Что такое распределение гаусса

Нормальный закон распределения также называется законом Гаусса.

Нормальный закон распределения занимает центральное место в теории вероятностей. Это обусловлено тем, что этот закон проявляется во всех случаях, когда случайная величина является результатом действия большого числа различных факторов. К нормальному закону приближаются все остальные законы распределения.

Можно легко показать, что параметры и, входящие в плотность распределения являются соответственно математическим ожиданием и средним квадратическим отклонением случайной величины Х.

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.

Распределение Гаусса.

Нормальное распределение (распределение Гаусса)

Нормальный закон распределения характеризуется плотностью вероятности вида

где mx, sx — соответственно математическое ожидание и среднеквадратическое отклонение случайной величины х.

При анализе надежности электроустановок в виде случайной величины, кроме времени, часто выступают значения тока, электрического напряжения и других аргументов. Нормальный закон — это двухпараметрический закон, для записи которого нужно знать mx и sx.

Вероятность безотказной работы определяется по формуле

а интенсивность отказов — по формуле

На рис. 3.5 изображены кривые l(t), Р(t) и¦ (t) для случая stt, характерного для элементов, используемых в системах автоматического управления [3].

В данном пособии показаны только наиболее распространенные законы распределения случайной величины. Известен целый ряд законов, так же используемых в расчетах надежности [4, 9, 11, 13, 15, 21]: гамма-распределение, -распределение, распределение Максвелла, Эрланга и др.

Следует отметить, что если неравенство stt не соблюдается, то следует использовать усеченное нормальное распределение [19].

Для обоснованного выбора типа практического распределения наработки до отказа необходимо большое количество отказов с объяснением физических процессов, происходящих в объектах перед отказом.

В высоконадежных элементах электроустановок, во время эксплуатации или испытаний на надежность, отказывает лишь незначительная часть первоначально имеющихся объектов. Поэтому значение числовых характеристик, найденное в результате обработки опытных данных, сильно зависит от типа предполагаемого распределения наработки до отказа. Как показано в [13,15], при различных законах наработки до отказа, значения средней наработки до отказа, вычисленные по одним и тем же исходным данным, могут отличаться в сотни раз. Поэтому вопросу выбора теоретической модели распределения наработки до отказа необходимо уделять особое внимание с соответствующим доказательством приближения теоретического и экспериментального распределений (см. разд. 8).

Нормальное Распределение за 6 Минут

Исследуя объекты окружающего мира, мы вынуждены как-то отображать результаты исследования для того, чтобы, с одной стороны, представить их и виде, удобном для анализа, а с другой для их хранения и передачи в пространстве или времени. Проектируя, создавая что-то новое, мы первоначально формируем некоторый образ этого нового. Управляя чем-либо, мы, как правило, пытаемся анализировать, к каким последствиям приведет управление. Перечисленные задачи требуют фиксации (представления) информации об объекте в виде некоторого образа (словесного, графического и т. п.).
В связи с этим в познавательной и практической деятельности человека большую, если не ведущую, роль играют модели и моделирование. Особенно незаменимо моделирование при работе со сложными объектами (в частности, экономическими). Все это делает моделирование важнейшим инструментом системного анализа.

1. Моделирование
Модель в широком понимании — это образ (в том числе условный или мысленный) какого-либо объекта или системы объектов, используемый при определенных условиях в качестве их «заместителя» или «представителя».
Модель — это упрощенное подобие объекта, которое воспроизводит интересующие нас свойства и характеристики объекта-оригинала или объекта проектирования.
Моделирование связано с выяснением или воспроизведением свойств какого-либо реального или создаваемого объекта, процесса или явления с помощью другого объекта, процесса или явления.
Моделирование — это построение, совершенствование, изучение и применение моделей реально существующих или проектируемых объектов (процессов и явлений).
Почему мы прибегаем к использованию моделей вместо попыток «прямого взаимодействия с реальным миром»? Можно назвать три основные причины.
Первая причина — сложность реальных объектов. Число факторов, которые относятся к решаемой проблеме, выходит за пределы человеческих возможностей. Поэтому одним из выходов (а часто единственным) в сложившейся ситуации является упрощение ситуации с помощью моделей, в результате чего уменьшается разнообразие этих факторов до уровня восприимчивости специалиста.
Вторая причина — необходимость проведения экспериментов. На практике встречается много ситуаций, когда экспериментальное исследование объектов ограничено высокой стоимостью или вовсе невозможно (опасно, вредно, ограниченность науки и техники на современном этапе).
Третья причина — необходимость прогнозирования. Важное достоинство моделей состоит в том, что они позволяют «заглянуть в будущее», дать прогноз развития ситуации и определить возможные последствия принимаемых решений.
Среди других причин можно назвать следующие:
• исследуемый объект либо очень велик (модель Солнечной системы), либо очень мал (модель атома);
• процесс протекает очень быстро (модель двигателя внутреннего сгорания) или очень медленно (геологические модели);
• исследование объекта может привести к его разрушению (модель самолета, автомобиля).

