Распределение Равномерное

— дискретная случайная величина имеет Р. П., если она принимает целые положительные значения т, т + 1, т + 2, . С вероятностями , где 0<p<1, . Р. П. Имеет число испытаний, которое нужно произвести для того, чтобы событие, имеющее вероятность p, наступило т раз, причем все испытания независимы (схема Бернулли). С помощью Р. П. Можно определить число проб пα, при котором m из них (m = 1, 2, . .) с заданной вероятностью 1 — α. Будут обладать признаком А (вероятность пробе обладать пр..

— распределение вероятностей случайной величины т, принимающей значения 0, 1, 2, . С вероятностями , i =0, 1,2, …, где параметр λ. >. 0. Математическое ожидание Р. П. Em=λ. Дисперсия случайной величины Dm = λ. Характеристическая функция . Значения вероятностей P(m=i) затабулированы. При больших значениях λ. , где Ф (х) — функция нормального распределения с параметрами (0,1). Распределение множества редких событий подчинено закону Пуассона. Так, непротиворечивость наблюдений это..

— распределение, заданное функцией плотности. , -∞. <. X <. ∞. Параметр n называется числом степеней свободы, Γ. (υ) — гамма-функция. Если X, X1, X2, …, Хп — независимые случайные величины, распределенные по нормальному закону (см. Распределение нормальное ) с параметрами (0, σ), то случайная величина распределена по закону Стьюдента. Дисперсия . Все моменты нечетного порядка равны нулю, а при 2ν. <. N центр. Моменты равны начальным. Для больших n величина t аси..

(F-РАСПРЕДЕЛЕНИЕ) — распределение, заданное функцией плотности . X >. 0, где Γ(x) — гамма-функция. Параметры m и n называются числами степеней свободы. Если X1,. ., Xm. Y1, . ., Yn — независимые случайные величины, распределенные по нормальному закону, с параметрами (0, σ), то величина распределена по закону Фишера. Математическое ожидание для n >. 2. Дисперсия случайной величины для n>. 4. Р. Ф. Используется при решении многих геол. Задач, в частности для выявления роли факторо..