Составители:
Рубрика:
2.3. Основные законы распределения случайных величин,
применяемые при статистической обработке результатов
экспериментальных исследований
Выборочные характеристики параметров генеральной совокупности сами
являются случайными величинами, следовательно, имеют те или иные законы
распределения. В настоящей главе мы изучим наиболее часто встречающиеся
законы распределения таких характеристик.
Нормальное распределение.
Нормальный закон распределения случайных величин играет весьма важ-
ную роль в теории вероятностей и математической статистике. С одной сторо-
ны, этот закон наиболее часто встречается на практике, с другой – к этому за-
кону приближаются многие другие законы распределения в различных
предельных случаях. Например, этому закону подчиняется сумма или среднее
значение большого числа независимых или слабо зависимых случайных вели-
чин. Этот закон возникает в интегральной теореме Муавра-Лапласа и ряде дру-
гих важных задач.
Нормальный закон характеризуется плотностью вероятности:
f(х) =
e
π2σ
1
2
2
2
)mx(
σ
−
−
⋅
.
График этой функции симметричен относительно точки x = m, в которой
f(x) достигает своего максимума, равного
πσ
2
1
⋅
±∞→
. При x кривая y = f(x)
неограниченно приближается к оси
Х.
Величина
m представляет собой математическое ожидание случайной вели-
чины
Х, распределенной по нормальному закону, а
σ
– среднеквадратическое
отклонение этой величины. Действительно,
()
.dt
e
m
dt
e
t
2
dt
e
t2m
2
21
dt2dx,t
2
mx
dx
e
x
2
1
dx)x(xf]x[M
22
2
2
2
tt
2
)mx(
t
∫∫
∫
∫∫
∞
∞−
−
∞
∞−
−
∞
∞−
−
−
∞
∞−
∞
∞−
+=
=+
⋅
⋅
=
===
−
=
=⋅⋅
⋅
==
−
ππ
σ
σ
πσ
σ
σ
σ
πσ
σ
37
2.3. Основные законы распределения случайных величин,
применяемые при статистической обработке результатов
экспериментальных исследований
Выборочные характеристики параметров генеральной совокупности сами
являются случайными величинами, следовательно, имеют те или иные законы
распределения. В настоящей главе мы изучим наиболее часто встречающиеся
законы распределения таких характеристик.
Нормальное распределение.
Нормальный закон распределения случайных величин играет весьма важ-
ную роль в теории вероятностей и математической статистике. С одной сторо-
ны, этот закон наиболее часто встречается на практике, с другой – к этому за-
кону приближаются многие другие законы распределения в различных
предельных случаях. Например, этому закону подчиняется сумма или среднее
значение большого числа независимых или слабо зависимых случайных вели-
чин. Этот закон возникает в интегральной теореме Муавра-Лапласа и ряде дру-
гих важных задач.
Нормальный закон характеризуется плотностью вероятности:
1 ( x −m ) 2
f(х) = ⋅ e− 2σ . 2
σ 2π
График этой функции симметричен относительно точки x = m, в которой
1
f(x) достигает своего максимума, равного . При x → ±∞ кривая y = f(x)
σ ⋅ 2π
неограниченно приближается к оси Х.
Величина m представляет собой математическое ожидание случайной вели-
чины Х, распределенной по нормальному закону, а σ – среднеквадратическое
отклонение этой величины. Действительно,
∞ ∞ ( x − m )2
1
M [ x] = ∫ xf ( x )dx =
σ ⋅ 2π −∫∞
x ⋅e −
2σ 2 ⋅ dx =
−∞
x−m
= = t, dx = σ 2 dt =
σ 2
∞
∫ (m + σ )
1⋅σ 2 2
= 2t e −t dt =
σ ⋅ 2π −∞
∞ ∞
σ 2 −t 2 m 2
π −∫∞ ∫ e −t
= t e dt + dt .
π −∞
37
Страницы
- « первая
- ‹ предыдущая
- …
- 35
- 36
- 37
- 38
- 39
- …
- следующая ›
- последняя »
