- •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
1.4.4. Рівномірний розподіл
Випадкова величина X має рівномірний розподіл на інтервалі , якщо її щільність імовірності дорівнює
(1.43)
Для цієї випадкової величини математичне сподівання, дисперсія, коефіцієнт асиметрії і ексцес відповідно дорівнюють
Графіки розподілу для різних значень параметрів наведені на
Рис. 1.4. Щільність рівномірного розподілу
Рівномірний закон розподілу використовується при аналізі похибок округлення при проведенні числових розрахунків, у ряді задач масового обслуговування, при статистичному моделюванні спостережень, підкорених заданому розподілу. Випадкова величина , розподілена за рівномірним законом на відрізку [0, 1], яка називається “випадковим числом від 0 до 1”, використовується для одержання випадкових чисел з будь-яким законом розподілу.
Функції Mathcad для роботи із рівномірним розподілом: dunif(), punif(), qunif(), runif().
1.4.5. Експоненціальний (показниковий) розподіл
Випадкова величина X має експоненціальний розподіл з параметром λ якщо її щільність імовірності і функція розподілу дорівнюють
(1.44)
Математичне сподівання, дисперсія, мода і медіана відповідно дорівнюють
Графік розподілу для різних значень параметра наведений на рис. 1.5.
Рис. 1.5. Щільність експоненціального розподілу
Експоненціальний розподіл застосовується при моделюванні випадкових процесів у теорії масового обслуговування, теорії надійності тощо (він має так звану властивість відсутності післядії). Експоненціально розподілену випадкову величину можна інтерпретувати також як проміжок часу між двома послідовними настаннями подій у потоці Пуассона. Прикладна популярність експоненціального розподілу пояснюється не тільки різноманітними можливостями природної фізичної інтерпретації, але і винятковою простотою і зручністю його модельних властивостей. Для нього добре розроблений математичний апарат розв'язання багатьох практичних задач, у зв'язку з чим багато дослідників стараються описувати статистичні дані цим розподілом.
Функції Mathcad для роботи з експоненціальним розподілом: dexp(), pexp(), qexp(), rexp().
1.4.6. Розподіл Вейбулла
Випадкова величина має розподіл Вейбулла з параметрами якщо її щільність імовірності обчислюється за формулою
. (1.45)
Для цієї величини математичне сподівання і дисперсія відповідно дорівнюють:
Графік розподілу для різних значень параметрів наведений на рис. 1.6.
Рис. 1.6. Щільність розподілу Вейбулла
Розподіл Вейбулла застосовується у теорії надійності, зокрема для опису часу безвідмовної роботи приладів. При розподіл Вейбулла перетворюється на експоненціальний розподіл з параметром
Функції Mathcad для роботи з розподілом Вейбулла: dweibull(), pweibull (), qweibull (), rweibull().
1.4.7. Нормальний розподіл
Неперервна випадкова величина X має нормальний розподіл з параметрами a і , якщо її щільність і функція розподілу ймовірностей обчислюються за формулами
(1.46)
Для нормально розподіленої випадкової величини математичне сподівання,
дисперсія, коефіцієнт асиметрії і ексцес дорівнюють:
Якщо випадкова величина має нормальний розподіл з параметрами і то це записують у вигляді
Графіки щільності нормального розподілу (криві нормального розподілу) для різних значень параметрів і представлені на рис. 1.7.
Рис. 1.7. Щільність нормального розподілу
Випадкова величина має стандартний або нормований нормальний розподіл, якщо і тобто Лінійне перетворення приводить довільну нормально розподілену величину до стандартного (нормованого) нормального розподілу.
Щільність нормованого нормального розподілу виражається формулою
. (1.47)
а його функція розподілу – де функція Лапласа
(1.48)
Функція розподілу нормальної випадкової величини виражається через функцію (інтеграл імовірності) Лапласа за формулою:
(1.49)
Геометрично функція нормального розподілу представляє собою площину під нормальною кривою на інтервалі Вона складається із двох частин: перша, на інтервалі дорівнює тобто половині усієї площини під нормальною кривою, і друга, на інтервалі яка дорівнює
Властивості випадкової величини, розподіленої за нормальним законом:
1. Імовірність попадання нормально розподіленої випадкової величини у заданий інтервал обчислюється за формулою
(1.50)
де функція нормованого нормального розподілу.
2. Імовірність того, що відхилення випадкової величини Х, розподіленої за нормальним законом, від математичного сподівання а за абсолютною величиною не перевищить величину , дорівнює
. (1.51)
Зокрема при має місце правило трьох сігм:
Це означає, що для нормально розподіленої випадкової величини з параметрами , тобто практично достовірно, що її значення вміщені в інтервалі
Фундаментальна роль, яку відіграє нормальний розподіл у теорії ймовірностей і математичній статистиці, пояснюється тим, що при достатньо широких умовах розподіл суми випадкових величин із зростанням кількості доданків асимптотично збігається до нормального. Відповідні умови збіжності наведені у центральній граничній теоремі теорії ймовірностей.
Функції Mathcad для роботи з нормальним розподілом: dnrom(), pnorm(), qnorm(), rnorm().