Похожие презентации:
Законы распределения случайных величин. (Лекция 5)
1. Законы распределения случайных величин
1.2.
Законы распределения дискретных
случайных величин (биномиальный,
Пуассона).
Законы распределения непрерывных
случайных величин (равномерный,
нормальный, показательный.)
2. Биномиальный закон
Дискретная случайная величина X имеетбиномиальный закон распределения, если она
принимает значения 0, 1, 2, ..., m, ..., n
с вероятностями
Pn (m) P ( X m) C p q
m
n
где p+q=1, p>0, q>0,
m
n m
,
n!
C
.
m! (n m)!
m
n
3. Биномиальный закон
Ряд распределенияxi
pi
0
1
q
n
2
…
m
Cn1 pq n 1 Cn2 p 2 q n 2 …
Cnm p m q n m …
n
причем
p
…
i
n
pn
1
0
02.05.16
Ирина Юрьевна Хар
3
4. Биномиальный закон
n, pПараметры
Математическое ожидание
M ( X ) np
Дисперсия
D( X ) npq
Среднее квадратическое
отклонение
Мода
(наивероятнейшее число)
( X ) npq
02.05.16
np q Mo( X ) np p
Ирина Юрьевна Хар
4
5. многоугольники (полигоны) распределения случайной величины X, имеющей биномиальный закон распределения с параметрами n=5 и p (для p=0,2; 0,3; 0,5; 0
многоугольники (полигоны) распределенияслучайной величины X, имеющей биномиальный
закон распределения с параметрами
n=5 и p (для p=0,2; 0,3; 0,5; 0,7; 0,8)
6. Пример
Примерно 20%судебных дел – это дела
по обвинению в краже.
В порядке
прокурорского надзора
проверено 4 наудачу
отобранных дела.
Каково наивероятнейшее значение дел о краже среди
отобранных и какова вероятность этого значения?
7.
n 4,20
p
0,2,
100
РЕШЕНИЕ
q 1 0,2 0,8
np q Mo( X ) np p
4 0,2 0,8 Mo( X ) 4 0,2 0,2
0 Mo( X ) 1
m1 0, m2 1
8.
РЕШЕНИЕm1 0, m2 1
P4 (0) 0,8 0,4096
4
P4 (1) C 0,2 0,8 0,4096
1
4
1
3
9. Закон Пуассона
Дискретная случайная величина X имеет законраспределения Пуассона, если она
принимает значения 0, 1, 2, ..., m, ...
(бесконечное, но счётное множество значений) с
вероятностями
m
a a
P ( Х m)
e ,
m!
е = 2,71828...
10. Закон Пуассона
Ряд распределенияxi
pi
0
e
a
1
2
a e
a 2 e a
…
2
a
…
m
…
a m e a …
m!
pi 1
причем
0
02.05.16
Ирина Юрьевна Хар
10
11. Закон Пуассона
Параметрыа
Математическое
ожидание
M(X ) a
Дисперсия
D( X ) a
Среднее
(X) a
квадратическое
отклонение
Мода
a 1 Mo( X ) a
(наивероятнейшее
число) Ирина Юрьевна Хар
02.05.16
11
12. Многоугольники распределения случайной величины X, имеющей закон распределения Пуассона с параметром a (для a=0,5; 1; 2; 3,5; 5).
Многоугольники распределенияслучайной величины X, имеющей
закон распределения Пуассона с параметром a
(для a=0,5; 1; 2; 3,5; 5).
13.
Применение закона ПуассонаПри больших n, малых р
Формула
Бернулли
Pn (m) Cnm p m q n m
Формула
Пуассона
a m a
P ( m)
e ,
m!
a np
14. Пример
Примерно 0,1%судебных дел – это дела
по обвинению в
убийстве. Проверено
200 наудачу взятых
судебных дел.
Какова вероятность того, что среди них
дел о убийстве буде: 0, 1, 2, 3 ?
15. Решение
n = 200, p = 0,001, n·p = 0,23
0,0
16
3
0,9999
9
0,9999
0,0
01
1
2
0,1
63
8
0,0
16
4
0,0
01
0
87
0,8
1
m
P200 (m) C 200
(0,001) m (0,999) 200 m
0,8
18
6
0,2 m 0,2
P(m)
e
m!
1
0,1
63
0
m
16. Вероятности того, что за промежуток времени длиной t наступит m событий простейшего потока
Применение закона ПуассонаВероятности того, что за промежуток времени
длиной t наступит m событий простейшего потока
mm
( at ) a t
ee ,
PPt t((mm))
a m
! t
a t
– это среднее число a
событий
tпотока,
происходящих в единицу времени (интенсивность).
a t
a t
17. Пример
В дежурную частьорганов внутренних дел
за час в среднем
поступает 30
сообщений различного
характера.
Какова вероятность, что за минуту поступит 2
сообщения?
18. Решение
Количество сообщений, поступающих в час = 30,1
t = 1(мин) = 1/60 (час), a 30 0,5
60
2
0,5 0,5
P1 мин. (2)
e 0,07
2
19. Равномерный закон
Непрерывная случайная величина Х имеетравномерное распределение на отрезке [a, b], если
на этом отрезке плотность распределения вероятности
случайной величины постоянна, а вне его равна нулю,
т.е. если
х a,
0 при
f ( x ) c при a x b,
0 при
x b.
1
const .
