Академический Документы
Профессиональный Документы
Культура Документы
X x1 x2 x3 … xn
Р(X) p1 p2 p3 … pn
∑ 𝒑𝒊 = 𝟏
𝒊=𝟏
Про случайную величину X в таком случае говорят, что она подчинена данному
закону распределения.
Пример 1. Из ящика, в котором находятся незабудки с синими и голубыми лепест-
ками, наугад достают по 1 растению. Найти закон распределения случайной величины
Х – числа появлений цветков с синими лепестками за одно испытание.
2
В данном опыте возможно 2 равновозможных исхода за одно испытание: (Г, С)
цветок с синими лепестками может появиться (x1) или не появиться (x2). Следовательно,
случайная величина Х может принимать только 2 значения: x1 = 1; x2 = 0. Вероятности:
Р(X=0) = ½ = 0,5; Р(X=1) = ½ = 0,5; р1 = 0,5; р2 = 0,5. Закон распределения:
X x1 x2
Р(X) 0,5 0,5
Биномиальное распределение
Пусть производится n последовательных независимых одинаковых испытаний, в
каждом из которых может наступить или не наступить событие А. Вероятность наступ-
ления события А в каждом испытании – р, а события Ā – q = 1 – р.
Обозначим Рn(m) = р (событие А наступило m раз в n испытаниях). Тогда
𝒏!
𝐂𝐧𝐦 =
𝒎! (𝒏 − 𝒎)!
5
10! 10 ∙ 9 ∙ 8 ∙ 7 ∙ 6 ∙ 5 ∙ 4 ∙ 3 ∙ 2 10 ∙ 9 ∙ 8 ∙ 7 ∙ 6 3 ∙ 2 ∙ 7 ∙ 6
𝐶10 = = = = = 252
5! (10 − 5)! 5∙4∙3∙2∙5∙4∙3∙2 5∙4∙3∙2 1
Распределение Пуассона
Если случайная величина X распределена по закону Пуассона, тогда вероятность
того, что при n независимых испытаниях она примет определенное значение m, выража-
ется формулой
𝒂𝐦
𝐏𝐧 (𝐦) = ∙ 𝐞−𝐚 , (𝐦 = 𝟎, 𝟏, 𝟐 … 𝐧), где a = np,
𝐦!
Нормальное распределение
В любом более или менее симметричном вариационном ряду заметна одна харак-
терная особенность – накапливание вариант в центральных классах и постепенное убы-
вание их численности по мере удаления от центра ряда. Таким образом, прослеживается
широко распространенная в природе закономерность: в статической совокупности боль-
шинство вариант оказывается среднего или близкого к нему размера, чем дальше они
отстоят от среднего значения, тем реже встречаются в данной совокупности. Такая зако-
номерность описывается законом нормального распределения.
Вероятность Р(xi) любого значения xi непрерывно распределяющейся случайной
величины Х находится в интервале от х до x + dx и определяется функцией Гаусса-
Лапласа (нормальное распределение):
1 x 2
1 ( i )
P( xi ) e 2
dx
2
где dx – малая величина, определяющая ширину интервала, - стандартное отклонение,
характеризующее степень рассеяния значений xi случайной величины Х вокруг генераль-
ной средней .
Графически эта функция выражается в виде кривой вероятности называемой нор-
мальной кривой. Положение кривой полностью определяется двумя параметрами гене-
ральной средней величиной и стандартным отклонением . В зависимости от величины
форма нормальной кривой может быть пологой (при относительно большой величине
) или крутой (при небольшой величине ). Но во всех случаях нормальная кривая
строго симметрична относительно центра распределения и сохраняет правильную коло-
колообразную форму. Если приравнять к 1, то нормальная кривая будет иметь посто-
янную (стандартизированную) форму (ymax = 0,3989) (рис. 7).
Для нормального распределения характерно совпадение по абсолютной величине
средней арифметической, медианы и моды. Равенство между этими показателями ука-
зывает на нормальность данного распределения. Для кривой нормального распределения
характерно, что на равные интервалы, измеряемые стандартным отклонением () от
центра распределения, приходится равное число вариант. Вероятность отклонения лю-
бой варианты в ту или другую сторону от средней на , 2 и 3 следующая:
- < | xi - x | < + P = 0,6827;
- 2 < | xi - x | < + 2 P = 0,9545;
5
- 3 < | xi - x | < + 3 P = 0,9973;
Следовательно, с вероятностью Р = 0,6827 можно утверждать, что наугад отобран-
ная из нормально распределяющейся совокупности варианта не отклонится от средней
больше чем на ± . Вероятность случайного отклонения от средней не более чем на
±3 равна P=0,9973, это означает, что 99,7% от всех вариант нормально распределяю-
щейся совокупности находится в пределах 3. Этот важный вывод известен в биомет-
рии как правило плюс—минус трех сигм (рис. 7).
𝑡 2 (𝑡 ∙ 𝑆𝑥̅ )
𝑛 = ( ) , где 𝐾 =
𝐾 𝑆𝑥