3 ЗАКОНИ РОЗПОДІЛУ

3.1 Мета роботи

Ознайомитись з існуючими законами розподілу, навчитись будувати

графічне відображення наведених вхідних даних, навчитись оцінювати
відповідність наведених вхідних даних існуючим законам розподілу,
спираючись на їх графічне відображення.

3.2 Теоретичні відомості

Законом розподілу випадкової величини називається співвідношення,

що встановлює зв’язок між можливими значеннями випадкової величини та
їх ймовірностями. Закони розподілу дозволяють досить просто визначати всі
основні характеристичні та кількісні характеристики випадкових величин.
Закон нормального розподілу – один з найпоширеніших законів. Це
фундаментальний закон у теорії ймовірностей і в її застосуванні. Нормальний
розподіл найчастіше зустрічається у вивченні природних і соціально-
економічних явищ. Інакше кажучи, більшість статистичних сукупностей у
природі і суспільстві підпорядковується закону нормального розподілу.
Відповідно можна сказати, що сукупності значної частини великих за
обсягом вибірок підпорядковуються закону нормального розподілу. Ті із
сукупностей, які відхиляються від нормального розподілу в результаті
спеціальних перетворень, можуть бути наближені до нормального. У зв'язку з
цим слід пам'ятати, що принципова особливість цього закону стосовно до
інших законів розподілу полягає в тому, що він є законом границі, до якої
наближаються інші закони розподілу в певних (типових) умовах.
Нормальний розподіл, також називається гаусівським розподілом або
розподілом Гауса – розподіл ймовірностей, який відіграє найважливішу роль
у багатьох галузях знань, особливо у фізиці. Фізична величина
підпорядковується нормальному розподілу, коли вона схильна підпадати під
вплив величезної кількості випадкових перешкод. Ясно, що така ситуація
вкрай поширена, тому можна сказати, що з усіх розподілів у природі
найчастіше зустрічається саме нормальний розподіл – звідси й одна з його
назв [5, с.108].
Нормальний розподіл (закон Гаусса-Лапласа) є типом безперервного
розподілу. Де Муавр (1773, Франція) вивів нормальний закон розподілу
ймовірностей. Основні ідеї цього відкриття були використані в теорії
помилок вперше К. Гауссом (1809, Німеччина) і А.Лапласом (1812, Франція),
які внесли вітчутний теоретичний вклад у розробку самого закону. Зокрема,
К.Гаусс у своїх розробках виходив з визнання найбільш імовірним значенням
випадкової величини-середню арифметичну. Загальні умови виникнення
нормального розподілу встановив А.М.Ляпунов. Ним було доведено, що
якщо досліджувана ознака являє собою результат сумарної дії багатьох
факторів, кожен з яких мало пов'язаний з більшістю решти, і вплив кожного
фактору на кінцевий результат набагато перекривається сумарним впливом
всієї решти факторів, то розподіл стає близьким до нормального.
«Універсальність» нормального закону пояснюється тим, що будь-яка
випадкова величина, яка є сумою великої кількості окремих числових
значень, кожне з яких підпорядковується різним законам розподілу і
несуттєво впливає на суму, розподілена майже за нормальним законом.
Нормальний розподіл залежить від двох параметрів – зміщення і
масштабу, тобто є, з математичної точки зору, не одним розподілом, а цілим
їх сімейством. Значення параметрів відповідають значенням середнього
(математичного очікування) і розкиду (стандартного відхилення).
Основна особливість цього закону полягає в тому, що він є граничним
законом, до якого наближаються інші закони розподілу. У теорії надійності
його використовують для опису поступових відмов, коли розподіл часу
безвідмовної роботи спочатку має низьку щільність, потім максимальну і
далі щільність знижується.
Розподіл завжди підкоряється нормальному закону, якщо на зміну
випадкової величини впливають багато, приблизно рівнозначних чинників.
Нормальний закон розподілу описується щільністю ймовірності (формула
3.1)
2
− ( x− μ)
1
(3.1)
2
2σ
f ( x )= e
σ √2 π

де:
µ – середня величина або математичне сподівання;
σ – стандартне або середнє квадратичне відхилення, яке характеризує
розмір варіації випадкової величини;
е – основа натурального логарифму;
π = 3,1415…;
х – значення безперервної випадкової величини.

Стандартним нормальним розподілом називається нормальний

розподіл з математичним очікуванням 0 і стандартним відхиленням 1
(рисунок 3.1).
Для отримання випадкової величини розподіленої за нормальним
законом розподілу пропонується скористатися методом Бокса-Мюллєра
(формула 3.2)

(3.2)
 Пропонується в якості функцій трансформації для двох випадкових
величин розподілених за рівномірним законом розподілу взяти функції
представлені формулою 3.3

(3.3)

або еквівалентними (формула 3.4)

(3.4)

В такому разі ми можемо розрахувати визначник Якобі таким чином

(формула 3.5)

(3.5)

тобто, отримати закон нормального розподілу.

Рисунок 3.1 – Нормальний закон розподілу

 Якщо замість двох випадкових величин x 1і x 2 брати абсцису і ординату
випадкової точки R v1 і v 2, то таким чином, R2 ≡ v12+v22, і косинус і синус з
функцій трансформації можуть бути записані у вигляді: v1/√R2 і v2/√R2, таким
чином минаючи виклики тригонометричних функцій.
Тобто, якщо випадкові величини v1 і v 2 ,брати із кола радіусом 1, з
центром (0;0), ми отримуємо достатньо швидкий спосіб моделювання
нормального закону розподілу на основі рівномірно розподіленого.
Розподіл Стьюдента (t-розподіл) має велике значення при статистичних
обчисленнях, пов’язаних із нормальним законом, а саме тоді, коли середнє
квадратичне відхилення σ невідоме й ще підлягає визначенню за дослідними
даними. Цей розподіл непараметричний, тобто він не залежить від
параметрів початкових випадкових величин, а залежить лише від їх кількості.
Розподіл Стьюдента в теорії ймовірностей – це однопараметричне
сімейство абсолютно неперервних розподілів (рисунок 3.2).

Рисунок 3.2 – Закон розподілу Стьюдента

Крива t-розподілу Стьюдента симетрична відносно осі ординат. На

відміну від нормального розподілу під кінцями кривої t-розподілу Стьюдента
при тих самих значеннях t розміщена значно більша частина площі. Таким
чином, на частку більших відхилень від генеральної середньої припадає
значна частина площі. Це означає, що для малих вибірок імовірність
допущення більших помилок суттєво підвищується.
При n→∞ розподіл Стьюдента наближається до нормального. Зазвичай
вважають, що його апроксимація нормальним розподілом є прийнятною при
n≥30.
У багатьох задачах математичної статистики, особливо в
дисперсійному аналізі в перевірці статистичних гіпотез, важливу роль грає F-
розподіл. Це розподіл відносини двох вибіркових дисперсій уперше було
досліджено англійським статистиком P.Фишером. Однак воно знайшло
широке застосування в статистичних дослідженнях лише після того, як
американський статистик Дж.Снедекор склав таблиці для даного розподілу.
У цьому зв'язку F-розподіл називають розподілом Фишера-Снедекора.
Розподіл Фішера в теорії ймовірностей – це двопараметричне сімейство
абсолютно неперервних розподілів.
Нехай Y1, Y2 – дві незалежні випадкові величини, які мають розподіл
хі-квадрат: Yi˜χ2(di), де di∈ N, i=1,2. Тоді розподіл випадкової величини
(формула 3.6)

Y 1 /d 1
F= (3.6)
Y 2 /d 2

називається розподілом Фішера (рисунок 3.3) зі ступенями свободи d1 і

d2. Пишуть F˜F(d1,d2) [6, с.58].
Математичне сподівання та дисперсія випадкової величини, що має
розподіл Фішера, мають наступний вигляд (формули 3.7 та 3.8)

d2
M [ F ]= , якщо d 2 >2 , (3.7)
d−2

2 d 22 ( d 1 + d2 −2 )
D[ F ]= , якщо d 2 > 4 . (3.8)
d 1 ( d 2−2 )2 ( d 2 −4 )

Рисунок 3.3 – Розподіл Фішера

Закон розподілу випадкової величини F не залежить від невідомих

параметрів (µ1, σ12) і (µ2, σ22), а залежить лише від числа спостережень у
вибірках n1 і n2. Складено таблиці розподілу випадкової величини F, у яких
різним значенням рівня значимості α і різним сполученням величин n 1 і n2
відповідають такі значення F(α, n1, n2), для яких справедливе рівність
(формула 3.9)

P[F > F(α, n1, n2)] = α (3.9)

Експоненційний (показниковий) розподіл – абсолютно неперервний
розподіл, що моделює час між двома послідовними завершеннями однієї і
тієї ж події.
Припустимо, що існує випадкове число розподілене рівномірно, так що
ймовірність появи числа в діапазоні від x до x +dx , позначена як p ( x ) dx
(формула 3.10)

{ dx ,if 0< x<1

p(x)dx= 0 , в іншому вип. (3.10)

тоді, функція розподілу ймовірності є нормалізованою і прийме

наступний вигляд (формула 3.11)
∞

∫ p ( x ) dx =1 (3.11)
−∞

Нехай існує функція y (x ), ймовірність позначимо через p ( x ) dx тоді,

відповідно (формули 3.12 та 3.13)

p ( x ) dx∨¿∨ p ( y ) dy∨¿ (3.12)

або
|dxdy |
p ( y )= p( x ) (3.13)

Таким чином, якщо припустити що y ( x ) ≡−ln ⁡(x), і p(x ) розподілено

рівномірно, то підставивши значення в попереднє рівняння отримуємо
формулу 3.14.

p ( y ) dy= |dxdy|dy=e −y
dy (3.14)

Яка буде розподілена експоненційно. Таким чином, для отримання

експоненційного розподілу з величини x , розподіленої рівномірно, необхідно
скористатися функцією – ln ( x )

3.3 Завдання до виконання роботи

 Створити функцію, що повертає рівномірно розподілену величину в
діапазоні [a, b]
Створити функцію, що повертає експоненційно розподілену величину в
діапазоні від [0;1]
Створити функцію, що повертає нормально розподілену величину в
діапазоні від [0;1]
Створити візуальне відображення функцій розподілу для кожного з
розподілів.
Описати характерні риси розподілу.

Додаткове завдання підвищеної складності (потребує доступу до

Інтернет). Створити функцію що повертає нормально розподілену величину
за допомогою зиккурат-алгоритму(ziggurat algorithm) і порівняти час
виконання з алгоритмом Бокса-Мюллєра.

3.4 Зміст звіту

Звіт повинен містити наступні частини:

‒ тема;
‒ мета;
‒ індивідуальне завдання;
‒ частини програмного коду, що реалізують функції розподілу (з
коментарями);
‒ скріншот результатів виконання програми;
‒ висновки.

3.5 Контрольні запитання

1. Дати визначення нормального закону.

2. Назвати параметри нормального закону, намалювати графік.
3. Дати визначення розподілу Стьюдента.
4. Назвати параметри розподілу Стьюдента, намалювати графік.
5. Дати визначення розподілу Фішера.
6. Назвати параметри розподілу Фішера, намалювати графік.
7. Дати визначення розподілу хі-квадрат.
8. Назвати параметри розподілу хі-квадрат, намалювати графік.
9. Дати визначення експоненційного розподілу.
10. Назвати параметри експоненційного розподілу, намалювати графік.