Заглавная страница Избранные статьи Случайная статья Познавательные статьи Новые добавления Обратная связь FAQ Написать работу КАТЕГОРИИ: АрхеологияБиология Генетика География Информатика История Логика Маркетинг Математика Менеджмент Механика Педагогика Религия Социология Технологии Физика Философия Финансы Химия Экология ТОП 10 на сайте Приготовление дезинфицирующих растворов различной концентрацииТехника нижней прямой подачи мяча. Франко-прусская война (причины и последствия) Организация работы процедурного кабинета Смысловое и механическое запоминание, их место и роль в усвоении знаний Коммуникативные барьеры и пути их преодоления Обработка изделий медицинского назначения многократного применения Образцы текста публицистического стиля Четыре типа изменения баланса Задачи с ответами для Всероссийской олимпиады по праву Мы поможем в написании ваших работ! ЗНАЕТЕ ЛИ ВЫ?
Влияние общества на человека
Приготовление дезинфицирующих растворов различной концентрации Практические работы по географии для 6 класса Организация работы процедурного кабинета Изменения в неживой природе осенью Уборка процедурного кабинета Сольфеджио. Все правила по сольфеджио Балочные системы. Определение реакций опор и моментов защемления |
Закон распределения ПуассонаСодержание книги
Похожие статьи вашей тематики
Поиск на нашем сайте
Если n велико, а p – мало, то хорошим приближением биномиального закона является закон Пуассона, который представляет собой закон распределения вероятностей массовых и редких событий. Дискретная случайная величина Х имеет закон распределения Пуассона, если она имеет бесконечное, но счетное множество возможных значений 0, 1, 2, …, k, … с вероятностями
, ,
где число – параметр закона Пуассона. Проверим, что сумма всех вероятностей равна единице:
Мы воспользовались разложением функции в ряд Маклорена:
Теорема. Если дискретная случайная величина Х распределена по закону Пуассона, то её числовые характеристики равны: . (2.7) Доказательство. Докажем только первую формулу . С формулой Пуассона связан так называемый простейший поток событий. Поток событий – это последовательность однородных событий, которые наступают одно за другим в случайные моменты времени. Они часто встречаются в системах массового обслуживания (количество вызовов скорой помощи, такси и др.). Простейший поток событий – это поток событий со свойствами: 1) стационарность: вероятность того, что за время t произойдет k событий, т. е. , зависит только от k и t и не зависит от начала и конца отсчета временного промежутка; 2) отсутствие последействия: предыстория потока не влияет на вероятность появления событий в будущем; 3) ординарность: появление двух и более событий за малый промежуток времени практически невозможно (например, поток поездов, подходящих к станции). Простейший поток характеризуется интенсивностью (среднее число событий за единицу времени). Тогда – число событий за промежуток t. Обозначим – вероятность появления k событий за промежуток времени t, тогда
. Геометрический закон распределения Дискретная случайная величина Х называется геометрически распределенной с параметром p, если она принимает значения и вероятности этих значений вычисляются по формуле:
,
где , .
Примером такой случайной величины Х может быть число испытаний, проведенных до первого успеха, в схеме независимых повторных испытаний:
Проверим, что сумма всех вероятностей равна единице.
Мы воспользовались формулой суммы бесконечно убывающей геометрической прогрессии , где .
Теорема. Если дискретная случайная величина Х распределена по геометрическому закону, то её числовые характеристики равны:
. (2.8)
Показательный (экспоненциальный) закон распределения
Непрерывная случайная величина Х называется показательно-распределенной с параметром , если её плотность вероятности задается формулой:
Из определения плотности мы знаем, что неотрицательна, следовательно, параметр . График изображен на рис. 2.12. Убедимся в том, что площадь, заключенная между графиком и осью Ох, равна единице:
Составим функцию распределения для показательного закона и построим её график (рис. 2.13).
Заметим, что с возрастанием x функция F(x) возрастает. Это означает, что если представить x как время, а F(x) – как вероятность отказа за время x некоторого устройства, то со временем эта вероятность в результате износа устройства постепенно растет. Таким образом, примером случайной величины, распределенной по показательному закону, может быть – время безотказной работы некоторого устройства.
Показательный закон играет большую роль в теории массового обслуживания и теории надежности. Например, случайная величина Х, равная интервалу времени между двумя соседними событиями в простейшем потоке, имеет показательное распределение с параметром – интенсивность потока. Теорема. Числовые характеристики показательно распределенной непрерывной случайной величины вычисляются по формулам: . (2.9)
Доказательство. 1. Используя формулу интегрирования по частям находим математическое ожидание:
2. Для вычисления дисперсии найдем , используя формулу интегрирования по частям:
По свойству 4 дисперсии имеем:
.
Тогда , что и требовалось доказать.
|
||||||||||||||
Последнее изменение этой страницы: 2016-04-26; просмотров: 848; Нарушение авторского права страницы; Мы поможем в написании вашей работы! infopedia.su Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. Обратная связь - 18.118.151.112 (0.009 с.) |