Презентация Числовые характеристики непрерывной сл. в. Нормальное распределение без кривой Гаусса онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Числовые характеристики непрерывной сл. в. Нормальное распределение без кривой Гаусса абсолютно бесплатно. Урок-презентация на эту тему содержит всего 27 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Презентации » Образование » Числовые характеристики непрерывной сл. в. Нормальное распределение без кривой Гаусса
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:27 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:200.50 kB
- Просмотров:79
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№2 слайд
![Распространим определения](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img1.jpg)
Содержание слайда: Распространим определения числовых характеристик дискретных величин на величины непрерывные.
Распространим определения числовых характеристик дискретных величин на величины непрерывные.
♦ Математическим ожиданием непрерывной случайной величины Х, возможные значения которой xЄ[а; b], называют определенный интеграл:
M (X) = ∫ x f(x) dx.
Если возможные значения принадлежат всей оси Ох, то M (X) = ∫ x f(x) dx,
х – М (Х) – есть отклонение величины Х.
Предполагается, что несобственный интеграл сходится абсолютно, т.е. существует интеграл ∫ |x| f(x) dx
№3 слайд
![Дисперсией непрерывной](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img2.jpg)
Содержание слайда: ♦ Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения.
♦ Дисперсией непрерывной случайной величины называют математическое ожидание квадрата ее отклонения.
Если возможные значения Х Є [а; b], то
D(X) = ∫ [x – M(X)]2 f(x)dx.
Если х Є [-∞; ∞], то
D(X) = ∫ [x – M(X)]2 f(x)dx.
♦ Среднее квадратическое отклонение непрерывной случайной величины определяется, как и для дискретных величин, равенством:
σ (Х) = √ D (X) .
№4 слайд
![Замечание . Можно доказать,](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img3.jpg)
Содержание слайда: Замечание 1. Можно доказать, что св-ва мат. ожидания и дисперсии дискретных величин сохраняются и для непрерывных величин.
Замечание 1. Можно доказать, что св-ва мат. ожидания и дисперсии дискретных величин сохраняются и для непрерывных величин.
Замечание 2. Легко получить для вычисления дисперсии более удобные формулы:
D(X) = ∫ х2 f(x)dx - [M(X)]2;
D(X) = ∫ х2 f(x)dx - [M(X)]2.
№5 слайд
![Пример. Найти мат. ожидание и](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img4.jpg)
Содержание слайда: Пример. Найти мат. ожидание и дисперсию случайной величины Х, заданной ф-ей распределения:
Пример. Найти мат. ожидание и дисперсию случайной величины Х, заданной ф-ей распределения:
0 при х ≤ 0
F(x) = х при 0 < х ≤ 1
1 при х > 1.
Решение. Найдем плотность распределения:
0 при х < 0
f(х) = F'(x) = 1 при 0 < х < 1
0 при х > 1.
№7 слайд
![Нормальное распределение](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img6.jpg)
Содержание слайда: Нормальное распределение
Нормальным называется распределение вероятностей непр. случ. величины, кот. определяется плотностью
f(x) = е -(х- а)2/2σ2.
Норм. распределение опред-ся 2-мя параметрами а и σ.
Вероятностный смысл этих параметров таков:
а – есть математическое ожидание, а
σ – среднее квадратичное отклонение формального распределения.
№8 слайд
![Общим называют норм.](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img7.jpg)
Содержание слайда: Общим называют норм. распределение с произвольными параметрами а и σ (σ>0).
Общим называют норм. распределение с произвольными параметрами а и σ (σ>0).
Нормированным называют норм. распр-ие с параметрами а=0 и σ=1. Напр., если
Х – нормальная величина с параметрами а и σ, то
U = (Х - а)/σ – нормированная нормальная величина, причем М(U)=0, σ(U)=1.
Плотность нормированного распределения
φ(x) = е-х2/2.
Эта ф-ция фигурирует в локальной теореме Лапласа и затабулирована.
№9 слайд
![Локальная теорема Лапласа При](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img8.jpg)
Содержание слайда: Локальная теорема Лапласа
При больших значениях n ф-ла Бернулли неудобна, и для приближенных вычислений используют локальную теорему Лапласа:
«Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события А равна р, событие А наступит ровно k раз, приближенно равна
Рn(k) φ(x), где φ(x)= е-х2/2,
№11 слайд
![Интегральная теорема Лапласа](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img10.jpg)
Содержание слайда: Интегральная теорема Лапласа
Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события А равна р, событие А наступит не менее k1 раз и не более k2 раз, приближенно равна
Рn(k1; k2) ≈ Ф(х'') - Ф(х'), где
Ф(х) = ∫е-Z2/2·dz – ф-ия Лапласа,
х'= , х''= , k2>k1.
№14 слайд
![График плотности нормального](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img13.jpg)
Содержание слайда: График плотности нормального распределения называют нормальной кривой (кривой Гаусса).
График плотности нормального распределения называют нормальной кривой (кривой Гаусса).
Исследуем ф-ию
у = е
Методом дифференциального исчисления.
1. Очевидно, ф-ия определена на всей оси х.
№15 слайд
![. у gt , т.е. кривая](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img14.jpg)
Содержание слайда: 2. у > 0, т.е. кривая расположена над осью х.
2. у > 0, т.е. кривая расположена над осью х.
3. Lim y = 0, т.е. у=0 – ось Ох служит горизонтальной асимптотой графика.
4. Исследуем ф-ию на экстремум.
у' = - е .
Легко видеть, что у'=0 при х=а, у'>0 при х<a и у'<0 при х>а. Согласно достаточному условию экстремума при х=а ф-ия имеет максимум:
уmax= .
