Экспоненциальное распределение
Распределение Пуассона
Биномиальное распределение
Законы распределения
Из множества распределений случайных величин, имеющих место в практических ситуациях, остановимся пока на некоторых, играющих наиболее важную роль в задачах управления качеством: из дискретных рассмотрим биномиальное распределение и распределение Пуассона, из непрерывных - нормальное, экспоненциальное, а также распределения, используемые в статистических расчетах: хи-квадрат, Стьюдента и Фишера.
Пусть проводится эксперимент, в результате которого нас интересует, произошло событие А или не произошло. Случай, в котором событие А произошло, назовем успехом, вероятность этого события Р{А) = р. Если же событие А не произошло, то его вероятность Р() = 1 — р = q.
Предположим теперь, что серия независимых испытаний такого типа проводится п раз. Нас интересует вероятность события, состоящего в том, что успех произошел ровно т раз, или вероятность того, что дискретная случайная величина X, равная числу успехов, примет значение т. Решение этой задачи имеет вид:
где - число сочетаний из п элементов по т.
Формула (3.27) и задает биномиальный закон распределения дискретной случайной величины X (в ее правой части — разложение бинома (р + q)n).
Можно доказать, что математическое ожидание случайной величины X, имеющей биномиальное распределение, равно
тх= пр,
а дисперсия
Dx = npq.
Пусть в условиях биномиального распределения число испытаний п велико, а вероятность успеха р мала. Если при этом пр = λ = const, то можно показать, что (при n→ ∞, р → 0)
Дискретная случайная величина X имеет распределение Пуассона с параметром λ, если
где параметр λ = пр > 0. Учитывая, что вероятность р мала, распределение Пуассона часто интерпретируют как закон редких явлений.
Можно показать, что математическое ожидание и дисперсия случайной величины X, имеющей распределение Пуассона, одинаковы и равны параметру λ:
mx=Dx=λ
Экспоненциальным (или показательным) называется распределение непрерывной случайной величины, плотность которой
при х > 0 (при х = 0 → f(х) = 0). Функцию показательного распределения можно получить из формулы (3.13):
F(x) = 1 – e-λx
Графики плотности и функции экспоненциального распределения показаны на рис. 3.4.
Рисунок 4.1 – Графики плотности и функции экспоненциального распределения.
Математическое ожидание случайной величины X, имеющей экспоненциальное распределение, равно
тх= 1 /λ,
а дисперсия
Dх = 1 / λ2.
Наиболее распространенным на практике является нормальный закон распределения. Нормальным распределением (или законом Гаусса) называется распределение непрерывной случайной величины, плотность которой определяется по формуле
где тиσ — параметры распределения.
Функция нормального распределения в соответствии с (3.13)
Для краткой записи нормального распределения с параметрами m и σ используют обозначение N( m, σ). Можно доказать, что параметр т равен математическому ожиданию, а параметр σ — стандартному отклонению случайной величины X.
В частном случае параметры т = 0, σ = 1. Нормальное распределение N (0, 1) называется стандартным нормальным распределением. В этом случае плотность распределения
Кривая распределения, построенная по формуле (3.34), на рис. 3.5 имеет колоколообразный вид, вертикальная ось является осью симметрии, горизонтальная — асимптотой. Максимальное значение ординаты равно
При значениях аргумента х = ± 3 значения функции близки к нулю. При общей площади под кривой распределения, равной единице, в этом диапазоне лежит 99,73%. Заметим, что в диапазоне х = ± 2 лежит 95,44% площади под кривой распределения, а в диапазоне х = ±1 - 68,26%.
При изменении параметра т график сдвигается вправо или влево так, что прямая х = т — ось симметрии (рис. 3.6). При увеличении параметра σ (рис. 3.7) максимум кривой распределения снижается, при уменьшении σ кривая вытягивается вверх, при этом по условию нормировки площадь под кривой распределения остается постоянной (и равной единице).
Вновь рассмотрим стандартное нормальное распределение N(0,1). Функция такого распределения иногда называется функцией Лапласа, она имеет специальное обозначение
Эта функция табулирована. Например, Ф(2,48) = 0,9934. График функции показан на рис. 3.8.
Рисунок 4.2 – График функции стандартного нормального распределения.
Из симметрии графика вытекает соотношение
Ф(-х) = 1 - Ф(х).