Показательный закон распределения
Биноминальный закон.
Биноминальный закон распределения характеризует вероятность появления события А n раз в m независимых испытаниях. Если вероятность появления события А в одном опыте равна r (соответственно вероятность его не появления равна ), а число независимых испытаний равно m, то вероятность появления события А n раз в серии m испытаний может быть представлена математической формулой биноминального закона распределения следующим образом
где - число сочетаний m по n, равное .
Биноминальным закон распределения назван потому, что правую часть равенства можно рассматривать как общий член разложения бинома Ньютона. Биноминальный закон распределения применяется при статическом контроле при ограниченной информации о свойствах приборов, которые необходимо расклассифицировать на годные и дефектные.
Закон Пуассона.
Распределение по закону Пуассона обычно применяется для определения вероятности появления заданного числа независимых и несовместимых событий на заданном интервале времени. Вероятность возникновения события А не менее n раз в интервале времени по закону Пуассона задается выражением
где - положительный параметр , представляющий собой среднее число отсчетов за рассматриваемый интервал времени, а n – обычная факториальная целочисленная функция.
Распределение Пуассона является предельным случаем биноминального распределения при неограниченном возрастании числа испытаний.
Гипергеометрический закон.
Пусть в партии изделий объемом N имеется F дефектных. Если взять из всей этой партии методом случайного отбора выборку объемом n, то вероятность того, что во взятой нами выборке окажется f дефектных изделий, в общем случае описывается гипергеометрическим законом
Равномерный закон распределения
Определение. Распределение вероятностей непрерывной случайной величины Х на интервале [a, b] называется равномерным, если плотность вероятности f(х) постоянна на этом интервале и равна нулю вне него ,т.е.:
f(х) = C = const, если хÎ[a, b],
f(х) = 0, если хÏ[a, b].
Плотность вероятности обладает следующим свойством: . Подставляя, получим:
Откуда:
.
Функция распределения F(X) может быть найдена путем интегрирования плотности вероятности: .
Таким образом: .
Математическое ожидание: ,
дисперсия: .
Показательный закон распределения
Определение. Показательный(экспоненциальный) закон распределения непрерывной случайной величины Х задается плотностью вероятности:
.
Функция распределения:
Математическое ожидание: ;
дисперсия: ;
среднее квадратическое отклонение: .
Характерная особенность этого распределения – равенство математического ожидания среднему квадратическому отклонению.
Нормальный закон распределения(закон Гаусса)
Определение. Нормальный закон распределения (закон Гаусса) непрерывной случайной величины Х задается плотностью вероятности :
,где:
а и s - параметры распределения, которые равны, соответственно, ее математическому ожиданию и среднему квадратическому отклонению, т.е. М(Х)= = а, дисперсия .
График плотности нормального распределения представляет собой кривую симметричную относительно прямой x=a с ординатой, максимальной в точке x=a, и равной . Этот график называется кривой Гаусса.
Функция распределения имеет вид:
Вероятность попадания случайной величины в интервал записывается в виде: , где Ф(x)-функция Лапласа.
Распределение Пирсона χ2 (хи-квадрат)
Карл Пирсон (Pearson, 1857-1936) английский математик и биолог. С целью проверки теории Дарвина разработал статистический метод, получивший широкое распространение при исчислении коэффициента корреляции между различными переменными. В частности, в 1900 г. им предложен критерий ‘хи-квадрат’. В литературе часто упоминается осуществленный Пирсоном опыт по экспериментальной проверке вероятности выпадания герба при подбрасывании монеты. Из 24000 подбрасываний, герб выпал 12012 раз.
Определение. Распределением χ2 (хи квадрат) с n степенями свободы называется распределение суммы квадратов n независимых случайных величин, каждая из которых распределена по нормальному закону с параметрами MX= и DX= , т.е: ,
где: Zi (i =1,2, …,n) - набор n независимых, нормально распределенных случайных величин.
Плотность вероятности распределения χ2 определяется выражением:
,
где: - гамма-функция Эйлера (можно показать, что для целых положительных значений аргумента гамма-функция Эйлера принимает более простой вид: ).
Распределение Стьюдента
Уильям Госсет (1876-1937) – английский статистик, писавший под псевдонимиом “Student” (стьюдент).
Определение. Распределением Стьюдента (или -распределением) называется распределение случайной величины ,
где: Z - случайная величина, распределенная по нормальному закону с параметрами MX= и DX= , χ2 – независимая от Z случайная величина, имеющая распределение χ2 с n степенями свободы.
Критерий Фишера
Критерий Фишера применяется при проверке гипотезы о равенстве дисперсий двух генеральных совокупностей, распределенных по нормальному закону.
F-критерий Фишера называют дисперсионным отношением, так как он формируется как отношение двух сравниваемых несмещенных оценок дисперсий:
причем в числителе ставится большая из двух дисперсий. Расчетное F сравнивают с _____________, которое находятиз таблиц, для степеней свободы _____________________________________где N1 - число элементов выборки, по который вычислена_______ .
N2 - число элементов выборки, по которым получена оценка дисперсии ________.
Если F < F кр , то принимается нулевая гипотеза о равенстве генеральных дисперсий _________________ при принятом уровне значимости q .
На рис. 1.3 показаны кривые распределения _____. Зачернена область критических значений F .
На практике задача сравнения дисперсий возникает, если требуется сравнить .точность приборов, инструментовили методов измерений. Предпочтительнее тот прибор, инструмент или метод, который обеспечивает наименьшее рассеяние результатов измерений, т.е. наименьшую дисперсию.