logo
Назад Далее
Главная
Содержание
Ссылки
Студентам

Версия для печати

Содержание раздела
1. Классическое определение вероятности.Алгебра событий. 2. Теорема сложения и умножения вероятностей. 3. Формула полной вероятности и формула Байеса. 4. Биномиальное распределение и распределение Пуассона. 5. Законы распределения непрерывной случайной величины. 6. Нормальный закон распределения вероятностей. 7. Числовые характеристики дискретных и непрерывных случайных величин. 8. Случайные векторы (системы нескольких случайных величин). >> Дальше с 9 - 16
Лекция 6.

Нормальный закон распределения вероятностей. Нормальная кривая. Функция Лапласа. Вычисление вероятности попадания в заданный интервал нормальной случайной величины. Правило трех сигм. Показательное распределение. Функция надежности. Показательный закон надежности.

Определение 6.1. Непрерывная случайная величина называется распределенной по нормальному закону, если ее плотность распределения имеет вид:

                                                                                             (6.1)

Замечание. Таким образом, нормальное распределение определяется двумя параметрами: а и σ.

График плотности нормального распределения называют нормальной кривой (кривой Гаусса). Выясним, какой вид имеет эта кривая, для чего исследуем функцию (6.1).

1)      Область определения этой функции: (-∞, +∞).

2)      f(x) > 0 при любом х (следовательно, весь график расположен выше оси Ох).

3)       то есть ось Ох служит горизонтальной асимптотой графика при

4)       при х = а;  при x > a,  при x < a. Следовательно,  - точка максимума.

5)      F(xa) = f(ax), то есть график симметричен относительно прямой х = а.

6)       при , то есть точки  являются точками перегиба.

Примерный вид кривой Гаусса изображен на рис.1.

х

                              Рис.1.

Найдем вид функции распределения для нормального закона:

                                                            (6.2)

Перед нами так называемый «неберущийся» интеграл, который невозможно выразить через элементарные функции. Поэтому для вычисления значений F(x) приходится пользоваться таблицами. Они составлены для случая, когда а = 0, а σ = 1.

Определение 6.2. Нормальное распределение с параметрами а = 0, σ = 1 называется нормированным, а его функция распределения

                        -                                                               (6.3)

-         функцией Лапласа.

Замечание. Функцию распределения для произвольных параметров можно выразить через функцию Лапласа, если сделать замену: , тогда .

Найдем вероятность попадания нормально распределенной случайной величины на заданный интервал:

                                     (6.4)

Пример. Случайная величина Х имеет нормальное распределение с параметрами а = 3, σ = 2. Найти вероятность того, что она примет значение из интервала (4, 8).

Решение.

                                    Правило «трех сигм».

Найдем вероятность того, что нормально распределенная случайная величина примет значение из интервала (а - 3σ, а + 3σ):

 

Следовательно, вероятность того, что значение случайной величины окажется вне этого интервала, равна 0,0027, то есть составляет 0,27% и может считаться пренебрежимо малой. Таким образом, на практике можно считать, что все возможные значения нормально распределенной случайной величины лежат в интервале (а - 3σ,    а + 3σ).

Полученный результат позволяет сформулировать правило «трех сигм»: если случайная величина распределена нормально, то модуль ее отклонения от х = а не превосходит 3σ.

                             

Показательное распределение.

Определение 6.3. Показательным (экспоненциальным) называют распределение вероятностей непрерывной случайной величины Х, которое описывается плотностью

                                                                                          (6.5)

В отличие от нормального распределения, показательный закон определяется только одним параметром λ. В этом его преимущество, так как обычно параметры распределения заранее не известны и их приходится оценивать приближенно. Понятно, что оценить один параметр проще, чем несколько.

Найдем функцию распределения показательного закона:

   Следовательно,

                                                                                        (6.6)

Теперь можно найти вероятность попадания показательно распределенной случайной величины в интервал (а, b):

                                        .                                         (6.7)

Значения функции е можно найти из таблиц.

                                        Функция надежности.

Пусть элемент (то есть некоторое устройство) начинает работать в момент времени t0 = 0 и должен проработать в течение периода времени t. Обозначим за Т непрерывную случайную величину – время безотказной работы элемента, тогда функция                F(t) = p(T > t) определяет вероятность отказа за время t. Следовательно, вероятность безотказной работы за это же время равна

                                    R(t) = p(T > t) = 1 – F(t).                                        (6.8)

Эта функция называется функцией надежности.

               Показательный закон надежности.

Часто длительность безотказной работы элемента имеет показательное распределение, то есть

                           F(t) = 1 – e-λt .                      

Следовательно, функция надежности в этом случае имеет вид:

                R(t) = 1 – F(t) = 1 – (1 – e-λt) = e-λt .

Определение 6.4. Показательным законом надежности называют функцию надежности, определяемую равенством

                                R(t) = e-λt ,                                                                       (6.9)

где λ – интенсивность отказов.

Пример. Пусть время безотказной работы элемента распределено по показательному закону с плотностью распределения  f(t) = 0,1 e-0,1t при  t ≥ 0. Найти вероятность того, что элемент проработает безотказно в течение 10 часов.

Решение. Так как λ = 0,1, R(10) = e-0,1·10 = e-1 = 0,368.


© ПГАТИ. Кафедра высшей математики.
Site Created by MDL Group - © 2005–2006 MDL Group. All rights reserved.