Возникает небольшая проблема в связи с тем, что нормальное распределение оперирует с непрерывными случайными величинами, в то время как биномиальное и пуассоновское — с дискретными. Но ее можно легко решить при помощи поправочного коэффициента, называемого "поправка на непрерывность".
Например, при помощи биномиального распределения можно вычислить вероятность существования двух бракованных образцов в выборке, состоящей из п штук. Используя нормальное распределение как замену биномиального, мы делаем допущение, что значение дискретной случайной величины 2 является значением непрерывной случайной величины на промежутке от 1,5 до 2,5. Это и называется поправкой на непрерывность. Нормальное распределение, которое мы использовали, имеет ту же среднюю, и стандартное отклонение, что и обычное биномиальное распределение. Площадь, покрываемая кривой нормального распределения на промежутке от 1,5 до 2,5, представляет собой приблизительное значение дискретной вероятности появления двух бракованных образцов.
|
|
Замена распределений производится только, если обычное биномиальное распределение очень трудоемко и к тому же сеществуют определенные предпосылки. В 2.5 мы использовали распределение Пуассона как замену биномиального. Это было возможно, если а — велико, р — мало и пр 5 5. Биномиальное распределение можно заменить нормальным, если пр, как и nq, больше 5, т.е. а должно быть большим, р больше 0,1, лучше всего около 0,5. Безусловно, указанные значения носят приблизительный характер. Тем не менее, чем больше п, пр и nq, тем точнее замена.
Среднее и стандартное отклонение биномиального распределения имеют вид:
Е (г) = пр [» ц] и о = Vnpq.
Эти величины используются для вычисления г при применении нормального распределения (как показано в 2.7).
□ Пример 2.14. Каждый день завод производит огромное количество чипсов, 40% из которых бракованные. Для проверки качества отбираются 20 образцов из. произведенных за день чипсов. Какова вероятность, что 14 или больше из 20 бракованные?
Решение.
Произведем расчеты, используя обычное нормальное распределение:
Р (г дефектов в 20 образцах) * (0,4) ' х (0,6) 20гх20Сг; г = 0, 1.......... 20;
Р (14 или больше дефектов)» Р(14) + Р(15) + Р(16) + Р(17) + Р(18) + Р(19) + Р(20);
Р (14) - 0,4м х 0.66 х -rj^L - 0,004854;
Р (15) = 0,41S х 0,65 х -^г = 0,001294;
Гл. 2. Вероятностные распределения 67
201 17131 | - 0,000042; |
201 18121 | - 0,000005; |
201 19! 11 | - 0,000000; |
«0,000000. |
201 Р (16) - 0,416 х 0,64 х
Р (17) ш 0.417 х 0,63 х
Р (18) = 0,418 х 0,62 х
Р (19)» 0.419 х 0.61 х
Р (20) - 0,420 х 0,6° х
0,006465 Р (14 нлн больше чипсов в выборке из 20 — бракованные) = 0,006465.
Расчеты с заменой биномиального распределения нормальным чрезвычайно просты. Сначала проверим, можно ли произвести замену: ар = 20 х 0,4 = 8; nq = 20 х 0,6 = 12. Полученные результаты показывают, что применение нормального распределения в качестве приближения биномиального распределения возможно.
|
|
Теперь произведем проверку на непрерывность. Дискретное значение, равное 14, заменяем непрерывной случайной величиной на промежутке от 13,5 до 14,5. Вместо того, чтобы находить вероятность дискретной величины 14 и более дефектов, мы найдем вероятность значения непрерывной случайной величины более чем 13,5 дефектов. Среднее нормального распределения: пр = 8, отсюда стандартное отклонение равно:
Vnpq - V 20 х 0,4 х 0,6 = 2,19. Рассчитаем значение г для 13,5:
, 13,5 - 8,,.
(значение случайной величины на 2,51 стандартных отклонения больше среднего). По таблице стандартного нормального распределения находим:
Р (z*2,51) =0,0060.