Случайная величина принимает какое-то значение из коридора ее колебания. Для каждого возможного значения х из данного коридора имеется вероятность принятия случайной величиной данного значения . Зависимость вероятности от значения х называется функция распределения и обозначается f(x).
f(x)- показывает вероятность принятия случайной величиной х конкретного значения из коридора хmin-xmax или х±Δ.
Проведем следующий эксперимент: построим график случайной величины.
1) найдем хmin и xmax
2) разобьем данный коридор на 6 диапазонов.
3) посчитаем количество значений, попавших в каждый диапазон.
x(t)
xmax n=6
n=10
n=16
n=14
n=8
n=6
xmin
t
N=Σn=60
Полученный ступенчатый график показывает количество значений, попавших в каждый коридор. Данный график называется гистограмма.
ni/N- частность. Она показывает относительное значение точек, попавших в данный коридор, и является экспериментальной оценкой вероятности попадания случайной величины в данный коридор, или принятия случайной величиной значения из данного коридора.
Гистограмма-это экспериментальная оценка функции распределения вероятности(f(x)).
Пусть f(x) - график теоретической функции распределения, обычно р/м отдельно и изображается в виде:
1 1-нормальный закон 3
(колоколообразная кривая) 2
2-равномерное распределение
3-экспоненциальное распределение
4- х2(хи- квадратное распределение) 4
Из определений видно, что первое распределение нормальное, следовательно остальные не нормальные. Нормальное распределение характерно для большого числа случаев.
Вспомним закон больших чисел: если случайная величина зависит от большого числа факторов, примерно различных по влиянию ( практически больше 6 ), то случайная величина имеет нормальный закон распределения.
Обратим внимание: при нормальном законе распределения большое количество случайных значений находится около среднего значения и по мере удаления от среднего это количество уменьшается. 2
e -(x-a) / 2π
Нормальный закон распределения имеет вид: f(x)= σ 2π
а- математическое ожидание (оценкой которого является среднее)
σ-среднее квадратическое отклонение
Р/м отличие детерминированной величины от случайной.
Значение детерминированной величины точно определено в данный момент, и его можно предсказать в будущем.
Значение случайной величины определяется функцией вероятности, т.е., каждое его значение (для непрерывной величины нахождения в каком-то коридоре) имеет определенную вероятность.
Для нормального закона распределения эти вероятности равны:
1) х ± σ- находятся 68 % значений х
2) х ± 2σ- находятся 95 % значений
3) х ± 3σ- находятся 99,7 % значений
σ σ
Фактически случайная величина имеет право быть в диапазонах ± 4σ и ± …σ. При решении технических задач ширину колебаний случайной величины ограничивают, но эти ограничения определяют вероятность (надежность) данного результата. Мы можем сказать, что случайная величина может находиться в диапазоне х ± σ, но надежность данного результата 68% и т.д. В технических задачах принимают надежность 95%, тогда разброс случайной величины определяется как х± Δ → х ± 2σ следовательно Δ = 2σ . При решении задач медицины Δ = 3σ, при решении военных задач Δ = …σ
Правило 3-х σ:
Дисперсная характеристика определяет ширину коридора разброса случайного процесса. Р/м 2 характеристики : 1) корреляционная функция
2) спектральная плотность
Р/м два графика:
Два случайных процесса x1(t) и x2(t) имеют одинаковые среднее и дисперсию, но отличаются скоростью изменения сигнала во времени.
x1(t) x2(t)
t t
Говорят : данные сигналы отличаются спектральными составляющими, при этом первый сигнал имеет высокочастотные составляющие, а второй низкочастотные.
Пример: x(t)= x1(t)+x2(t)+x3(t)
х1
х3
х
х2
Уважаемый посетитель!
Чтобы распечатать файл, скачайте его (в формате Word).
Ссылка на скачивание - внизу страницы.