№16 слайд
![. Разность х-а содержится в](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img15.jpg)
Содержание слайда: 5. Разность х-а содержится в аналитическом выражении ф-ии в квадрате, т.е. график симметричен относительно прямой х=а.
5. Разность х-а содержится в аналитическом выражении ф-ии в квадрате, т.е. график симметричен относительно прямой х=а.
6. Исследуем ф-ию на точки перегиба (где график меняет характер выпуклости)
у'' = - е-(х-а)2/2σ2·[1 - ].
№17 слайд
![у при х а , а при переходе](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img16.jpg)
Содержание слайда: у''=0 при х=а±σ, а при переходе через эти точки 2-ая производная меняет знак (в обеих этих точках значение ф-ии равно
у''=0 при х=а±σ, а при переходе через эти точки 2-ая производная меняет знак (в обеих этих точках значение ф-ии равно
Таким образом, точки графика
(а – σ; ) и (а + σ; )
являются точками перегиба.
№18 слайд
![Влияние параметров](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img17.jpg)
Содержание слайда: Влияние параметров нормального распределения на форму нормальной кривой
Известно, что график f(x-a) получается параллельным переносом графика f(x) на а единиц масштаба вправо, если а>0.
Отсюда следует, что изменение величины параметра а (матем. ожидания) не изменяет формы нормальной кривой, а приводит лишь к ее сдвигу вдоль оси Ох: вправо, если «а» возрастает, и влево, если «а» убывает. Иное дело с σ. Максимум нормальной кривой распределения равен .
№19 слайд
![Отсюда следует, что с](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img18.jpg)
Содержание слайда: Отсюда следует, что с возрастанием σ максимум убывает, а сама кривая становиться более пологой, т.е. сжимается к оси Ох; при убывании σ нормальная кривая становиться более «островершинной» и растягивается в положительном направлении оси Оу.
Отсюда следует, что с возрастанием σ максимум убывает, а сама кривая становиться более пологой, т.е. сжимается к оси Ох; при убывании σ нормальная кривая становиться более «островершинной» и растягивается в положительном направлении оси Оу.
Важно заметить, что при любых значениях а и σ площадь, ограниченная нормальной кривой и осью х остается равной 1.
(В частности при σ→0 получаем одно из определений дельта-функции Дирака).
№21 слайд
![Вероятность попадания в](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img20.jpg)
Содержание слайда: Вероятность попадания в заданный интервал нормальной случайной величины
Как известно
P (α<X<β) = ∫f(x)dx – вероятность
того, что случайная величина Х примет значения из (α; β).
Пусть Х – нормальная величина. Тогда
P (α<X<β) = ∫е
Чтобы пользоваться готовыми таблицами, преобразуем эту формулу:
P (α<X<β) = Ф( ) – Ф( ).
№22 слайд
![Вычисления вероятности](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img21.jpg)
Содержание слайда: Вычисления вероятности заданного отклонения
Часто требуется вычислить вероятность то, что отклонение нормально распределенной случайной величины Х по абсолютной величине меньше заданного положительного числа δ, т.е. требуется найти вероятность осуществления неравенства |Х-а|<δ.
P (|Х-а|<δ) = 2Ф( ).
№24 слайд
![Правило трех сигм В ф-ле P](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img23.jpg)
Содержание слайда: Правило трех сигм
В ф-ле P (|Х-а|<δ) = 2Ф( ) положим δ=σ·t, тогда
P (|Х-а|<σ t) = 2Ф(t). Если t = 3 и,
следовательно, σ t = 3σ , то
P (|Х-а|<3σ) = 2Ф(3) = 2·0,49865 = 0,9973 ,
т.е. вероятность того, что отклонение по абсолютной величине будет меньше утроенного среднего квадратического отклонения, равна 0,9973.
№25 слайд
![Другими словами, вероятность](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img24.jpg)
Содержание слайда: Другими словами, вероятность того, что абсолютная величина отклонения превысит утроенное среднее квадратичное отклонение, очень мала, а именно равна 0,0027. Т.е. в 0,27% случаев так может произойти. Такие события можно считать практически невозможными.
Другими словами, вероятность того, что абсолютная величина отклонения превысит утроенное среднее квадратичное отклонение, очень мала, а именно равна 0,0027. Т.е. в 0,27% случаев так может произойти. Такие события можно считать практически невозможными.
Правило 3-х сигм: если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.
№26 слайд
![На практике, если](/documents_5/3b8f06b838f9de4b8749fa1729509b30/img25.jpg)
Содержание слайда: На практике, если распределение неизвестно, но выполняется условие в правиле 3-х сигм, то есть основание предполагать, что изучаемая величина распределена нормально.
На практике, если распределение неизвестно, но выполняется условие в правиле 3-х сигм, то есть основание предполагать, что изучаемая величина распределена нормально.
В противном случае она не распределена нормально.
Скачать все slide презентации Числовые характеристики непрерывной сл. в. Нормальное распределение без кривой Гаусса одним архивом:
Похожие презентации
-
Распределения дискретных и непрерывных случайных величин и их числовые характеристики.
-
Непрерывные случайные величины: законы распределения, числовые характеристики
-
Дискретные случайные величины. Законы распределения. Числовые характеристики
-
Нормальное распределение
-
Числовые характеристики одномерных и двумерных случайных величин
-
Нормальный закон распределения
-
Преступления против общественного порядка и общественной безопасности. Общая характеристика
-
Случайные распределения Метод обратной функции. Метод фон Неймана. Распределение Пуассона. Нормальное распределение.
-
Безопасность распределенных вычислительных систем в Интернет
-
Классификация нормально распределенных векторов при неизвестных параметрах распределения