Распределение Пуассона
Формальная модель – получается предельным переходом из биноминальной модели (3.1.1.1), если , , . На практике распространено задание , где – интенсивность потока (число событий за единицу времени), – длина интервала. X – число событий на участке длиной . Ряд распределения , где ; . Моменты: ; . Пример распределения Пуассона дан в табл. 1.3. Таблица 1.3 Распределение Пуассона .
ЛИТЕРАТУРА 1.Компьютерные технологии адаптивной обработки данных,часть1:Лабораторный практикум / РГМУ: сост. Булаев М.П., Дорошина Н.В., Кабанов А.Н. Рязань, 2002, 27 с. 2.Элементы теории вероятностей: Практикум, Б131 /Авт.-сост. М.П.Булаев, Е.В. Прохорова; под ред. М.П. Булаева; Ряз. гос. мед. ун-т им. акад И.П.Павлова. - Рязань: РИО РГМУ, 2006. – 93 с.
ЛЕКЦИЯ 4 Некоторые важные распределения непрерывных случайных величин Равномерное распределение Закон равной плотности вероятности имеет место, когда все значения непрерывной случайной величины в некотором конечном интервале ( ) равновозможны. Плотность вероятности Функция распределения Моменты: ; ; . Показательное (экспоненциальное) распределение Показательное распределение используется для описания временных интервалов между моментами появления случайных событий в простейшем потоке, подчиняющемся закону Пуассона . Показательное распределение играет большую роль в теории случайных процессов. Плотность вероятности . Функция распределения . Моменты: ; ; . Значения функции приведены в табл. 1.4. Таблица 1.4 Значения функции .
Нормальное распределение (закон Гаусса) Нормальное распределение возникает в тех случаях, когда складывается много независимых случайных величин , причем эти величины сравнимы по порядку своего влияния на рассеивание суммы. Плотность вероятности где ; . ©2015 arhivinfo.ru Все права принадлежат авторам размещенных материалов.
|