КРАТКИЕ СВЕДЕНИЯ ИЗ ТЕОРИИ ВЕРОЯТНОСТЕЙ
Функция распределения и плотность
распределения случайной величины
Количественный анализ надежности осуществляется с помощью методов теории вероятностей и математической статистики, предназначенных для изучения случайных величин и событий. Именно случайность является характерной особенностью проблем, возникающих при изучении надежности. Случайными являются моменты возникновения отказов, продолжительность безотказной работы изделий и т.п. Для конкретности под случайной величиной будем понимать продолжительность безотказной работы (ресурс) изделия.
Случайной величиной называют переменную величину, которая в результате опыта может принимать различные значения. Случайные величины обычно обозначают большими буквами, например, Х. Значения случайной величины, которые она принимает в результате опыта, обозначают малыми буквами . При массовых испытаниях каждое из возможных значений случайной величины может встретиться m 1, m 2 ,…,mn раз. Эти числа называют частотами. Весь набор значений случайной величины называют генеральной совокупностью N x. Отсеянные из генеральной совокупности N xзначения грубых ошибок образуют выборку объема N. Если всего было проведено N x испытаний, то в результате выборки получаем , и отношение mi/N называют частостью или относительной частотой.
|
|
Случайные величины бывают дискретными и непрерывными.
Дискретными случайными величинами называют такие, которые могут принимать конечное и счетное множество возможных значений, например: 0,1; 0,2; 0,3 и т.д. К дискретным случайным величинам относится и формула Бернулли для определения вероятности:
Pm,n =Cnm Pm Qn-m = Pm Qn-m ,
где n - количество опытов; m = 0, 1, 2, … – количество событий; Q =1- P.
Пример 1.1. Известно, что вероятность Р безотказной работы изделия при каждом испытании равна 0,8. Проводят n = 10 испытаний. Найти вероятность того, что из 10 испытаний m (m = 2) испытаний будут успешными.
Решение. Для нахождения вероятности воспользуемся формулой Бернулли:
Р 2,10 =С102 ∙0,82(1 - 0,8)8 = ∙0,82 ∙0,28=0,00073.
Полученное значение дает 0,073%-ную вероятность.
В технических приложениях наиболее часто встречаются распределения дискретных случайных величин по биноминальному закону и по закону Пуассона (закону редких событий).
Биноминальный закон распределения встречается при повторении испытаний. Если n раз производятся независимые одинаковые опыты, причем вероятность повторения изучаемого события в каждом опыте постоянна и равна P, а вероятность его непоявления Q =1– P, тогда вероятность появления данного события точно xi раз определится по формуле
|
|
.
Распределение обладает следующими свойствами:
· область значений – целые положительные числа от 0 до n;
· вероятность P может иметь любое значение между 0 и +1;
· при P = 1/2 закон распределения симметричный;
· N – целое положительное число;
· среднее значение = n∙P;
· среднеквадратическое отклонение .
Распределение по закону Пуассона встречается в задачах о повторении испытаний, в которых вероятность ожидаемого события очень мала. В технике это распределение применимо при определении числа редких компонентов на единицу площади или объема, числа атмосферных помех при радиопередачах, при расчете количества запасных частей, определении вероятности восстановления сложных систем и т.п. Закон распределения Пуассона имеет вид:
,
где а – параметр распределения; хi = 0, 1, 2, ….
Свойства распределения:
· распределение несимметричное;
· несимметричность особенно сильно выражена при малых значениях а;
· среднее значение ;
· среднее квадратическое отклонение .
Непрерывными случайными величинами называют такие, которые в некотором интервале могут принимать любое значение. Число бракованных изделий в различных выборках из генеральной совокупности есть дискретная случайная величина, а размер этих изделий – непрерывная случайная величина.
Всякую непрерывную случайную величину можно задать в виде дискретной, если все возможные ее значения разбить на интервалы и задать вероятности появления этих интервалов (из-за ограниченности измерительных средств все замеры непрерывных величин задаются в дискретном виде). Случайные величины характеризуются функциями распределения вероятностей.
