Нормальное распределение
Первое доказательство частного случая центральной предельной теоремы. Определение нормального распределения. Свойства нормальной кривой Гаусса. Определение экстремума функции. График функции плотности распределения. Максимальная дифференциальная энтропия.
| Рубрика | Математика |
| Вид | реферат |
| Язык | русский |
| Дата добавления | 05.03.2020 |
| Размер файла | 255,9 K |
Отправить свою хорошую работу в базу знаний просто. Используйте форму, расположенную ниже
Студенты, аспиранты, молодые ученые, использующие базу знаний в своей учебе и работе, будут вам очень благодарны.
Размещено на http://www.allbest.ru/
Министерство образования и науки РФ
Федеральное государственное бюджетное образовательное учреждение высшего образования «Ярославский государственный педагогический университет им. К.Д. Ушинского»
Факультет русской филологии и культуры
Направление: филологическое образование
РЕФЕРАТ
по дисциплине Основы математической обработки информации
на тему «Нормальное распределение»
Работу выполнила
Студентка 1 курса
очного отделения
Лебедева Анна
Ярославль-2018
(Иначе: распределение Гаусса). Впервые нормальное распределение как предел биномиального распределения при Р=1/2 появилось в 1738 году во втором издании работы Муавра «Доктрина случайностей». Это было первое доказательство частного случая центральной предельной теоремы. В 1809 году Гаусс в сочинении «Теория движения небесных тел» ввёл это распределение как возникающее в результате многократных измерений движения небесных тел. Однако Гаусс вывел формулу для действительных случайных величин из принципа достижения максимума совместной плотности всех измерений в точке с координатами, равными среднему всех измерений. Этот принцип впоследствии подвергался критике. В 1812 году Лаплас в теореме Муавра-Лапласа обобщил результат Муавра для произвольного биномиального распределения, то есть для сумм одинаково распределённых независимых бинарных величин [3]. Нормамльное распределемние[1][2], также называемое распределением Гаусса или Гаусса -- Лапласа[3] -- распределение вероятностей, которое в одномерном случае задаётся функцией плотности вероятности, совпадающей с функцией Гаусса:
где параметр м -- математическое ожидание (среднее значение), медиана и мода распределения, а параметр у -- среднеквадратическое отклонение (у?І -- дисперсия) распределения.
Найдём функцию распределения F(x)
График плотности нормального распределения называется нормальной кривой или кривой Гаусса.
Нормальная кривая обладает следующими свойствами:
1) Функция определена на всей числовой оси.
2) При всех х функция распределения принимает только положительные значения.
3) Ось ОХ является горизонтальной асимптотой графика плотности вероятности, т.к. при неограниченном возрастании по абсолютной величине аргумента х, значение функции стремится к нулю.
4) Найдём экстремум функции.
Т.к. при y' > 0 при x < m и y' < 0 при x > m , то в точке х = т функция имеет максимум, равный .
5) Функция является симметричной относительно прямой х = а, т.к. разность (х - а) входит в функцию плотности распределения в квадрате.
6) Для нахождения точек перегиба графика найдем вторую производную функции плотности.
При x = m + и x = m - вторая производная равна нулю, а при переходе через эти точки меняет знак, т.е. в этих точках функция имеет перегиб.
В этих точках значение функции равно .
Построим график функции плотности распределения (рис. 1).
Рис. 1
распределение гаусс экстремум энтропия
Построены графики при т =0 и трёх возможных значениях среднеквадратичного отклонения = 1, = 2 и = 7. Как видно, при увеличении значения среднего квадратичного отклонения график становится более пологим, а максимальное значение уменьшается.
Если а > 0, то график сместится в положительном направлении, если а < 0 - в отрицательном.
При а = 0 и = 1 кривая называется нормированной. Уравнение нормированной кривой:
Стандартным нормальным распределением называется нормальное распределение с математическим ожиданием м = 0 и стандартным отклонением у = 1. Графическое представление рис. 2
Зеленая линия соответствует стандартному нормальному распределению Плотность вероятности рис. 3
Цвета на этом графике соответствуют графику наверху Свойства: Бесконечная делимость
Нормальное распределение является бесконечно делимым.
Рис. 2
Рис. 3
распределение гаусс экстремум энтропия
Если случайные величины {\displaystyle X_{1}} и {\displaystyle X_{2}} независимы и имеют нормальное распределение с математическими ожиданиями {\displaystyle \mu _{1}} и {\displaystyle \mu _{2}} и дисперсиями {\displaystyle \sigma _{1}^{2}} и {\displaystyle \sigma _{2}^{2}} соответственно, то {\displaystyle X_{1}+X_{2}} также имеет нормальное распределение с математическим ожиданием {\displaystyle \mu _{1}+\mu _{2}} и дисперсией {\displaystyle \sigma _{1}^{2}+\sigma _{2}^{2}.} Отсюда вытекает, что нормальная случайная величина представима как сумма произвольного числа независимых нормальных случайных величин.
Максимальная энтропия
Нормальное распределение имеет максимальную дифференциальную энтропию среди всех непрерывных распределений, дисперсия которых не превышает заданную величину[4][5].
Моментами и абсолютными моментами случайной величины X называются математические ожидания X?p. Если математическое ожидание случайной величины м = 0, то эти параметры называются центральными моментами. В большинстве случаев представляют интерес моменты для целых p.
Если X имеет нормальное распределение, то для неё существуют (конечные) моменты при всех p с действительной частью больше ?1. Для неотрицательных целых p, центральные моменты таковы:
Последняя формула справедлива также для произвольных p > ?1.