1.1. Цели моделирования
Человек в своей деятельности обычно вынужден решать две задачи — экспертную и конструктивную.
В экспертной задаче на основании имеющейся информации описывается прошлое, настоящее и предсказывается будущее. Суть конструктивной задачи заключается в том, чтобы создать нечто с заданными свойствами.
Для решения экспертных задач применяют так называемые описательные модели, а для решения конструктивных — нормативные.

1.2. Описательное моделирование
Описательные модели (дескриптивные, познавательные) предназначены для описания свойств или поведения реальных (существующих) объектов. Они являются формой представления знаний о действительности.
Примеры. План города, отчет о деятельности фирмы, психологическая характеристика личности.
Можно назвать следующие цели описательного моделирования в зависимости от решаемых задач:
• изучение объекта (научные исследования) — наиболее полно и точно отразить свойства объекта;
• управление — наиболее точно отразить свойства объекта в рабочем диапазоне изменения его параметров;
• прогнозирование — построить модель, способную наиболее точно прогнозировать поведение объекта в будущем;
• обучение — отразить в модели изучаемые свойства объекта. Построение описательной модели происходит по следующей схеме: наблюдение, кодирование, фиксация (рис. 1).

Рис. 1. Последовательность построения описательной модели.

Модель объекта можно построить, только наблюдая за ним. То, что мы наблюдаем, необходимо закодировать либо с помощью слов, либо символов, в частности, математических, либо графических образов, либо в виде физических предметов, процессов или явлений. И наконец, закодированные результаты наблюдения надо зафиксировать в виде модели.
Отражение свойств объекта в модели не является полным в силу разных причин: особенностей восприятия, наличия и точности измерительных приборов, потребности и, наконец, психического состояния субъекта. Если обозначить полную информацию об объекте через Io, а воспринимаемую информацию — Iв, то отражение математически можно сформулировать следующим образом:

где Iв ⊂ Io, или в линейном приближении (рис. 2):

Рис. 2. Фильтрация информации об объекте.

где kс – информационная проницаемость среды – свойство среды по передаче информации от объекта к субъекту (0 ≤ kс ≤ 1);
kи – коэффициент измерительной способности (вооруженности) субъекта – способность субъекта воспринимать (измерять) информацию (0 < kи < 1);
kц – целевая избирательность субъекта – связана с потребностью в конкретных свойствах объекта (0 < kц < 1);
kп – психологическая избирательность субъекта – связана с его психологическим состоянием (0 < kп ≤ 1).
Хотелось бы обратить внимание на субъективный характер моделей. Во все, что ни де-лает человек, в том числе и построение моделей, он вкладывает свою точку зрения. Это, в частности, может привести к тому, что мы принимаем свою точку зрения за единственную, а карту местности — за саму местность, которую она представляет. Существуют следующие субъективные факторы, влияющие на качество создаваемых моделей.
Избирательность. Модель строится на основании наблюдений за объектом, но человек замечает свойства объекта избирательно. На это влияют образование, мировоззрение, опыт, а также настроение, чувства, заботы и общее самочувствие. В результате формируется модель, не отвечающая целям моделирования.
Конструирование — обратный аналог избирательности: мы начинаем видеть то, чего нет. Мы заполняем пробелы в информации о мире, чтобы он приобрел некий смысл и предстал перед нами в том виде, каким, по нашему мнению, он должен быть. Длительная эволюция воспитала нас дополнять увиденные фрагменты до полного образа: если мы видим из-за дерева голову волка, то мысленно дорисовываем его туловище и хвост. Поэтому когда при исследовании объекта мы получаем неполную информацию о нем, то невольно заполняем информационные «пробелы», исходя из своего опыта. В результате можем получить модель, не адекватную объекту.
Искажение. Искажение проявляется в том, что мы строим модели окружающего мира, выделяя одни его составляющие за счет замалчивания других. В частности, искажение лежит в основе творческих способностей (поэта, художника, композитора) и некоторых болезней, например паранойи.
Обобщения. Пользуясь обобщением, мы создаем мысленные модели, взяв за основу один случай и обобщив его на все возможные случаи. Обобщение является основой статистических выводов, но при условии так называемой репрезентативной (представительной) выборки ситуаций. Опасность обобщения состоит в том, что, взяв какую-либо ситуацию, человек расценивает ее как типичную и распространяет извлеченные из нее выводы на все сходные, по его мнению, ситуации (что, в частности, и является основой суеверия).
Таким образом, не все свойства объекта нам доступны из-за свойств окружающей среды, а из доступных не все мы можем измерить или оценить. Из тех, что можем измерить, не все нам необходимы. Из необходимых свойств мы не все из них адекватно воспринимаем из-за психического состояния (невнимательности, субъективного предпочтения, страха и т. п.).
На основании воспринимаемой информации об объекте IB и формируется его образ, называемый моделью.
В заключение хотелось бы заметить, что для моделирования свойственны некоторые па-радоксы. Поскольку к моделированию мы прибегаем из-за сложности изучаемого объекта, то модель заведомо проще оригинала. Целевая избирательность отсекает несущественные, на наш взгляд (!), качества объекта. Однако в процессе исследования никогда нет 100%-ной уверенности в том, что несущественные качества действительно являются несущественными с точки зрения конкретной исследовательской задачи, поэтому есть угроза «с водой выплеснуть ребенка».
Другой парадокс, который можно назвать парадоксом «одноразовой посуды», связан с тем, что каждая модель создается под определенную исследовательскую задачу и не всегда применима к решению других, какой бы привлекательной модель ни была. Распространенный в науке перенос моделей с одной задачи на другую далеко не всегда оправдан и обоснован.

