Тема "Нормальное распределение"

Нормальным называют распределение вероятностей непрерывной случайной величины, которое задается плотностью
.
Нормальное распределение задается двумя параметрами: – математическим ожиданием, – средним квадратическим отклонением.
График плотности нормального распределения называют нормальной кривой (кривой Гаусса).
Нормированным называют нормальное распределение с параметрами .
Плотность нормированного распределения задается формулой
.

Вероятность попадания в заданный интервал нормальной случайной величины

Как уже было установлено, вероятность того, что непрерывная случайная величина примет значение, принадлежащее интервалу , равна определенному интегралу от плотности распределения, взятому в соответствующих пределах:
.
Для нормально распределенной случайной величины соответственно получим:
.
Преобразуем последнее выражение, введя новую переменную . Следовательно, показатель степени выражения, стоящего под интегралом преобразуется в:
.
Для замены переменной в определенном интеграле еще необходимо заменить дифференциал и пределы интегрирования, предварительно выразив переменную из формулы замены:
;
;
– нижний предел интегрирования;
– верхний предел интегрирования;
(для нахождения пределов интегрирования по новой переменной в формулу замены переменной были подставлены и – пределы интегрирования по старой переменной ).
Подставим все в последнюю из формул для нахождения вероятности:

где – функция Лапласа.
Вывод: вероятность того, что нормально распределенная случайная величина примет значение, принадлежащее интервалу , равна:
,
где – математическое ожидание, – среднее квадратическое отклонение данной случайной величины.

Примеры решения задач

Пример 1. Случайная величина имеет нормальное распределение с математическим ожиданием и средним квадратическим отклонением . Найти вероятность того, что случайная величина примет значение, принадлежащее интервалу .

Решение.

Известно, что вероятность того, что нормально распределенная случайная величина примет значение, принадлежащее интервалу , равна:
,
где – математическое ожидание, – среднее квадратическое отклонение.
По условию . Следовательно,

Ответ: .

Вычисление вероятности заданного отклонения

Вычислим вероятность того, что отклонение нормально распределенной случайной величины от своего математического ожидания по абсолютной величине не превысит , то есть вероятность осуществления неравенства .
Заменим неравенство с модулем равносильным ему двойным неравенством:

Теперь мы можем воспользоваться формулой для нахождения вероятности попадания в заданный интервал нормальной случайной величины, где границами интервала являются
:

(в последних преобразованиях использовано свойство нечетности функции Лапласа: ).
Вывод: вероятность того, что отклонение нормально распределенной случайной величины от своего математического ожидания по абсолютной величине не превысит , равна:
,
где – математическое ожидание, – среднее квадратическое отклонение.

Примеры решения задач

Пример 1. Случайная величина имеет нормальное распределение с математическим ожиданием и средним квадратическим отклонением . Найти вероятность того, что случайная величина отклонится от своего математического ожидания по абсолютной величине не больше, чем на .

Решение.

Известно, что вероятность того, что отклонение нормально распределенной случайной величины от своего математического ожидания по абсолютной величине не превысит , равна:
,
где – математическое ожидание, – среднее квадратическое отклонение.
По условию . Следовательно,
.

Ответ: .

Правило трех сигм

Вычислим вероятность того, что отклонение нормально распределенной случайной величины от своего математического ожидания по абсолютной величине не превысит .
Воспользуемся формулой для нахождения вероятности заданного отклонения, в которую в качестве подставим :
.
Таким образом, вероятность того, что отклонение случайной величины по абсолютной величине будет меньше утроенного среднего квадратического отклонения, равна 0,9973.
Другими словами, вероятность того, что абсолютная величина отклонения превысит , составляет всего 0,0027. Такое событие, исходя их принципа невозможности маловероятных событий, можно считать практически невозможным.
Вывод (правило трех сигм): если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.

Понятие о теореме Ляпунова

Известно, что нормально распределенные случайные величины широко распределены на практике. Объяснение этому было дано А.М.Ляпуновым в центральной предельной теореме: если случайная величина представляет собой сумму очень большого числа взаимно независимых случайных величин, влияние каждой из которых на всю сумму ничтожно мало, то имеет распределение, близкое к нормальному.