Табулирование и квантили нормального распределения.
Квантиль нормального распределения порядка р — это число Up для которого Ф(Up) = р. Например, U0,95= 1,64 5.
Из симметрии графика функции стандартного нормального распределения и формулы (3.36) вытекает полезное соотношение для квантилей:
U1-p=-Up
Можно установить связь между функцией распределения F(x) для распределения N(m, σ) и функцией стандартного нормального распределения:
Вероятность попадания нормально распределенной случайной величины в интервал от х1 до х2 в соответствии с зависимостями (3.11) и (3.38) определяется по формуле
Часто в расчетах надо найти вероятность того, что случайная величина X не слишком сильно отклонится от своего математического ожидания т:
Пусть, например, ε = Зσ. Используя таблицы функции стандартного нормального распределения, найдем:
P(| X- т | < Зσ) = 2Ф(3) -1= 2* 0,99865 - 1 = 0,9973,
поэтому вероятность того, что случайная величина отклонится от математического ожидания больше, чем на Зσ, ничтожно мала: P(| X- т | > Зσ) = 0,0027. Такое событие практически невозможно. В связи с этим на практике часто используется так называемое правило «трех сигм»: отклонение нормально распределенной случайной величины от ее математического ожидания, как правило, не превышает утроенного стандартного отклонения.
|
|
Пример На станке-автомате изготавливаются валики номинальным диаметром 10 мм. Стандартное отклонение, характеризующее точность станка, составляет σ = 0,03 мм. Сколько в среднем валиков из ста удовлетворяют стандарту, если для этого требуется, чтобы диаметр отклонялся от номинального не более чем на 0,05 мм?
Из (3.40) имеем:
Р(|Х-m | < 0,05) = 2Ф(0,05/0,03) - 1 = 2Ф(1,67) -1= 2 0,9522 - 1 = 0,9044,
т.е. примерно 90 валиков из каждых 100 удовлетворяют стандарту.
Широкое распространение нормального распределения обосновывается центральной предельной теоремой, которая устанавливает условия, в которых справедливо нормальное распределение.
Упрощенная формулировка теоремы такова. Пусть Хх, Х2,... Хп — независимые одинаково распределенные случайные величины.
Тогда при увеличении n закон распределения суммы этих величин неограниченно приближается к нормальному.
Пусть Хi – случайные величины, имеющие стандартное нормальное распределение N(0,1). Распределение суммы квадратов этих величин
называется распределением хи – квадрат с k степенями свободы. График кривых распределения хи – квадрат показан на рисунке. Квантили распределения хи – квадрат обозначаются χ2p(k); они табулированы, их значения определяются числом степеней свободы k и порядком квантили p. Например, χ 20,975(15) = 27,5.
Рисунок – Кривые распределения хи – квадрат