“ Γ型概率分布、卡方概率分布和指数概率分布的介绍”
在现实生活中,许多随机变量的取值只能是非负数,比如灯泡的使用寿命。对于这类随机变量的相对频率分布,常采用Γ型概率分布进行建模。符号“Γ”读作gamma。
01
—
Γ型概率分布
概率密度函数
Γ型随机变量的概率密度函数包含α和β两个参数,其中α称为形状参数,β称为尺度参数。
如果α是正整数,则Γ(α)=(α-1)!
Excel软件提供了计算任意Γ(α)值的函数
GAMMA(x)
---x:形状参数α
累积分布函数
除非α是正整数,否则Γ型随机变量没有显式的累积分布函数。使用Excel软件中的GAMMA.DIST函数,可以计算出任意Γ型随机变量的累积分布函数值,该函数的形式和参数含义如下所示:
GAMMA.DIST(x,alpha,beta,cumulative)
---x:P(Y≤y)=F(y)中的y值
---alpha:形状参数α
---beta:尺度参数β
---cumulative:等于0表示概率密度函数,等于1表示累积分布函数
均值和方差
02
—
卡方概率分布
卡方随机变量是一种特殊的Γ型随机变量,它的形状参数α=v/2,尺度参数β=2,参数v称为卡方分布的自由度个数。
概率密度函数
累积分布函数
可使用Excel函数计算
CHISQ.DIST(x,deg_freedom,cumulative)
---x:P(Y≤y)=F(y)中的y值
---deg_freedom:自由度个数v
---cumulative:等于0表示概率密度函数,等于1表示累积分布函数
均值和方差
03
—
指数概率分布
指数随机变量也是一种特殊的Γ型随机变量,特殊之处在于它的形状参数α=1。
概率密度函数
累积密度函数
另外,也可以使用Excel函数计算
EXPON.DIST(x,lambda,cumulative)
---x:P(Y≤y)=F(y)中的y
---lambda:等于1/β
---cumulative:等于0表示概率密度函数,等于1表示累积分布函数
均值和方差
04
—
应用
计算概率
如果求解的问题为事件y1≤Y≤y2的概率,那么只需求出边界点的累积分布函数值,再相减即可。
即:P(y1≤Y≤y2)=F(y2)-F(y1)
其中,F(y1)和F(y2)的值可通过累积分布函数表达式进行计算,或者查表得出,还可以使用相关软件进行计算。
计算边界
如果已知大于或小于t值时的概率,求t的具体数值,可通过累积分布函数或相关软件进行计算。
1、当P(Y≤t)=C时(此时t是第100C百分位数),根据F(t)=C求出t的值,或者使用Excel软件中GAMMA.INV、CHISQ.INV函数计算。
2、当P(Y≥t)=C时,先转化为P(Y≤t)=1-C,其后的计算与1相同。
均值和方差
根据相应概率模型均值和方差的公式计算。
统计推断
原理:稀有事件(小概率事件)在一次试验中几乎不可能发生。
例题:假设有一种零件的使用寿命Y(单位:h)服从β=2000h的指数分布,(1)求零件使用寿命在2500h到3000h的概率;(2)如果设定一个目标使用寿命t,使得实际运行中该零件的使用寿命不超过t的概率为90%,求t的值;(3)求使用寿命的均值和方差;(4)如果在一次检测中发现零件的使用寿命仅为20h,从中能够得出什么结论?
解:
(1)属于计算概率的问题
P(2500≤Y≤3000)=F(3000)-F(2500)
根据指数随机变量的累积分布函数,有
F(3000)=1-exp(-3000/2000)=0.7769
F(2500)=1-exp(-2500/2000)=0.7135
因此,得
P(2500≤Y≤3000)=0.0634
(2)属于计算边界(百分位数)的问题
P(Y≤t)=F(t)=0.9
代入累计分布函数公式,得:
1-exp(-t/2000)=0.9
因此,有:
t=4605h
(3)属于计算均值和方差的问题
根据公式,得:
均值μ=2000,方差σ^2=4000000
(4)属于统计推断问题
因为20在均值的左侧,考虑事件Y≤20的概率大小
P(Y≤20)=F(20)≈0.01
因此事件Y≤20是稀有事件。根据这个信息可以推断几种可能性:①检测到了稀有事件,但可能性不大;②对零件使用寿命Y的概率模型的假设是不合理的;③其他的问题,如记录错误、不正确的测试方式等。