Показательное распределение

Содержание

Слайд 2

Показательным (экспоненциальным) распределением СВ называют распределение СВ, которое описывается плотностью распределения р(х)= где λ-положительная постоянная величина.

Показательным (экспоненциальным) распределением СВ называют распределение СВ, которое описывается плотностью распределения
р(х)=
где

λ-положительная постоянная величина.
Слайд 3

Слайд 4

Найдем функцию распределения: Определим числовые характеристики распределения. Вычислим МО по формуле: M[X]=

Найдем функцию распределения:
Определим числовые характеристики распределения.
Вычислим МО по формуле:


M[X]=
Слайд 5

Обозначим y=λx, dy=d(λx). и проинтегрируем интеграл по частям, полагая u=y, du=dy,

Обозначим y=λx, dy=d(λx).
и проинтегрируем интеграл по частям, полагая u=y, du=dy,


а dv=exp(-y)dy, v=-exp(-y).
Тогда после всех преобразований получим: M[X]=1/λ.
Вычислим дисперсию
D[X]=α2[X]–(M[X])2
Слайд 6

Определим второй начальный момент: Введем обозначения y=λx, dy=d(λx) и проинтегрируем интеграл

Определим второй начальный момент:
Введем обозначения y=λx, dy=d(λx)
и проинтегрируем интеграл по

частям, полагая u=y2, du=2ydy, а dv=exp(-y)dy, v=-exp(-y).
Тогда после всех преобразований получим α2[X]=2/λ2.
Слайд 7

Дисперсия и стандартное отклонение соответственно: D[X]=α2[X]–(M[X])2 =1/λ2; σ=1/λ. Показательный закон широко

Дисперсия и стандартное отклонение соответственно:
D[X]=α2[X]–(M[X])2 =1/λ2;
σ=1/λ.
Показательный закон широко используется

в теории надежности при исследовании отказов и безотказной работы процессов и систем.
Слайд 8

§3.6.2.3. Нормальное распределение Нормальный закон распределения (закон Гаусса) наиболее часто встречающийся

§3.6.2.3. Нормальное распределение


Нормальный закон распределения (закон Гаусса) наиболее часто встречающийся на

практике закон распределения, описывающий случайные возмущения и отклонения основных характеристик процессов и систем, ошибки измерений и т.д.
Слайд 9

Этот закон является предельным законом, к которому приближаются другие законы распределения

Этот закон является предельным законом, к которому приближаются другие законы распределения

при весьма часто встречающихся типичных условиях.
Непрерывная СВ называется распределенной по нормальному закону, если ее плотность вероятности определяется выражением:
р(х)=
Слайд 10

Кривая нормального закона имеет вид: Максимальное значение max p(x) достигается при

Кривая
нормального
закона имеет
вид:
Максимальное значение max p(x) достигается при значении x=mx и

равно
max p(x)=1/ . При х→∞ плотность
р(х)→0. Параметры mx и σ называются параметрами распределения.
Слайд 11

Вычислим основные характеристики СВ Х. МО: Полагая, что и , получим

Вычислим основные характеристики СВ Х. МО:
Полагая, что и ,
получим

Слайд 12

т.к. и - интеграл Эйлера-Пуассона. Т.о. M[X]= mx .

т.к.
и
- интеграл Эйлера-Пуассона.
Т.о. M[X]= mx .

Слайд 13

Определим теперь дисперсию: Заменим переменную и применим интегрирование по частям (u=t, dv=2texp(-t2)dt, du=dt, v=-exp(-t2))

Определим теперь дисперсию:
Заменим переменную и
применим интегрирование по частям (u=t, dv=2texp(-t2)dt,

du=dt, v=-exp(-t2))
Слайд 14

После всех преобразований получим D[X]=σ2 , поскольку -exp(-t2) при t→±∞ убывает

После всех преобразований получим D[X]=σ2 , поскольку -exp(-t2) при t→±∞ убывает

быстрее, чем возрастает t.
Рассмотрим влияние параметров нормального распределения на форму кривой распределения.
Из выражения для плотности вероятности нормального распределения следует, что mx является центром симметрии и рассеивания,
Слайд 15

Т.к. изменение (х-mx) на обратный знак не влияет на кривую распределения.

Т.к. изменение (х-mx) на обратный знак не влияет на кривую распределения.

Увеличение или уменьшение mx ведет к смещению кривой распределения
Слайд 16

Увеличение или уменьшение σ2 ведет соответственно к увеличению крутизны и пологости

Увеличение или уменьшение σ2 ведет соответственно к увеличению крутизны и пологости

кривой распределения .
Т.о. параметр mx
характеризует
положение кривой
Распределения
на оси х, а параметр
σ2 характеризует
форму кривой.
Слайд 17

 

Слайд 18

 

Слайд 19