- •4. Элементы теории вероятностей
- •4.1. Введение
- •4.2. Определение вероятности
- •4.2.1. Испытание, событие, случайная величина
- •4.2.2. Вероятность событий
- •4.3. Действия над событиями
- •4.4. Исчисление вероятностей
- •4.4.1.Примеры непосредственного определения вероятностей
- •4.4.2. Основные правила вычисления вероятностей сложных событий
- •4.4.3. Комбинаторика
- •4.4.4. Схема Бернулли
- •4.5. Случайные величины
- •4.6. Функция распределения
- •4.7. Плотность распределения вероятностей
- •4.8. Числовые характеристики случайных величин
- •4.8.1. Математическое ожидание
- •4.8.2. Дисперсия и стандартное отклонение
- •4.8.3. Моменты
- •4.9. Распределения Бернулли и Пуассона.
- •4.10. Нормальное распределение
- •4.10.1. Определение и значение
- •4.10.2. Нормированное нормальное распределение
- •4.10.3. Вероятность попадания в заданный интервал
- •4.10.4. Правило трех сигм
- •4.11. Применение нормального распределения.
- •4.12. Некоторые специальные непрерывные распределения
- •4.12.1. -Распределение
- •4.12.2. T-распределение Стьюдента
- •4.12.3. F-распределение
4.9. Распределения Бернулли и Пуассона.
Пусть проводятся испытаний по схеме Бернулли (см. 4.4.3.). Событие А может произойти в результате этой серии опытов 0 раз, 1 раз, …раз. Рассмотрим случайную величину — число испытаний в которых событие А произошло. Имеем дискретную с.в. с законом распределения
Х |
0 |
1 |
… |
k |
… |
n |
Р |
|
|
… |
|
… |
|
Также говорят, что с.в. Х распределена по биномиальному закону с параметрами ии пишут.
Если , то говорят, что с.в. Х имеетраспределение Бернулли параметром .
Теорема.
Пусть — независимые с.в. распределенные по Бернулли с одинаковым параметром. Пусть. Тогда.
Числовые характеристики биномиального закона.
,
.
Если — велико, а— мало, то вычисления вероятности по формулена практике невозможно. При этих условиях используетсяформула Пуассона для вычисления вероятности маловозможных событий в массовых испытаниях: , где,, 0! = 1. Соответствующая с.в. распределена по закону Пуассона.
4.10. Нормальное распределение
4.10.1. Определение и значение
Большинство экспериментальных исследований, в том числе и в области правоведения, связано с измерениями, результаты которых могут принимать практически любые значения в заданном интервале и, как уже было отмечено, описываются моделью непрерывных случайных величин. Поэтому в дальнейшем будут рассматриваться в основном непрерывные случайные величины и связанные с ними непрерывные распределения.
Одним из непрерывных распределений, имеющим основополагающую роль в математической статистике, является нормальное, или гауссово*, распределение.
Нормальное распределение является самым важным в статистике. Это объясняется целым рядом причин.
1. Прежде всего, многие экспериментальные наблюдения можно успешно описать с помощью нормального распределения. Следует сразу же отметить, что не существует распределений эмпирических данных, которые были бы в точности нормальными, поскольку (как будет показано ниже) нормально распределенная случайная величина находится в пределах от до, чего никогда не бывает на практике. Однако нормальное распределение очень часто хорошо подходит как приближение.
Проводятся ли измерения IQ, роста и других физиологических параметров — везде на результаты оказывает влияние очень большое число случайных факторов (естественные причины и ошибки измерения). Причем, как правило, действие каждого из этих, факторов незначительно. Опыт показывает, что результаты именно в таких случаях будут распределены приближенно нормально.
2. Нормальное распределение хорошо подходит в качестве аппроксимации (приближенного описания) других распределений (например, биномиального).
3. Многие распределения, связанные со случайной выборкой, при увеличении объема последней переходят в нормальное.
4. Нормальное распределение обладает рядом благоприятных математических свойств, во многом обеспечивших его широкое применение в статистике.
В то же время следует отметить, что в природе встречается много экспериментальных распределений, для описания которых модель нормального распределения малопригодна. Для этого в математической статистке разработан ряд методов, некоторые из которых приводятся в следующих главах.
Говорят, что с.в. распределена по нормальному закону с параметрами ии записыватьесли ее плотность вероятностей задается следующим образом
(4.23)
График плотности (нормальная кривая) представлен на рис. 4.10.
Укажем основные свойства нормального распределения .
1. Нормальная кривая имеет колоколообразную форму, симметричную относительно точки , с точками перегиба, абсциссы которых отстоят отна.
2. Для нормального распределения математическое ожидание , дисперсия равнаи, следовательно, стандартное отклонение равно.
3. Как видно из выражения (4.23), нормальное распределение полностью определяется двумя параметрами: и— математическим ожиданием и стандартным отклонением.
График плотности вероятности нормального распределения показывает, что для нормально распределенной случайной величины вероятность отклонения от среднего значения быстро уменьшается с ростом величины отклонения.
4. Медиана и мода нормального распределения совпадают и равны математическому ожиданию .
5. Коэффициенты асимметрии и эксцесса нормального распределения равны нулю (,).
Последнее свойство (5) используется для проверки предположения о нормальности распределения генеральной совокупности (гл. 6).
Рис. 4.10. Плотность вероятностей нормального распределения