Экспоненциальное распределение
Экспоненциальный закон адекватно описывает распределение длительности жизни элемента, работающего в режиме нормальной эксплуатации, когда интенсивность отказа (коэффициент смертности) элемента в течение всего промежутка времени постоянна, равная . Ниже приводятся функция распределения, плотность вероятностей и числовые характеристики этого закона:
;
;
среднее: ;
мода: ;
медиана: ;
дисперсия: ;
Распределение, уравнение функции плотности которого имеет вид
,
называется двусторонним экспоненциальным распределением или распределением Лапласа. Числовые характеристики легко находятся:
среднее, мода и медиана равны 0;
дисперсия: .
Симметричная, унимодальная функция плотности этого закона с острым максимумом в точке часто используется для описания распределения случайных ошибок в моделях регрессионного типа.
Ниже опишем три закона необходимых для построения разного рода статистических критериев и интервальных оценок параметров:
6. «Хи-квадрат»-распределение Пирсона с степенями свободы ( ).
Если есть ряд независимых стандартно нормально распределённых случайных величин, т.е. для , то случайная величина
(2)
имеет распределение с степенями свободы, где единственный параметр этого распределения, характеризующий число независимых случайных величин в выражении (2).
Такие суммы квадратов случайных величин впервые исследовал немецкий астроном Ф. Хельмерт в связи с применением гауссовской теории ошибок. Английский математик, статистик К. Пирсон построил функцию распределения, которую впоследствии стали называть функцией распределения «хи-квадрат». Для отрицательных функция Пирсона , а для неотрицательных
(3)
где Г(х) – интеграл Эйлера 2-ого рода или гамма-функция
Г(х) = .
Соответствующая функция плотности вероятностей задаётся формулой:
(4)
При функция плотности постоянно убывает, а при имеет единственный максимум в точке . График функции плотности при различных изображен на рисунке 9.1.
Рис. 9.1. график функции плотности распределения
Основные числовые характеристики -распределения:
среднее: ;
мода: ;
дисперсия: ;
асимметрия: ;
эксцесс: .
В таблицах для различных значений приводятся числа, вероятность превышения которых случайной величиной равна заданному значению уровня значимости .
Распределение Пирсона используется для построения доверительного интервала для генеральной дисперсии.
7. Распределение Стьюдента с степенями свободы
(t-распределение)
В нормальном распределении средняя арифметическая зависит от дисперсии слагаемых величин. Однако на практике дисперсия исследуемой величины, как правило, неизвестна. В этой связи возникла задача определения закона распределения , не зависящего от , которую решил английский статистик В. Госсет, публиковавшийся под псевдонимом Стьюдент. Дадим следующее определение:
Если случайная величина Z имеет нормальное нормированное распределение N(0,1), а величина U2 имеет распределение с степенями свободы, причем Z и U взаимно независимы, то случайная величина
имеет t-распределение с степенями свободы. Плотность распределения описывается формулой
.
Функция плотности является унимодальной и симметричной относительно . Основные числовые характеристики:
среднее, мода, медиана: ;
дисперсия: ;
асимметрия: ;
эксцесс: .
Ниже на рисунке приведены сравнительные графики функции плотности t-распределения при и стандартного нормального распределения N(0,1).
Рис. 9.2.График t-распределения при и нормального нормированного распределения
Если из генеральной совокупности Х с нормальным законом распределения взята случайная выборка объёма n, то статистика
имеет распределение Стьюдента с степенями свободы. Здесь S-выборочное среднее квадратическое отклонение.
Распределение Стьюдента используется при интервальной оценке математического ожидания при неизвестном значении среднего квадратического отклонения .
Дата добавления: 2021-12-14; просмотров: 317;