1.3. Нормативное моделирование
Моделировать можно не только то, что существует, но и то, чего еще нет. Нормативные модели (прескриптивные, прагматические) предназначены для указания целей деятельности и определенного порядка (алгоритма) действий для их достижения.
Цель — образ желаемого будущего, т. е. модель состояния, на реализацию которого и направлена деятельность.
Алгоритм — образ (модель) будущей деятельности.
При нормативном моделировании обычно не используют слово «модель» — чаще говорят «проект», «план».
Примеры. Проекты машин, зданий; планы застройки; законы; уставы организаций и должностные инструкции, бизнес-планы, программы действий, управленческие решения.

Подведем итог. Описательные модели отражают существующее, их развитие направлено на приближение модели к реальности (в структурном системном анализе такая модель называется моделью «Как есть» — «As-Is»).
Нормативные модели показывают не существующее, но желаемое. Здесь решается задача приближения реальности к модели, поскольку модель играет роль стандарта или образца, под который «подгоняются» как сама деятельность, так и ее результаты (в структурном системном анализе она называется моделью «Как должно быть» — «То-Ве»).

2. Классификация моделей
Выше была рассмотрена классификация моделей по целевому назначению. Кроме того, познавательные и прагматические модели можно классифицировать по характеру выполняемых функций, форме, зависимости объекта моделирования от времени.

2.1. Функциональное назначение моделей
Можно выделить следующие функции, выполняемые моделями:
• исследовательская — применяется в научном познании;
• практическая — применяется в практической деятельности (проектировании, управлении и т. п.);
• тренинговая — используется для тренировки практических умений и навыков специалистов в различных областях;
• обучения — для формирования у обучаемых знаний, умений и навыков.

2.2. Формы представления моделей
Модели по форме бывают:
• физические — материальные объекты, имеющие сходство с оригиналом (модель самолета, которая исследуется в аэродинамической трубе; модель плотины);
• словесные (вербальные) — словесное описание чего-либо (внешность человека, принцип работы устройства, структура предприятия);
• графические — описание в виде графических изображений (схемы, карты, графики, диаграммы);
• знаковые — описание в виде символов и знаков (дорожные знаки, условные обозначения на схемах, математические соотношения). Разновидностью знаковых моделей являются математические модели.
Математическая модель (или математическое описание) — это система математических соотношений, описывающих изучаемый процесс или явление.
Примеры математических моделей: X > 5; U = IR; 34y+5x=0.

Следует обратить внимание на то, что естественные языки, на которых говорят различные народы, являются своеобразными моделями мира. Язык не только обозначает объекты, воспринимаемые, представляемые или мыслимые, но он организует наше восприятие, наши представления и наше понимание мира. Говоря об объектах, процессах, явлениях мира (внешнего или внутреннего, реального или воображаемого, воспринимаемого или мыслимого), мы пропускаем его через «сита» языка. Организующая роль языка сразу становится явной, когда обнаруживается, что разные языки по-разному организуют вселенную и, соответственно, ее восприятие, представление и понимание.
Язык отражает в своей структуре определенные действительные свойства и отношения реальности. Он устроен так, как устроен реальный мир. Но мир бесконечно богаче любой своей ограниченной модели, в том числе и языка. Структура действительности имеет многие всеобщие свойства и отношения. Язык отражает в своих лингвистических значениях только некоторые из этих свойств и отношений.

И человек волей-неволей начинает воспринимать и представлять реальность преимущественно в рамках этих категорий.
Язык конкретной предметной области (ее тезаурус) также является моделью этой предметной области. Исследование этого языка стало частью системных исследований, что нашло свое воплощение в онтологическом анализе.

