Биноминальное распределение
Пусть производится n независимых испытаний, в каждом из которых событие А может появиться либо не появиться. Вероятность наступления события во всех испытаниях постоянна и равна р, тогда вероятность не появления q =1- p . Рассмотрим в качестве дискретной случайной величины Х число появления события А в этих испытаниях. Найдем закон распределения величины Х. Событие А в n испытаниях может появиться либо не появиться, Следовательно Х может принимать следующие значения х1=0, х2=1, х3=2, и так далее. Вероятность данных значений можно найти используя формулу Бернулли: , Биноминальным называют распределение вероятностей, определяемое формулой Бернулли. Данный закон назван биноминальным потому, что правую часть равенства можно рассматривать, как общий член разложения бинома Ньютона. Напишем биноминальный закон в виде таблицы:
3.4Распределение Пуассона
Пусть производится n независимых испытаний, в каждом из которых вероятность появления события А равна р. Для определения вероятности к появлений события А используют формулу Бернулли. Если n велико то пользуются формулой ЛапласаЮ однако эта формула непригодна, если вероятность события мала (p<0.1). В этих случаях (n велико, а р – мало). Используют формулу Пуассона: , Где . Эта формула выражает закон распределения Пуассона вероятностей массовых и редких событий. Имеются специальные таблицы, пользуясь которыми можно найти значения , если нам известны и к. 3.5 Математическое ожидание и дисперсия
Как известно закон распределения полностью характеризует случайную величину. Однако часто закон распределения неизвестен и приходится ограничиваться меньшими сведениями. Также для решения многих задач не нужно знать распределения случайной величины, а достаточно знать лишь некоторые обобщающие числовые хараткеристики этого распределения. Одной из таких характеристик является математическое ожидание. Для более наглядного определения рассмотрим подход к этому понятию на конкретном примере. Пусть имеется дискретная случайная величина Х, которая может принимать значения х1, х2, …, х n. Вероятности которых соответственно равны р1, р2, …, р n. Тогда математическое ожидание М(Х) случайной величины Х определяется равенством: . Если дискретная случайная величина Х принимает счетное множество всевозможных значений, то , Причем математическое ожидание существует, если ряд в правой части равенства сходится абсолютно. Математическое ожидание приближенно равно (тем точнее, чем больше число испытаний) среднему арифметическому наблюдаемых значений случайной величины. Свойства математического ожидания: 1. Математическое ожидание постоянной величины равно самой постоянной М(С)=С. 2. Постоянный сомножитель можно выносить за знак математического ожидания М(СХ)=СМ(Х). 3. Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий М(ХУ)=М(Х)М(У). 4. Математическое ожидание числа появлений события А в n независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом испытании М(Х)= np . Для непрерывных случайных величин дисперсию можно найти по следующей формуле: . На практике часто требуется оценить рассеяние возможных значений случайно величины вокруг ее среднего значения. Например в артиллерии важно знать, насколько кучно лягут снаряды вблизи цели, которая должна быть поражена. Именно такие задачи решает дисперсия. Дисперсией случайной величины Х называется математическое ожидание квадрата отклонений случайной величины от ее математического ожидания. Дисперсия обозначается, как D ( x ) D (Х)= M [ X -М(Х)]2. Для вычисления дисперсии часто бывает удобно пользоваться следующей формулой: Дисперсия равна разности между математическим ожиданием квадрата случайной величины Х и квадратом ее математического ожидания D (Х)= M ( X )2-[М(Х)]2. Свойства дисперсии: 1. Дисперсия постоянной величины С равна 0 D (С)=0. 2. Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат D (СХ)=С2 D (Х). 3. Дисперсия суммы двух независимых случайных величин равна сумме дисперсий этих величин D (Х+У)= D ( X )+ D (У). 4. Дисперсия разности двух независимых случайных величин равна сумме их дисперсий D (Х-У)= D ( X )+ D (У). 5. дисперсия числа появлений события А в n независимых испытаниях, в каждом из которых вероятность р появления события постоянна, равна n произведению числа испытаний на вероятности появления и не появления события в одном испытании: D (Х)= npq . Для оценки рассеяния всевозможных значений случайной величины вокруг ее среднего значения кроме дисперсии служат и другие величины. Средним квадратическим отклонением величины Х называют квадратный корень из дисперсии .
Популярное: Организация как механизм и форма жизни коллектива: Организация не сможет достичь поставленных целей без соответствующей внутренней... Почему двоичная система счисления так распространена?: Каждая цифра должна быть как-то представлена на физическом носителе... Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (183)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |