Professional Documents
Culture Documents
променлива,
непрекинати распределби
ПРЕДАВАЊА
Непрекинати случајни променливи
Имаме многу случајни променливи кои не земаат вредности само од конечно множество,
туку можат да примаат било која вредност од некој броен интервал
Пример
- време на работа на некој апарат додека не се расипе или покаже некоја гешка
- време на пристигање на возови
- време на пристигање на клиенти на некој шалтер
- принос по хектар
- висина, тежина и сл
Вредноста на ваквата случајна променлива во еден експериментмногу тешко може да се
определи прецизно, па често се служиме со заокружување до некоја точност
Што претставува законот на распределба
кај дискретна случајна променлива?
Што претставува законот на распределба
кај дискретна случајна променлива?
Плоштина под кривата е функцијата на распределба
𝐹 𝑥 = න 𝑝 𝑡 𝑑𝑡
−∞
𝐶 10 − 𝑥 2 , 0 < 𝑥 < 10
𝑝 𝑥 =ቊ
0 , инаку
а) Да се определи константата C;
б) Да се определи веројатноста времето за стартувње да е помеѓу 1 и 2
минути.
Пример
Случајната променлива X од апсолутно-непрекинат тип е зададена со
нејзината функција на распределба
0, 𝑥 ≤ 1
𝐹 𝑥 = ቐ𝑘 𝑥 − 1 2 , 1 < 𝑥 ≤ 3
1 ,𝑥 > 3
1
,𝑥 ∈ (𝑎, 𝑏ቁ
p 𝑥 = ቐ𝑏−𝑎
0, 𝑥 ∉ (𝑎, 𝑏ሻ
График на густина и функција на
распределба на X ∼ U(a, b)
Поасонов процес
Пример. Да ги разгледаме времињата на пристигање на мејлови во текот на
работното време. Ако се претпостави дека две пораки не пристигаат во
точно исто време и во секој веројатноста да пристигне порака во некој
многу мал интервал не зависи од другите дисјунктни интервали,
Можеме да разгледуваме две работи
Х - бројот на пристигнати мејлови?
Т-време помеѓу две мејлови?
Поасонова распределба
- Поасонови експерименти
Експерименти кои даваат нумерички вредности на случајната променлива
X: бројот на исходи кои се случуваат во текот на одреден временски
период или во одреден регион, се нарекуваат Поасонови експерименти.
◦ Ако експериментот е поврзан со временски интервал, тој може да биде со било која
должина, како што е минута, еден ден, една недела, еден месец, па дури и една година.
Примери: Бројот на телефонски повици во еден час во канцеларија, бројот на денови во
кои училиштето е затворено поради снегот во текот на зимата, бројот на одложени
натпревари поради дожд за време на фудбалската сезона.
◦ Ако експериментот е поврзан со регион, тој може да биде отсечка, област, волумен, или
можеби парче материјал.
Приемери: Во вакви случаи, X може да претставува бројот на глувци на ар ополе, бројот
на бактерии во одредена култура, или бројот на печатните грешки на една страница.
Поасонова распределба
Поаснов процес
Поасоновиот процес ги има следниве својства:
1. Бројот на исходи кои се случуваат во еден временски интервал или одреден просторен
регион не зависи од бројот што се случил во било кој друг дисјунктен временски
интервал или регион. Во оваа смисла, велиме дека Поасоновиот процес нема
меморија.
2. Веројатноста дека еден исход ќе се појави во текот на многу краток временски
интервал или или мал регион е пропорционална на должината на временскиот
интервал или големината на регионот и не зависи од бројот на исходикои се случиле
надвор од овој временски интервал или регион.
3. Веројатност дека ќе се случи повеќе од еден исход во многу краток временски интервал
или на многу мал простор е занемарлива. Поточно се смета дека два исходи не се
случуваат истовремено или на сосема исто место.
Поасонова распределба
Да претпоставиме дека во некој временски интервал со должина 1 во просек се јавуваат по
5 настани.
Ако го поделиме интервалот на n многу ситни делови, бидејки сметаме дека во секое мало
делче се јавува најмногу еден настан, веројатноста настан да се падне во тој дел е p=5/n.
Поасонова распределба
Која е веројатноста во целиот интервал да не се јави настанот?
