- •13 Числовые характеристики непрерывных случайных величин
- •14 Распределение вероятностей — это закон, описывающий область значений случайной величины и вероятности их принятия.
- •Функция и ряд распределения
- •Числовые характеристики положения о распределении Пуассона
- •Числовые характеристики разброса
- •Асимметрия и эксцесс распределения Пуассона
Функция и ряд распределения
Распределение Пуассона - это частный случай биномиального распределения (при n >> 0 и при p -> 0 (редкие события)).
Из математики известна формула, позволяющая примерно подсчитать значение любого члена биномиального распределения:
где a = n · p - параметр Пуассона (математическое ожидание), а дисперсия равна математическому ожиданию. Приведем математические выкладки, поясняющие этот переход. Биномиальный закон распределения
Pm = Cnm · pm · (1 - p)n - m
может быть написан, если положить p = a/n, в виде
или
Так как p очень мало, то следует принимать во внимание только числа m, малые по сравнению с n. Произведение
весьма близко к единице. Это же относится к величине
очень близка к e-a. Отсюда получаем формулу:
число Эйлера (2,71…).
,
Для производящей функции величины имеем:
Интегральная функция вероятности распределения равна
Классическим примером случайной величины, распределенной по Пуассону, является количество машин, проезжающих через какой-либо участок дороги за заданный период времен. Также можно отметить такие примеры, как количество звезд на участке неба заданной величины, количество ошибок в тексте заданной длины, количество телефонных звонков в call-центре или количество обращений к веб-серверу за заданный период времени.
Ряд распределения случайной величины Х, распределенной по закону Пуассона, выглядит следующим образом:
|
|
|
|
|
|
|
|
хm |
0 |
1 |
2 |
… |
m |
… |
|
Pm |
e-a |
|
|
… |
|
… |
|
|
|
|
|
|
|
|
|
На рис. 1 представлены многоугольники распределения случайной величины Х по закону Пуассона, соответствующие различным значениям параметра а.
Для начала убедимся, что последовательность вероятностей, может представлять собой ряд распределения, т.е. что сумма всех вероятностей Рmравна единице.
Используем разложение функции ех в ряд Маклорена:
Известно, что этот ряд сходится при любом значении х, поэтому, взяв х=а, получим
следовательно
Числовые характеристики положения о распределении Пуассона
Математическим ожиданием дискретной случайной величины называют сумму произведений всех ее возможных значений на их вероятности.
По определению, когда дискретная случайная величина принимает счетное множество значений:
Первый член суммы (соответствующий m=0) равен нулю, следовательно, суммирование можно начинать с m=1:
Таким образом, параметр а представляет собой не что иное, как математическое ожидание случайной величины Х.
Кроме математического ожидания, положение случайной величины характеризуется модой и медианой.
Модой случайной величины называется её наиболее вероятное значение.
Для непрерывной величины модой называется точкой локального максимума функции плотности распределения вероятностей. Если многоугольник или кривая распределения имеют один максимум (рис. 2 а), то распределение называется унимодальным, при наличии более одного максимума - мультимодальным (в частности, распределение, имеющее две моды, называется бимодальным). Распределение, имеющее минимум, называется антимодальным (рис. 2 б)
F(x) Pi
25
25
xmod x 0 x1 x2 x3 x4 x
Наивероятнейшим значением случайной величины называется мода, доставляющая глобальный максимум вероятности для дискретной случайной величины или плотности распределения для непрерывной случайной величины.
Медиана - это такое значение хl, которое делит площадь под графиком плотности вероятности пополам, т.е. медиана является любым корнем уравнения. Математическое ожидание может не существовать, а медиана существует всегда и может быть неоднозначно определенной.
Медианой случайной величины называется такое её значение
= x med, что P (< x med) = Р (> x med) =.