- •Теория вероятностей
- •1. Предмет теории вероятностей
- •2. Действия над событиями.
- •3. Вероятность события.
- •4. Основные формулы комбинаторики.
- •5. Теорема сложения вероятностей.
- •6. Теорема умножения вероятностей.
- •7. Формула полной вероятности. Формула Байеса.
- •8. Случайная величина и закон ее распределения.
- •9. Функция распределения случайной величины.
- •10. Математическое ожидание и дисперсия случайной величины.
- •11. Схема независимых испытаний Бернулли.
- •12. Биномиальное распределение.
- •13. Распределение Пуассона.
- •14. Геометрическое распределение.
- •15. Равномерное распределение.
- •16. Показательное (экспоненциальное) распределение.
- •17. Нормальное распределение.
17. Нормальное распределение.
Нормальный закон распределения случайной величины X характеризуется плотностью
,
где m и >0 - постоянные параметры. График этой функции называется кривой Гаусса и имеет вид, представленный на рис.6.
Рис.6. Кривая плотности нормального распределения (кривая Гаусса)
Параметр m служит абсциссой точки максимума кривой,.
Рассмотрим влияние параметра на форму кривой. Параметр показывает насколько пологой является кривая Гаусса. Если велико, то кривая сильно прижата к оси абсцисс, а если - мало, то кривая имеет ярко выраженный максимум, а все значения случайной величины группируются достаточно близко к точкеm (см.рис.).
Для нормального распределения ,,.
Нормальный закон распределения - один из самых популярных в теории вероятностей, поскольку он часто используется для описания многих случайных явлений.
Например, для случайного отклонения фактического размера изделия от стандартного, рассеяния снарядов при артиллерийской стрельбе, ошибок, связанных с измерениями и измерительными приборами, роста людей.
Нормальное распределение применяется в ситуациях, когда на изучаемое явление воздействует большое количество случайных факторов, среди которых нет сильно выделяющихся.
Если m=0, =1, то соответствующая функция распределения
называется функцией Лапласа. Эта функция табулирована и содержится во всех справочниках по теории вероятностей.
Пользуясь таблицами , легко вычислить значения функции распределенияс параметрамиm и . Действительно, так как
,
то, делая замену переменных , получим
.
Отсюда следует простая формула для вычисления вероятности попадания случайной величины X в промежуток
.
Вычислим вероятность попадания нормально распределенной случайной величины в промежуток [m-3, m+3], пользуясь таблицами :
.
Соответствующая площадь показана штриховкой на рис.4. Полученный результат можно записать следующим образом
, или .
Таким образом, вероятность того, что абсолютная величина отклонения X от m превысит утроенное значение , очень мала и равна 0,003. Такое событие является практически невозможным. Полученное свойство называется правилом "трех сигм".
Пример 1. Вес коробок с шоколадными конфетами имеет нормальное распределение со средним m=1 кг. и средним квадратическим отклонением =0,02 кг. Определить, вероятность того, что вес коробки будет в пределах от 0,98 до 1,05 кг.
Пусть X - вес коробки, тогда
.
Пример 2. Средний рост 1000 солдат равен 1,81 м со стандартным отклонением 5 см. Предположив, что рост подчиняется нормальному распределению, оценить число солдат в группе, рост которых 1) больше или равен 1,87 м, 2) лежит между 1,72 м и 1,80 м.
Пусть X - рост солдата, тогда
1)
Число солдат с таким ростом равно 0,115.1000=115.
2)
Число солдат с таким ростом равно 0,385.1000=385.
Широкое распространение нормального распределения объясняется центральной предельной теоремой: если случайная величина X представляет собой сумму очень большого числа взаимно независимых случайных величин, влияние каждой из которых на всю сумму ничтожно мало, то X имеет распределение, близкое к нормальному.
Таким образом, каково бы ни было "индивидуальное" распределение случайных величин Xi, i=1,2,…,n, с ростом n исчезает влияние этой "индивидуальности" на "поведение" случайной величины X=X1+X2+…+Xn.
Распределение X достаточно точно задается функцией Лапласа.