𝑛
𝑛 5
𝑃 𝑋=0 = 1−
0 𝑛
Ако интервалите се мали, бројот на интервали тежи кон бескрај па имаме
𝑛
𝑛 − ∙(−5ቁ
5
𝑛 5 5
𝑃 𝑋 = 0 = lim 1− = lim 1 ⋅ 1 + (− ቇ = 𝑒 −5
𝑛→∞ 0 𝑛 𝑛→∞ 𝑛
𝑛 𝑘
𝑛−𝑘 𝑘 − ∙(−5ቁ
5
5
𝑛 5 5 𝑛! 5 𝑛
𝑃 𝑋 = 𝑘 = lim 1− = lim 1 + (− ቇ
𝑛→∞ 𝑘 𝑛 𝑛 𝑛→∞ 𝑘! 𝑛 − 𝑘 ! 𝑛 𝑛−5
𝑛
𝑒 −5 ⋅ 5𝑘 𝑛! 𝑒 −5 ⋅ 5𝑘
= lim 𝑘 =
𝑘! 𝑛→∞ 𝑛 − 𝑘 ! 𝑛 − 5 𝑘!
𝑃 𝑌 = 0 = 𝑃 𝑇 > 𝑡 = 𝑒 −𝜆𝑡
Нам ни треба функцијата на распределба, т.е.
𝐹(𝑡ሻ=𝑃 𝑇 < 𝑡 = 1 − 𝑒 −𝜆𝑡
Експоненцијална распределба
Јасно е дека функцијата на распределба и густината на распределба имаат строго
позитивни вредност само ако t е позитивно затоа што не е можно негативен временски
интервал, па X ∼ (λ) кога
0, 𝑡 < 0
𝐹 𝑡 =ቊ
1 − 𝑒 −𝜆𝑡 , 𝑡 ≥ 0
0, 𝑡 < 0
𝑝 𝑡 =ቊ
𝜆𝑒 −𝜆𝑡 , 𝑡 ≥ 0
Својство на немање меморија на
експоненцијалната распределба
Голема примена експоненцијалната распределба има во надежност на компоненти или
машини, време на живот, затоа што тие често имаат својство на недостаток на меморија.
Тоа значи дека, на пример времето на живот на некоја електорнска компонента не зависи
од тоа колку работела до сега. Еднставно, ако работи во моментот кога ја гледаме,
веројатноста таа ќе работи барем време t е иста како и веројатноста да работи време t од
моментт кога е направена.
Односно
P (T ≥ t0 + t | T ≥ t0)=exp{-(t0 + t )}/ exp{-(t0)}= exp{- t }.
Гама распределба
Експоненцијалната рапределба го наоѓање времето до првото појавување на настан во
поасонов процес
Да ја разгледаме сега случајната променлива Тк-времето до к-тото појавување на настанот
во поасонов процес. Пак ќе ја земеме случајната променлива Y- бројот на настани во
интервал со должина t. Јасно
𝑘−1
𝜆𝑡 𝑖
𝑃 𝑌 ≤ 𝑘 − 1 = 𝑃 𝑇𝑘 > 𝑡 = 𝑒 −𝜆𝑡
𝑖!
𝑖=0
оттука 𝑘−1
𝜆𝑡 𝑖
𝐹 𝑡 = 𝑃 𝑇𝑘 < 𝑡 = 1 − 𝑒 −𝜆𝑡
𝑖!
𝑖=0
Гама распределба
Да ја пресметаме густината на распределба
′ ′
𝑘−1 𝑘−1 𝑘−1
𝜆𝑡 𝑖 𝜆𝑡 𝑖 𝜆𝑡 𝑖
𝑝 𝑡 = 𝐹′ 𝑡 = 1 − 𝑒 −𝜆𝑡 =− 𝑒 −𝜆𝑡 ′ + 𝑒 −𝜆𝑡
𝑖! 𝑖! 𝑖!
𝑖=0 𝑖=0 𝑖=0
0, 𝑡<0
𝑝(𝑡ሻ = ൞ 𝑡 𝛼−1 −𝛽𝑡
𝑒 ,𝑡 ≥ 0
𝛽𝛼 Γ(𝛼ሻ
Г 𝛼 = න 𝑥 𝛼−1 𝑒 −𝑥 𝑑𝑥
0
1 𝑥−𝜇 2
−
𝑝 𝑥 = 𝑒 2𝜎 2
2𝜋𝜎