3. Некоторые дискретные распределения
3.1 Биномиальное распределение
Биномиальным называют закон распределения дискретной случайной величины X - числа появлений события в n независимых испытаниях, в каждом из которых вероятность наступления события постоянна. Вероятности pi вычисляют по формуле Бернулли
Для биномиального распределения: математическое ожидание M(X) = np, дисперсия D(X) = npq, мода np-q ≤ Mo ≤ np+p, коэффициент асимметрии As = (q - p)/√npq, коэффициент эксцесса Ex = (1 - 6pq)/npq В пределе при n→∞ биномиальное распределение по своим значениям приближается к нормальному с параметрами a=np и σ=√npq В пределе при n→∞ и при p→0 биномиальное распределение превращается в распределение Пуассона с параметром λ=np.
3.2 Геометрическое рапределение
Производится серия испытаний. Случайная величина - количество испытаний до появления первого успеха (например, бросание мяча в корзину до первого попадания). Закон распределения имеет вид:
Если количество испытаний не ограничено, т.е. если случайная величинв может принимать значения 1, 2, ..., ∞, то математическое ожидание и дисперсию геометрического распределения можно найти по формулам M(X) = 1/p, D(X) = q/p2
3.3 Гипергеометрическое рапределение
Имеется N объектов. Из них n объектов обладают требуемым свойством. Из общего количества отбирается m объектов. Случайная величина X - число объектов из m отобранных, обладающих требуемым свойством. Для вычисления вероятностей используются биномиальные коэффициенты (см. число сочетаний). Закон распределения имеет вид:
3.4 Распределение Пуассона
Пусть имеется некоторая последовательность событий, наступающих в случайные моменты времени (будем называть это потоком событий). Интенсивность потока (среднее число событий, появляющихся в единицу времени) равна λ. Пусть этот поток событий - простейший (пуассоновский), т.е. обладает тремя свойствами: 1) вероятность появления k событий за определённый промежуток времени зависит только от длины этого промежутка, но не от точки отсчёта, другими словами, интенсивность потока есть постоянная величина (свойство стационарности); 2) вероятность появления k событий в любом промежутке времени не зависит от того, появлялись события в прошлом или нет (свойство «отсутствия последействия»); 3) появление более одного события за малый промежуток времени практически невозможно (свойство ординарности). Вероятность того, что за промежуток времени t событие произойдёт k раз, равна
4. Непрерывная случайная величина, интегральная и дифференциальная функции распределения.
Непрерывной называют случайную величину, которая может принимать любые значения из некоторого заданного интервала, например, время ожидания транспорта, температура воздуха в каком-либо месяце, отклонение фактического размера детали от номинального, и т.д. Интервал, на котором она задана, может быть бесконечным в одну или обе стороны.
Плотность вероятности непрерывной случайной величины, она же дифференциальная функция распределения вероятностей - аналог закона распределения дискретной с.в. Но если закон распределения дискретной с.в. графически изображается в виде точек, соединённых для наглядности ломаной линией (многоугольник распределения), то плотность вероятностей графически представляет собой непрерывную гладкую линию (или кусочно-гладкую, если на разных отрезках задаётся разными функциями). Аналитически задаётся формулой. Если закон распределения дискретной с.в. ставит каждому значению x в соответствие определённую вероятность, то про плотность распределения такого сказать нельзя. Для непрерывных с.в. можно найти только вероятность попадания в какой-либо интервал. Считается, что для каждого отдельного (одиночного) значения непрерывной с.в. вероятность равна нулю. И графически вероятность попадания в интервал выражается площадью фигуры, ограниченной сверху графиком плотности вероятности, снизу осью ОХ, с боков - рассматриваемым интервалом. Свойства плотности вероятности: 1) Значения функции неотрицательны, т.е. f(x)≥0 2) Основное свойство плотности вероятности: несобственный интеграл от плотности вероятности в пределах от -∞ до +∞ равен единице (геометрически это выражается тем, что площадь фигуры, ограниченной сверху графиком плотности вероятности, снизу - осью OX, равна 1).
Функция распределения случайной величины, она же интегральная функция распределения вероятностей - это функция, определяющая для каждого значения x вероятность того, что случайная величина (ξ) примет значение меньшее, чем x: F(x) = P(ξ < x). Численно функция распределения равна площади фигуры, ограниченной сверху графиком плотности вероятности, снизу осью ОХ, с боков - рассматриваемым интервалом. Основные свойства: 1) Значения функции распределения лежат в интервале [0; 1], т.е. 0 ≤ F(X) ≤ 1 2) Это функция неубывающая, при x→-∞ F(X)→0, при x→+∞ F(X)→1 3) Вероятность попадания в интервал (a, b) определяется формулой F(b) - F(a) Взаимосвязь интегральной и дифференциальной функций распределения вероятностей:
