Закони розподілу неперервних випадкових

величин
РІВНОМІРНИЙ (ПРЯМОКУТНИЙ) ЗАКОН РОЗПОДІЛУ
ПОКАЗНИКОВИЙ (ЕКСПОНЕНЦІАЛЬНИЙ) ЗАКОН
РОЗПОДІЛУ
НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ
РОЗПОДІЛ ПІРСОНА
РОЗПОДІЛ СТЬЮДЕНТА
РОЗПОДІЛ СТЬЮДЕНТА
ЗАКОНИ РОЗПОДІЛУ НЕПЕРЕРВНИХ ВИПАДКОВИХ ВЕЛИЧИН

Визначення. Законом розподілу неперервної випадкової величини називається певний

вигляд функції 𝑓(𝑥)
Серед законів розподілу неперервних випадкових величин особливої уваги
заслуговують:
1. рівномірний;
2. показовий;
3. нормальний.
РІВНОМІРНИЙ (ПРЯМОКУТНИЙ) ЗАКОН РОЗПОДІЛУ

Визначення. Неперервна випадкова величина розподілена за рівномірним законом на

інтервалі [a, b], якщо її щільність розподілу має вигляд:

Знайдемо інтегральна функція розподілу, відповідно до формули

Отримуємо
РІВНОМІРНИЙ (ПРЯМОКУТНИЙ) ЗАКОН РОЗПОДІЛУ

Таким чином, інтегральна функція рівномірно розподіленої величини визначається як

Графік щільності розподілу та інтегральної функції для рівномірно розподіленої

випадкової величини має вигляд, показаний на рис
РІВНОМІРНИЙ (ПРЯМОКУТНИЙ) ЗАКОН РОЗПОДІЛУ

Математичне сподівання неперервної випадкової величини, яка розподілена

рівномірно

Дисперсія неперервної випадкової величини, яка розподілена рівномірно

Середнє квадратичне відхилення

РІВНОМІРНИЙ (ПРЯМОКУТНИЙ) ЗАКОН РОЗПОДІЛУ

Приклад . Електропоїзди в метро слідують один за одним суворо за графіком з інтервалом

руху 5 хвилин. Знайти ймовірність того, що пасажир, що підійшов до перону метро, буде
очікувати черговий потяг менше 3 хвилин.
Розв’язання. Час очікування є випадковою величиною, рівномірно розподіленою в інтервалі
[0, 5].
Тому, її щільність розподілу має вигляд:
𝟎, 𝒙<𝟎
𝟏
𝒇 𝒙 = ,𝟎 ≤ 𝒙 ≤ 𝟓
𝟓
𝟎, 𝒙>𝟓
Тому,
𝟑
𝟏 𝟏 𝟑
𝑷 𝟎≤𝒙≤𝟑 = 𝒅𝒙 = ∙ 𝟑 − 𝟎 =
𝟎 𝟓 𝟓 𝟓
ПОКАЗНИКОВИЙ (ЕКСПОНЕНЦІАЛЬНИЙ) ЗАКОН РОЗПОДІЛУ

Визначення. Неперервна випадкова величина розподілена за показниковим законом,

якщо її щільність розподілу має вигляд:

де λ – інтенсивність подій, тобто кількість подій в одиницю часу.

Графік щільності розподілу для випадкової величини, розподіленої за показниковим законом,
має вигляд, показаний на рис.

Показниковий закон розподілу має тільки один параметр λ .

ПОКАЗНИКОВИЙ (ЕКСПОНЕНЦІАЛЬНИЙ) ЗАКОН РОЗПОДІЛУ

Інтегральна функція розподілу показникового розподілу має вигляд

Математичне сподівання випадкової величини, розподіленої за показниковим законом,

визначимо наступним чином:

Дисперсія випадкової величини, розподіленої за показниковим законом, визначимо

наступним чином:

Середнє квадратичне відхилення визначимо відповідно до формули

ПОКАЗНИКОВИЙ (ЕКСПОНЕНЦІАЛЬНИЙ) ЗАКОН РОЗПОДІЛУ

Визначення. Показниковий законом надійності називається функцією надійності 𝑅𝑇 (𝑡) , яка

визначається рівністю

де λ − інтенсивність відмов, тобто кількість відмов в одиницю часу.

Приклад. Час безвідмовної роботи елемента розподілений за показовім законом:

Знайти ймовірність того, що елемент безвідмовно працюватиме 100 годин.

