Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
ТЕРВЕР.doc
Скачиваний:
25
Добавлен:
14.11.2019
Размер:
15.55 Mб
Скачать

Глава 2. Нормальная случайная величина

§ 1. Основные понятия и формулы

Непрерывная случайная величина Х распределена по нормальному закону (распределение Гаусса), если ее плотность распределения вероятности имеет вид (для х(-; )):

fx(x)=

Для краткости данный закон записывают так: X N (m, ). Распределение Гаусса имеет два параметра: m и . Причем, известно, что:

  • m = mx (M [X]) – это математическое ожидание СВ X;

  • = x (x =Dx ; = Dx ) – это среднеквадратичное отклонение СВ Х, а Dx – это дисперсия СВ Х.

Определение 1.2. Нормальная случайная величина называется стандартизированной, если Х N(0;1).

Замечание: Если Х  N (m, ), то случайная величина U = (Х-m)/ будет стандартизированной нормальной величиной, т.к.

  • M [U] = M [(X-m)/] = (1/)*(M[X]-m) = 0 (по свойствам математического ожидания);

  • D [U] = D [(X-m)/] = (1/2)*D[X] = (1/2)*2 = 1 (по свойствам дисперсии СВ Х).

В таблицах приведены значения функции плотности стандартизированной СВ:

φ =

Замечание:

  • φ(х)*dx = 1 (Площадь под графиком равна 1);

  • φ(-х) = φ(х).

Как найти значение f (x), если Х N (m, ), где m и известны:

  • Во-первых, f(x) = , т.е сначала надо найти x0 = (x-m)/

  • Затем по таблице необходимо найти φ (x0)

  • Наконец, вычислить значение f(x) = .

Ф ункцией распределения случайной величины Х называется функция, заданная на всей числовой оси и в каждой точке х её значения равны вероятности попадания в интервал слева от х.

Основные свойства:

  • D (F) = (-∞;∞)

  • E (F) = (0;1) или [0;1]: lim F (x) = 0 (при х (-∞)); lim F (x) = 1 (при х ∞)

  • Неубывающая функция: Если х1 > x2 , то F (х1) >= F (x2)

  • Если Х – непрерывная СВ, то F (x) – непрерывная функция; если Х – дискретная СВ, то F (x) – кусочно-постоянная функция (разрыв слева).

Эскиз графика функции распределения дискретной СВ

  • Связь между функцией плотности f (x) и функцией распределения F (x):

F (x) =

f (x) = F (x)

  • P {α < X < β} = =F (b) – F (a) - вероятность попадания в интервал [α;β]

Чтобы найти значение F (x) в любой точке вводят специальную функцию Лапласа, значения которой приведены в таблице. В разных таблицах можно встретить два варианта выражения функции Лапласа:

Ф (х) =

Вариант 1:

С войства:

  • Ф (-∞) = -½

  • Ф (+∞) = ½

  • Ф (-х) = Ф (х)

Тогда, чтобы получить значение F (x), если Х  N (m; ), используем формулу:

F (x) = ½ + Ф ((x-m)/)

В

Ф (х) =

ариант 2:

С войства:

  • Ф (-∞) = 0

  • Ф (+∞) = 1

  • Ф (-х) = 1 - Ф (х)

F (x) = Ф ((x-m)/)

О сновные формулы:

  1. P {X < a} = F (a) =

  1. Р {X > b}=1–F(b) =

  1. P {a < X < b} = F (b) – F (a) = Ф ((b-m)/) – Ф ((a-m)/)

  1. Правило «3*»: P {|X-m|< 3*} = 2 * Ф (3) = 0, 99973 - почти достоверное событие попасть в такой интервал

Схема Бернулли:

Проводится «n» испытаний. Возможны только два исхода: A (P(A)=p) и

А (P(А)=1-p=q). X – число появлений события А в «n» испытаниях.

bk = P {X = k}=

Формула Бернулли

k = 0, 1, 2…n

При больших «n» используют приближенные формулы:

bk , где =n*p (n-велико, р-мало)

Формула Пуассона:

Локальная формула Муавра-Лапласа:

bk , где  (х) =

Приближенная интегральная формула Муавра-Лапласа

bk  N (m;)

m = n*p

 =

Нормальный закон является предельным для биномиального: Х  N (m;), m = n*p,  =

P {k1<X<k2}=