|
В природе и различных областях человеческой деятельности весьма распространены случайные величины, которые представляют собой сумму большого числа независимых или слабо зависимых случайных величин, дисперсии которых малы по сравнению с дисперсией всей суммы. Распределения таких случайных величин больше частью бывают неизвестны и в то же время при весьма общих дополнительных условиях они хорошо аппроксимируются нормальным распределением. Этим объясняется широкое распространение последнего. Нормальное распределение применяется и в тех случаях, когда истинный закон распределения известен, но вычисления по этому закону затруднительны, а аппроксимация его нормальным распределением допустима.
Область x | -Ґ < x < Ґ |
Параметры |
m - параметр положения; s - параметр масштаба |
Плотность (функция вероятности) | |
Математическое ожидание | m |
Дисперсия | s2 |
График f(x) при m = 5, s = 1
Струйный принтер при печати оставляет маленькие кляксы чернил на бумаге. Если предположить, что все кляксы имеют ровные края, то плотность чернил будет распределена по нормальному закону.
Центральная предельная теорема гласит: "Если X1, ..., Xn - независимые одинаково распределенные случайные величины, имеющие математическое ожидание и дисперсию, то при n ® Ґ закон распределения суммы неограниченно приближается к нормальному". Поэтому если в качестве X1, ..., Xn взять молекулы чернил, то их сумма (то есть плотность чернил или интенсивность печати в пределах кляксы) будет распределена по нормальному закону.
К оглавлению