Розв’язання. За формулою маємо:
НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ
НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ

Визначення. Неперервна випадкова величина розподілена за нормальним законом з

параметрами 𝒂 і 𝝈𝟐 , якщо її щільність розподілу має вигляд:

Графік функції щільності нормального розподілу називають нормальній кривій (кривій

Гаусса).
Графік щільності розподілу для випадкової величини, розподіленої за нормальним законом,
має вигляд, показаний на рис. Крива щільності розподілу симетрична відносно прямої х = а .
Свого максимуму вона досягає в точці з координатами
НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ

Параметр а називають центром нормального розподілу. Він характеризує зміщення

кривої розподілу вздовж осі Ох. Параметр σ (σ > 0) , називається стандартним
відхиленням і характеризує розсіювання випадкової величини відносно її математичного
сподівання.
Зі зменшенням σ крива розподілу витягується вверх вздовж прямої х = а, зберігаючи площу
під кривої.
Інтегральна функція випадкової величини, розподіленої за нормальним законом,
визначається інтегралом

Графік інтегральної функції зображений на рис

НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ

Математичне сподівання випадкової величини, розподіленої за нормальним ,

визначається виразом

Дисперсія випадкової величини, розподіленої за нормальним законом, визначається

виразом

Середнє квадратичне відхилення визначається відповідно до формули

НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ

Теорема 1. Ймовірність влучення на заданий інтервал нормально розподіленої

випадкової величини знаходиться за допомогою формули

Де де Ф(х) – функція Лапласа (Знаходиться з таблиць. ТЕМА 6)

Теорема 2. Ймовірность того, що відхилення випадкової величини, розподіленної за
нормальним законом, від її центру (математичного сподівання) за абсолютним значенням
менше заданого числа δ знаходиться за допомогою формули

Теорема 3. Правило трьох сигм. Якщо випадкова величина розподілена нормально, то

абсолютна величина її відхилення від свого центу не перевершує потроєного
середньоквадратичного відхилення. майже вся маса нормального розподілу зосереджена у
проміжку
НОРМАЛЬНИЙ ЗАКОН РОЗПОДІЛУ

Приклад . Випадкова величина Х розподілена за нормальним законом 𝒂 = 𝟐𝟎, 𝝈𝟐 = 𝟐𝟓.

Знайти ймовірність того, що в результаті випробування випадкова величина Х прийме
значення з інтервалу (10; 25).
Розв’язання. За умовами задачі маємо параметри розподілу 𝒂 = 𝟐𝟎, 𝝈𝟐 = 𝟐𝟓. Таким чином,
математичне сподівання і середнє квадратичне відхилення нормально розподіленої
випадкової величини Х дорівнюють

За формулою

маємо
РОЗПОДІЛ ПІРСОНА

Розподіл Пірсона має ще іншу назву – розподіл 𝓧𝟐 (хі-квадрат).

Нехай незалежні випадкові величини 𝑿𝒊 (i=1,2,…n) розподілені за стандартним нормальним
законом з параметрами 𝒂 = 𝟎, 𝝈𝟐 = 𝟏
Тоді випадкова величина

розподілена за законом 𝓧𝟐 (хі-квадрат) з k ступенями свободи, k= n. Число ступенів свободи

k є абстрактним поняттям, що визначає в даному випадку умови незалежності величин 𝑿𝒊 .
Наявність будь-якої залежності між величинами 𝑿𝒊 зменшує число ступенів свободи k на
одиницю k= n-1.
Числові характеристики розподілу 𝓧𝟐

Зі зростанням числа ступенів свободи k розподіл 𝓧𝟐 (хі-квадрат) наближається до

нормального розподілу.
РОЗПОДІЛ ПІРСОНА
РОЗПОДІЛ СТЬЮДЕНТА

Розподіл Стьюдента має ще іншу назву – t розподіл .

Нехай випадкова величина 𝑿𝟎 розподілена за стандартним нормальним законом, а випадкова
величина 𝓧𝟐𝒌 розподілена за законом 𝓧𝟐 (хі-квадрат) з k ступенями свободи і не залежить від
𝑿𝟎 . Тоді випадкова величина

розподілена за законом Стьюдента з числом ступенів свободи k.

Зі зростанням числа ступенів свободи k розподіл Стьюдента наближається до стандартного
нормального розподілу с параметрами 𝒂 = 𝟎, 𝝈𝟐 = 𝟏
Числові характеристики розподілу Стьюдента:

Для розподілу Стьюдента складено таблицю ймовірності того, що випадкова величина 𝒕

виявиться меншою за фіксоване значення 𝑡1 , тобто ймовірності 𝑷 𝒕 < 𝒕𝟏 , де β – довірча
ймовірність.
Таблиця має два вхідних параметри: рівень значимості 𝟐𝜶 = 𝟏 − 𝜷 ; число
ступенів свободи k.
РОЗПОДІЛ ФІШЕРА – СНЕДЕКОРА

Розподіл Фішера – Снедекора має ще іншу назву – F розподіл

Нехай незалежні випадкові величини 𝓧𝟐𝒏 , 𝓧𝟐𝒎 розподілені за законом хі-квадрат відповідно з
n і m ступенями свободи. Тоді випадкова величина

розподілена за законом Фішера зі ступенями свободи n і m .

Числові характеристики розподілу Фішера:
РОЗПОДІЛ ФІШЕРА – СНЕДЕКОРА

Для розподілу Фішера складено таблицю ймовірності того, що випадкова величина 𝑭𝒏,𝒎
виявиться більшою за фіксоване значення 𝑭𝟏 , тобто ймовірності

𝑷 𝑭𝒏,𝒎 > 𝑭𝟏 = 𝜷,

де β – довірча ймовірність.

Таблиця має три вхідних параметри:

− довірча ймовірність β ;
− число ступенів свободи n;
− число ступенів свободи m.

Розподіл Фішера застосовується у статистиці при перевірці статистичних

гіпотез.