- •Высшая математика
- •Часть 3
- •Тема 5. Элементы теории вероятностей
- •5.1. Случайное событие
- •5.1.1. Вероятность случайного события
- •Задачи для самостоятельного решения
- •5.1.2. Статистическое определение вероятности
- •Задачи для самостоятельного решения
- •5.1.3. Закон сложения вероятностей
- •Задачи для самостоятельного решения
- •5.1.4. Условная вероятность
- •5.1.5. Закон умножения вероятностей
- •5.1.6. Формула полной вероятности. Формула Байеса
- •5.1.7. Схема Бернулли.
- •5.2. Случайные величины
- •5. 2. 1. Закон распределения случайной величины
- •5.2.2. Функция распределения случайных величин
- •5.2.3. Числовые характеристики дискретной случайной величины
- •5.2.4. Плотность вероятности непрерывных случайных величин
- •5.2.5 Нормальный закон распределения
- •Тема 6.
- •6.1. Основные понятия математической статистики.
- •6.2 Статистические оценки параметров распределения.
- •6.2.1. Характеристика положения
- •6.2.2. Характеристика рассеяния вариант вокруг своего среднего.
- •6.3. Оценка параметров генеральной совокупности по ее выборке
- •6.3.1. Точечная оценка параметров генеральной совокупности
- •6.3.2. Интервальная оценка параметров генеральной совокупности
- •Тема 7.Статистическая проверка гипотез
- •7.1.Терминология
- •7.2.Общая постановка задачи проверки гипотез
- •7.3.Проверка гипотез относительно средних
- •7.4.Проверка гипотез для дисперсий
- •Тема 8. Корреляционный и регрессионный анализ
- •8.1. Функциональная и корреляционная зависимости
- •8.2. Коэффициент линейной корреляции и его свойства
- •Свойства коэффициента корреляции r.
- •8.3. Проверка гипотезы о значимости выборочного коэффициента линейной корреляции
- •8.4. Выборочное уравнение линейной регрессии. Метод наименьших квадратов
- •8.5. Нелинейная регрессия
5.2.5 Нормальный закон распределения
Этот закон наиболее часто встречается на практике. Он является предельным законом, к которому приближаются другие законы распределения. Нормальное распределение является одним из самых важных распределений в статистике. Обычно все сравнивают с нормальным законом распределения.
Непрерывная случайная величина Х имеет нормальный закон распределения (закон Гаусса) с параметрами μ и σ ², если ее плотность вероятности имеет вид:
Вероятность того, что нормально распределенная случайная величина x со средним μ и средним квадратическим отклонением σ (стандартное отклонение) находится между (μ–σ) и (μ+σ), равна 0, 68, т.е. 68% случайной величины x отличается от среднего не более чем на одно стандартное отклонение ±σ.
Вероятность того, что нормально распределенная случайная величина x со средним μ и средним квадратическим отклонением σ (стандартное отклонение) находится между (μ–2 σ) и (μ+ 2 σ) равна 0,95,т.е. 95% случайной величины x отличается от среднего не более чем на одно стандартное отклонение ± 2 σ.
Вероятность того, что нормально распределенная случайная величина x со средним μ и средним квадратическим отклонением σ (стандартное отклонение) находится между (μ–3 σ) и (μ+ σ 3), равна 0, 99т.е. 99% (практически достоверно). Это свойство носит название правило трех сигм (рис. 5.4 ).
5.4 Правило трех сигм.
Для случайной величины X, распределенной по нормальному закону, вероятность попадания ее значений в интервал (, ) вычисляется по формуле:
P(<X<) = Ф - Ф ,где Ф(x) – функция Лапласа.
Вероятность отклонения нормально распределенной случайной величины от ее математического ожидания менее чем на равна:
P ( X – a < ) = 2Ф
Задача 5.29.
