Пользователь Пароль
Забыли пароль? Регистрация
Содержание >> Прикладная математика >> Математическая статистика >> Элементы математической статистики >> Распределения непрерывных случайных величин

Элементы математической статистики - Распределения непрерывных случайных величин

Распределения непрерывных случайных величин

Равномерное распределение. Непрерывная величина  Х  распределена равномерно на интервале (a, b), если все ее возможные значения находятся на этом интервале и плотность распределения вероятностей постоянна:

            (29)


Для случайной величины Х , равномерно распределенной в интервале (a, b) (рис. 4), вероятность попадания в любой интервал (x1, x2), лежащий внутри интервала (a, b), равна:

           (30)
Ris4_mat_stat.gif
Рис. 4. График плотности равномерного распределения

 

Примерами равномерно распределенных величин являются ошибки округления. Так, если все табличные значения некоторой функции округлены до одного и того же разряда , то выбирая наугад табличное значение, мы считаем, что ошибка округления выбранного числа есть случайная величина, равномерно распределенная в интервале

Показательное распределение. Непрерывная случайная величина  Х  имеет показательное распределение, если плотность распределения ее вероятностей выражается формулой:

          (31)

График плотности распределения вероятностей (31) представлен на рис. 5.

Ris5_mat_stat.gif
Рис. 5. График плотности показательного распределения

 

Время Т безотказной работы компьютерной системы есть случайная величина, имеющая показательное распределение с параметром λ , физический смысл которого – среднее число отказов в единицу времени, не считая простоев системы для ремонта.

Нормальное (гауссово) распределение. Случайная величина  Х  имеет нормальное (гауссово) распределение, если плотность распределения ее вероятностей определяется зависимостью:

            (32)

где m = M(X) , .

При   нормальное распределение называется стандартным.

График плотности нормального распределения (32) представлен на рис. 6.

Ris6_mat_stat.gif
Рис. 6. График плотности нормального распределения

 

Нормальное распределение является наиболее часто встречающимся в различных случайных явлениях природы. Так, ошибки выполнения команд автоматизированным устройством, ошибки вывода космического корабля в заданную точку пространства, ошибки параметров компьютерных систем и т.д. в большинстве случаев имеют нормальное или близкое к нормальному распределение. Более того, случайные величины, образованные суммированием большого количества случайных слагаемых, распределены практически по нормальному закону.

Гамма-распределение. Случайная величина  Х  имеет гамма-распределение, если плотность распределения ее вероятностей выражается формулой:

              (33)

где     – гамма-функция Эйлера. 

Основные свойства гамма-функции:

Параметры  – любые положительные числа. Гамма-распределение является также распределением Пирсона типа III [3]. При гамма-распределение превращается в показательное распределение с параметром λ, так как Г(1) = 1. Гамма-распределение широко используется в математической статистике. Hа рис. 7 представлены графики плотности гамма-распределения (33) при .

Ris7_mat_stat.gif
Рис. 7. Графики плотности гамма-распределения

Главная | Дискретность | Пользование сайтом | Ссылки | Связь с нами
© Д-р Юрий Беренгард. 2010 - 2017
Последнее обновление: 23 июля 2015 г.


Rambler's Top100