Кроме случайной, на практике приходится иметь дело и с систематической величиной. Это такая величина, которая остается постоянной или закономерно изменяется при повторных измерениях одного и того же физического параметра. Она может возникнуть, например, из-за неправильного монтажа устройства или из-за постоянного внешнего воздействия (нагрев, вибрация и т.д.). Систематическая величина может быть исключена путем введения поправки, равной по величине и обратной по знаку погрешности.
Рассмотрим описание распределения случайных величин. Если X – случайная величина, а x – некоторое ее значение, то вероятность Р того, что случайная величина X не превысит значения x, т.е. попадет в интервал
F (x) = P (X< x),
где F (x) – интегральная функция распределения (рис. 1.1.), определяющая вероятность того, что случайная величина примет значения, не превосходящие хi.
Ее задание и определяет закон распределения случайной величины Х. В общем случае функция распределения F (x) может быть как разрывной, так и непрерывной. Конкретные виды функции распределения для некоторых важных распределений будут рассмотрены ниже.
В большинстве практически важных случаев распределение недискретных случайных величин может быть задано в другой форме с помощью введения функции плотности вероятностейf (x).
Характерной особенностью случайной величины является то, что заранее не известно, какое из значений она примет. Возможность принятия случайной величиной Х значения из элементарного интервала (х 1, х 2) количественно оценивается вероятностью
P (x 1 <X x 2) = f (x)dx, (1.1)
где P (x 1 <X x 2) – вероятность указанного события (x 1<X x 2); f (х) - плотность распределения случайной величины; x 2= x 1+dх.
Плотность f (х) является важнейшей характеристикой, задающей распределение случайной величины. Плотность удовлетворяет двум условиям: она неотрицательна и интеграл от нее в полных пределах изменения аргумента х равен единице:
. (1.2)
Как видно из формулы (1.1), функция распределения F (х) выражается через плотность f( х ):
. (1.3)
С другой стороны, если плотность f (х) непрерывна в точке х, то ее значение в этой точке равно производной от функции F (х):
|
|
. (1.4)
При этом предположении функция распределения F (x)будет являться первообразной для плотности f (x). Поэтому
,
f (x)называют также дифференциальной функцией распределения.
Из свойств плотности f (x) и определения функции следует, что последняя – неотрицательна, не убывает и равна 0 и 1 при значении аргумента
и :
F (х) 0; F (х 1) F (х 2)при x 1 >х 2; F (– ) = 0; F () = 1.
График плотности распределения f (x)называется кривой распределения случайной величины. Исходя из геометрической интерпретации интеграла как площади соответствующей криволинейной трапеции заключаем, что для произвольного < х 0<+ число F (x 0)равно площади под кривой распределения, лежащей левее прямой х =х 0. Аналогично интерпретируется вероятность P (x 1 < x x 2)(рис.1.2).
Случайная величина x, для которой существует плотность распределения f (x), называется непрерывной.
Если под случайной величиной X понимать продолжительность безотказной работы объекта, то произведение f (х)dх есть вероятность отказа объекта в интервале времени (х 1, х 2).Значение функции распределения F (х) равно вероятности отказа объекта до момента х. В теории надежности часто употребляют такое понятие, как вероятность безотказной работы Р (х), которое является дополнительным понятием к функции распределения F (x).
Значение вероятности безотказной работы в точке х равно вероятности того, что случайная величина X превыситх, т. е. изделие будет работать безотказно в течение времени x:
Р (х) = 1– F (х)= P { X> х}.
Функция Р (х) называется также функцией надежности. Примерные графики функции распределения F (х)и функции надежности Р (х)изображены на рис. 1.3.
На практике часто располагают дополнительной информацией о том, что случайная величина превысила некоторое значение х(в частности, это изделие проработало время xи не отказало).
Разумеется, эта информация изменяет возможность принятия случайной величиной тех или иных значений. В связи с этим вводят специальную функцию - интенсивность отказов . Значение интенсивности отказов в точке х, умноженное на d х, равно вероятности принятия случайной величиной значения из элементарного интервала (х 1, х 2) при условии, что эта случайная величина X больше х:
|
|
(х)dx = P {x < X x + dx|X > x},
где символ «|» означает «при условии, что…».
В нашем контексте есть вероятность отказа изделия сразу после момента времених, если оно до этого не отказало.