона відіграє важливу роль при моделюванні випадкових потоків подій. Він є моделлю для опису випадкової кількості появ певних подій у фіксований проміжок часу або у фіксованій області простору. Він широко застосовується у теорії масового обслуговування для опису вхідних і вихідних потоків, теорії надійності для характеристики кількості відмов елементів складних систем тощо.
Функції Mathcad для роботи з розподілом Пуассона: dpois (), ppois(), qpois(), rpois().