где c
b a
20. Равномерное распределение
Кривая распределенияf(x )
c
0
02.05.16
a
b
Ирина Юрьевна Хар
x
20
21. Равномерный закон
Математическоеожидание
b a
M(X)
2
Дисперсия
(b a ) 2
D( X )
12
Среднее квадратическое
отклонение
b a
(X)
2 3
Вероятность попадания
СВ Х в интервал [ , ],
([ , ] [a, b])
02.05.16
P( X )
b a
Ирина Юрьевна Хар
21
22. Пример
Цена деления шкалыамперметра равна 0,1 А.
Показания округляют до
ближайшего целого
деления.
Найти вероятность того, что при отсчете будет
сделана ошибка, превышающая 0,02 А.
23. Решение
00 ,0 1
0 ,0 2 0 ,0 3
0 ,0 4
0 ,0 5
0 ,0 6 0 ,0 7
0 ,0 8 0 ,0 9
Ошибка превысит заданную точность, если
Х [0,02, 0,08]
0,08 0,02
P (0,02 X 0,08)
0,6
0,1
0 ,1
24. Нормальный закон
Непрерывная случайная величина Х имеетнормальное распределение, если плотность
вероятности f(x) имеет вид:
1
f ( x)
e
2
( x a )2
2 2
25. Нормальное распределение
Кривая распределенияf(x)
1
2
1
2 e
O
02.05.16
a–
a
a+
Ирина Юрьевна Хар
x
25
26. Нормальный закон
ПараметрыМатематическое
ожидание
Дисперсия
Среднее квадратическое
отклонение
а,
M(X ) a
D( X )
2
(X )
Вероятность попадания
a
a
P( X ) Ф
Ф
,
СВ Х в интервал [ , ],
Ф(х) –Хар
функция Лапласа
([ , ] [a,02.05.16
b])
Ирина Юрьевна
26
27. Функция Лапласа
Ф(–х) = – Ф(х)x
0,00
0,01
0,02
0,03
0,04
0,05
02.05.16
Ф(х)
0,0000
0,0040
0,0080
0,0120
0,0160
0,0199
Ф( x )
1
e
2 0
x
0,06
0,07
0,08
0,09
0,10
0,11
Ирина Юрьевна Хар
x
x2
2
dx
Ф(х)
0,0239
0,0279
0,0319
0,0359
0,0398
0,0438
27
28. При изменении параметра а форма графика функции не изменяется, а происходит лишь смещение вдоль оси абсцисс вправо, если он возрастает, и в
При изменении параметра а форма графика функциине изменяется, а происходит лишь смещение вдоль
оси абсцисс вправо,
и влево, если
a = если
1 a = он
3 возрастает,
a=6
убывает.
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
33
22
11
00
11
2
3
44
55
666
777
888
999
10
10
10
29.
0.40.3
a = 1, = 1
0.2
0.1
3
2
1
0
1
2
3
4
5
6
7
8
9
10
0.4
0.3
a = 3, = 1
0.2
0.1
3
2
1
0
1
2
3
4
5
6
7
8
9
10
0.4
0.3
0.2
a = 6, = 1
0.1
3
2
1
0
1
2
3
4
5
6
7
8
9
10
30.
При изменении параметра изменяется форманормальной кривой. Если этот параметр убывает, то
кривая становится более островершинной, если
увеличивается, то кривая становится более пологой.
0.4
0.4
0.4
==
= 231
0.3
0.3
0.3
0.2
0.2
0.2
0.1
0.1
0.1
10
10
10 999 888 777 666 555 444 333 222 111
000 111
222
333
444
555
666
77
88
99 10
10
31.
0.40.3
= 1
0.2
0.1
10
9
8
7
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
0.4
0.3
= 2
0.2
0.1
10
9
8
7
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
0.4
0.3
= 3
0.2
0.1
10
9
8
7
6
5
4
3
2
1
0
1
2
3
4
5
6
7
8
9
10
32. Доска Гальтона
33. Правило «трех сигм»
0,4если случайная
величина X имеет
нормальный закон
распределения с
параметрами а и
, то практически
достоверно, что
её значения
заключены в
интервале
(а–3 , а+3 ).
0,3
0,2
0,1
0
-4
-3
-2
-1
0
1
2
3
4
34.
35. Показательный (экспоненциальный) закон
Непрерывная случайная величина X имеетпоказательный (экспоненциальный) закон
распределения, если её плотность вероятности f(x)
имеет вид:
при x 0
0
f ( x ) x
при x 0
e
36. Показательное распределение
Кривая распределения02.05.16
Ирина Юрьевна Хар
36
37. Показательный закон
ПараметрМатематическое
ожидание
Дисперсия
Среднее квадратическое
отклонение
Вероятность попадания
СВ Х в интервал [ , ],
([ , ] [a, b])
02.05.16
1
M (X )
1
D( X ) 2
1
(X )
P ( X ) e e
Ирина Юрьевна Хар
37
38. Пример
На шоссе установленконтрольный пункт для
проверки технического
состояния автомобилей.
Найти среднее время ожидание очередной машины
контролером Т, – если поток машин простейший и
время (в часах) между прохождениями машин через
контрольный пункт распределено по показательному
закону
5t
f (t ) 5e
39. Решение
f (t ) 5e5t
f (t ) e
t
5
M (T ) 1 / 1 / 5(часа ) 12( минут)