Средняя масса годовалого осетра 230 г, среднее квадратичное отклонение 5 г. Полагая, что случайная величина X, равная массе годовалого осетра, распределена нормально, найти: 1) вероятность того, что масса на удачу выловленного осетра будет заключена в пределах от 220 г до 240 г;
2) вероятность того, что абсолютная величина отклонения значений случайной величины от ее математического ожидания окажется меньше 3 г;
3) по правилу трех сигм найти наименьшую и наибольшую границы предполагаемой массы годовалого осетра.
Решение.
В соответствии с принятыми обозначениями (см. формулу выше):
А = 230 (г), = 5 (г), = 240 (г) и обозначим = 3(г). Тогда
1)P(220 < x < 240) = Ф - Ф = Ф(2) – Ф(2) = 2Ф(2) = 0,9544.
2 )P( X – a < ) = p(a - < x < a + ) = Ф - Ф =
= Ф - Ф = 2Ф .
О ткуда Р( X – 230 < 3) = 2Ф = 2Ф(0,6) = 2 0,2257 = 0,4514.
3) 3 = 3 5 = 15 (г). Значит наибольшая и наименьшая границы будут 230 15 (г). То есть масса годовалого осетра заключена в интервале от 215 г до 245 г с вероятностью 0,997 1,0.
Свойства функции Ф(х):
1) Ф(-х) = - Ф(х);
2) если х > 5, то Ф(х) 0,5.
Задача 5.30.
Вероятность того, что подготовка почвы к посеву выполнена с соблюдением требований агротехники 0,75. Найти вероятность того, что из 100 делянок почва подготовлена к посеву не меньше чем на 70 и не больше чем на 80.
Решение.
По условию, p = 0,75; q = 1 – 0,75 = 0,25; n = 100; K1 = 70, K2 =80.
P100(70,80) = Ф(x2) – Ф(x2)
x 1 = = - 1,15;
x2 = = 1,15.
Таким образом, имеем P100(70,80) = Ф(+1,15) – Ф(-1,15) = Ф(1,15) + Ф(1,15) = 2Ф(1,15).
По таблице находим Ф(1,15) = 0б3749.
Искомая вероятность P100(70,80) = 2 0,3749 = 0,7498.
Задачи для самостоятельного решения
41. Случайная величина Х задана законом распределения:
Хl |
2 |
3 |
10 |
Pl |
0,1 |
0,4 |
0,5 |
Найти математическое ожидание и среднее квадратическое отклонение σ(X). Построить многоугольник распределения.
42. Найти дисперсию случайной величины Х, зная закон ее распределения. Построить многоугольник распределения.
Xl |
0,1 |
2 |
10 |
20 |
Pl |
0,4 |
0,2 |
0,15 |
0,25 |
43. Найти дисперсию случайной величины Х, зная закон ее распределения. Построить многоугольник распределения.
Xl |
-1 |
1 |
2 |
3 |
Pl |
0,48 |
0,01 |
0,09 |
0,42 |
44. Дискретная случайная величина X имеет закон распределения.
Xl |
0,2 |
0,4 |
0,6 |
0,8 |
1 |
Pl |
0,1 |
0,2 |
0,4 |
P4 |
0,1 |
Чему равна вероятность P4 (X=0,8)? Построить многоугольник распределения. Найти математическое ожидание и дисперсию.
45. Составьте дифференциальную функцию для нормально распределенной случайной величины и постройте её график, если даны её параметры:
1) М(Х)=4, σ=0,2; 2) М(Х)=-0,5, σ=2; 3) М(Х)=3, σ=0,25; 4) М(Х)=0, σ=1.
46. Заданы математическое ожидание m и среднее квадратическое σ нормально распределённой случайной величины x. Найти: 1) вероятность того, что х примет значение, принадлежащее интервалу (α,β); 2) вероятность того, что абсолютная величина отклонения ׀х-m׀ окажется меньше δ.
1. m=15, σ=2, α=16, β=25, δ=4.
2. m=14, σ=4, α=18, β=34, δ=8.
3. m=13, σ=4, α=15, β=17, δ=6.