Размещено на Allbest.ru
...Подобные документы
Нормальное распределение на прямой, нормальная кривая. Влияние параметров нормального распределения на форму нормальной кривой. Вероятность отклонения в заданный интервал нормальной случайной величины. Вычисление вероятности заданного отклонения.
курсовая работа [1,7 M], добавлен 06.12.2012Закон и свойства нормального распределения случайной величины. На основе критерия согласия Пирсона построение гистограммы, статистической функции и теоретической кривой и определение согласованности теоретического и статистического распределения.
курсовая работа [894,5 K], добавлен 30.10.2013Условия неограниченного приближения закона распределения суммы n независимых величин к нормальному закону распределения. Сущность центральной предельной теоремы. Определение с помощью теоремы Муавра-Лапласа вероятности наступления события в серии опытов.
презентация [91,7 K], добавлен 01.11.2013Вероятность совместного выполнения двух неравенств в системе двух случайных величин. Свойства функции распределения. Определение плотности вероятности системы через производную от соответствующей функции распределения. Условия закона распределения.
презентация [57,9 K], добавлен 01.11.2013Распределения случайных величин и функции распределения. Нормальное распределение и центральная предельная теорема, направления и особенности их применения в вероятностно-статистических методах принятия решений. Типичное поведение интенсивности отказа.
курсовая работа [859,1 K], добавлен 02.01.2013Определение математического ожидания и дисперсии параметров распределения Гаусса. Расчет функции распределения случайной величины Х, замена переменной. Значения функций Лапласа и Пуассона, их графики. Правило трех сигм, пример решения данной задачи.
презентация [131,8 K], добавлен 01.11.2013Пространства элементарных событий. Совместные и несовместные события. Функция распределения системы случайных величин. Функции распределения и плотности распределения отдельных составляющих системы случайных величин. Условные плотности распределения.
задача [45,4 K], добавлен 15.06.2012Плотность распределения непрерывной случайной величины. Характеристика особенностей равномерного и нормального распределения. Вероятность попадания случайной величины в интервал. Свойства функции распределения. Общее понятие о регрессионном анализе.
контрольная работа [318,9 K], добавлен 26.04.2013Определение, доказательство свойств и построение графика функции распределения. Вероятность попадания непрерывной случайной величины в заданный интервал. Понятие о теореме Ляпунова. Плотность распределения "хи квадрат", Стьюдента, F Фишера—Снедекора.
курсовая работа [994,4 K], добавлен 02.10.2011Определение точки экстремума для функции двух переменных. Аналог теоремы Ферма. Критические, стационарные точки. Теорема "Достаточное условие экстремума", доказательство. Схема исследования функции нескольких переменных на экстремум, практический пример.
презентация [126,2 K], добавлен 17.09.2013Обработка результатов информации по транспортным и технологическим машинам методом математической статистики. Определение интегральной функции нормального распределения, функции закона Вейбула. Определение величины сдвига к началу распределения параметра.
контрольная работа [488,5 K], добавлен 05.03.2017Графическое изображение теоретической и эмпирической функций плотности распределения; критерии их согласования. Определение доверительных интервалов для математического ожидания. Расчет диапазона рассеивания значений при заданной вероятности риска.
контрольная работа [519,8 K], добавлен 11.06.2011Функция распределения вероятностей двух случайных величин. Функция и плотность распределения вероятностей случайного вектора. Многомерное нормальное распределение. Коэффициент корреляции. Распределение вероятностей функции одной случайной величины.
реферат [241,8 K], добавлен 03.12.2007Оценки параметров распределения, наиболее важные распределения, применяемые в математической статистике: нормальное распределение, распределения Пирсона, Стьюдента, Фишера. Факторное пространство, формулирование цели эксперимента и выбор откликов.
реферат [105,5 K], добавлен 01.01.2011Уравнения с разделяющими переменными. Частное решение линейного дифференциального уравнения. Оценка вероятностей с помощью неравенства Чебышева. Нахождение плотности нормального распределения. Построение гистограммы и выборочной функции распределения.
контрольная работа [387,4 K], добавлен 09.12.2011Вычисление математического ожидания, дисперсии, функции распределения и среднеквадратического отклонения случайной величины. Закон распределения случайной величины. Классическое определение вероятности события. Нахождение плотности распределения.
контрольная работа [38,5 K], добавлен 25.03.2015Расчет моментов ряда, построение функции распределения и плотности функции распределения, ее аппроксимация теоретическими зависимостями. Определение стационарности ряда. Вычисление куммулятивной частоты превышения уровня. Прогноз превышения уровня.
практическая работа [137,2 K], добавлен 11.02.2010Статистическая обработка данных контроля времени (в часах) работы компьютерного класса в день. Полигон абсолютных частот. Построение графика эмпирической функции распределения и огибающей гистограммы. Теоретическое распределение генеральной совокупности.
контрольная работа [379,3 K], добавлен 23.08.2015Определение вероятность срабатывания устройств при аварии. Расчет математического ожидания, дисперсии и функции распределения по заданному ряду распределения. Построение интервального статистического ряда распределения значений статистических данных.
контрольная работа [148,8 K], добавлен 12.02.2012Исследование стационарного распределения сетей массового обслуживания и доказательство инвариантности. Уравнения глобального равновесия и понятие эргодичности. Доказательство инвариантности стационарного распределения, а также определение его вида.
дипломная работа [439,7 K], добавлен 12.12.2009
