Примеры непрерывных случайных величин:

 

1) нормальная непрерывная случайная величина, или непрерывная случайная величина Гаусса(нормальное распределение). Непрерывная случайная величина   имеет нормальное (гауссовское) распределение, если её плотность распределения имеет вид

     Если  , то распределение называется стандартным нормальным распределением.

     Важная роль этого распределения объясняется тем, что оно обычно возникает в явлениях, подверженных действию большого числа малых случайных величин. Так, математическая теория выборочного метода в статистике для расчета некоторых показателей широко использует нормальное распределение.

 

2)экспоненциальная (показательная) непрерывная случайная величина(экспоненциальное распределение).  Непрерывная случайная величина   имеет экспоненциальное(показательное) распределение с параметром  , если её плотность имеет вид

     Экспоненциальному распределению подчиняется время распада ядер атомов различных элементов. Оно обладает важным свойством - отсутствием последствия. Несложно убедиться в том, что вероятность распада ядра за время  при условии, что перед этим оно уже прожило время  , совпадает с безусловной вероятностью распада того же самого ядра за время . Именно это свойство и представляет собой отсутствие последствия.

 

3) Равномерная на [a;b] непрерывная случайная величина(равномерное на отрезке [a;b] распределение).

Равномерно распределенная на отрезке [a;b] непрерывная случайная величина  имеет плотность распределения

     Равномерное распределение реализует принцип геометрической вероятности при бросании точки на отрезок [a;b].

17.биномиальное распределение

Биномиальное распределение

Случайная величина В = X₁ + X₂ +…+ X_k называется биномиальной. Ясно, что 0<B<k при всех возможных исходах опытов. Чтобы найти распределение В, т.е. вероятности Р(В = а) при а = 0, 1, …, k,достаточно знать р – вероятность наступления рассматриваемого события в каждом из опытов. Действительно, случайное событие В = аосуществляется тогда и только тогда, когда событие А наступает ровно при а испытаниях. Если известны номера всех этих испытаний (т.е. номера в последовательности испытаний), то вероятность одновременного осуществления в а опытах события А и в k-а опытах противоположного ему – это вероятность произведения kнезависимых событий. Вероятность произведения равна произведению вероятностей, т.е. р^а(1 - р)^k-a. Сколькими способами можно задать номера а испытаний из k? Это   - число сочетаний изk элементов по а, рассматриваемое в комбинаторике. Как известно,

где символом k! обозначено произведение всех натуральных чисел от 1 до k, т.е.   (дополнительно принимают, что 0! = 1). Из сказанного следует, что биномиальное распределение, т.е. распределение биномиальной случайной величины, имеет вид

Название «биномиальное распределение» основано на том, что Р(В = а) является членом с номером (а+1) в разложении по биному Ньютона

если положить А = 1 – р, С = р. Тогда при j = a получим

Для числа сочетаний из k элементов по а, кроме  , используют более распространенное в отечественной литературе  обозначение  .

Из утверждения 10 и расчетов примера 9 следует, что для случайной величины В, имеющей биномиальное распределение, математическое ожидание и дисперсия выражаются формулами

поскольку В является суммой k независимых случайных величин с одинаковыми математическими ожиданиями и дисперсиями, 

18.Распределение пуассона