3. Виды моделирования
Моделирование широко распространено, поэтому достаточно полная классификация возможных видов моделирования крайне затруднительна хотя бы в силу многозначности понятия «модель», широко используемого не только в науке и технике, но и, например, в искусстве. Применительно к естественно-техническим, социально-экономическим и другим наукам принято различать следующие виды моделирования:
• концептуальное моделирование, при котором с помощью некоторых специальных знаков, символов, операций над ними или с помощью естественного или искусственного языков истолковывается основная мысль (концепция) относительно исследуемого объекта;
• интуитивное моделирование, которое сводится к мысленному эксперименту на основе практического опыта работников (широко применяется в экономике);
• физическое моделирование, при котором модель и моделируемый объект представляют собой реальные объекты или процессы единой или различной физической природы, причем между процессами в объекте-оригинале и в модели выполняются некоторые соотношения подобия, вытекающие из схожести физических явлений;
• структурно-функциональное моделирование, при котором моделями являются схемы, (блок-схемы), графики, чертежи, диаграммы, таблицы, рисунки, дополненные специаль-ными правилами их объединения и преобразования:
• математическое (логико-математическое) моделирование, при котором моделирова-ние, включая построение модели, осуществляется средствами математики и логики;
• имитационное (программное) моделирование, при котором логико-математическая модель исследуемого объекта представляет собой алгоритм функционирования объекта, реализованный в виде программного комплекса для компьютера.
Перечисленные выше виды моделирования не являются взаимоисключающими и могут применяться при исследовании сложных объектов либо одновременно, либо в некоторой комбинации. Отдельно следует сказать о компьютерном моделировании, являющемся развитием имитационного моделирования.
Компьютерное моделирование. Первоначально под компьютерным моделированием (или, как говорили, моделированием на ЭВМ) понималось лишь имитационное моделирование. Исторически случилось так, что первые работы по компьютерному моделированию были связаны с физикой. Затем разработанные подходы распространились на задачи химии, электроэнергетики, биологии и некоторые другие дисциплины, причем схемы моделирования не слишком отличались друг от друга. Этот вид моделирования все еще широко распространен и в научных, и прикладных исследованиях.
Однако сегодня понятие «компьютерное моделирование» чаще связывают не с фундаментальными дисциплинами, а в первую очередь с системным анализом. Следует заметить, что компьютер может быть весьма полезен при всех видах моделирования (за исключением физического моделирования, где компьютер тоже может использоваться, но, скорее, для целей управления процессом моделирования). Изменилось и понятие компьютерной модели. Раньше под компьютерной моделью чаще всего понимали имитационную модель — отдельную программу, совокупность программ или программный комплекс, позволяющий с помощью последовательности вычислений и графического отображения их результатов воспроизводить (имитировать) процессы функционирования объекта. В настоящее время под компьютерной моделью чаще всего понимают структурно-функциональную модель — условный образ объекта, описанный с помощью взаимосвязанных компьютерных таблиц, блок-схем, диаграмм, графиков, рисунков, анимационных фрагментов, гипертекстов и отображающий структуру и взаимосвязи между элементами объекта.
Таким образом, мы видим, что понятие «компьютерное моделирование» значительно шире традиционного понятия «моделирование на ЭВМ» и нуждается в уточнении, учитывающем сегодняшние реалии.
Компьютерное моделирование — это метод решения задачи анализа или синтеза объекта на основе использования его компьютерной модели.
Суть компьютерного моделирования заключена в получении количественных и качественных результатов по имеющейся модели. Качественные выводы, получаемые по результатам анализа, позволяют обнаружить неизвестные ранее свойства объекта. Количественные выводы в основном носят характер прогноза некоторых будущих или объяснения прошлых значений переменных, характеризирующих систему.
Предметом компьютерного моделирования могут быть: экономическая деятельность фирмы или банка, промышленное предприятие, информационно-вычислительная сеть, технологический процесс, любой реальный объект или процесс, например процесс инфляции. Цели компьютерного моделирования могут быть различными, однако наиболее часто моделирование является, как уже отмечалось ранее, центральной процедурой системного анализа.

Источник: poisk-ru.ru

Распределение Гаусса и окружающая действительность

Проект предусматривает проведение наглядных работ, которые позволят доказать гипотезу, заключающуюся в том, что большинство явлений и процессов окружающей нас действительности подчиняются нормальному закону распределения.

Мне нравится Проект нравится 6 участникам

Распределение Гаусса и окружающая действительность

Среди всех законов в теории вероятностей нормальный закон распределения встречается чаще всего, в том числе чаще, чем равномерный. Возможно, такое явление имеет глубокую фундаментальную природу. Ведь этот вид распределения
наблюдается и тогда, когда в представлении диапазона случайных величин участвуют несколько факторов, каждый из которых влияет по-своему. Нормальное (или гауссово) распределение в таком случае получается вследствие сложения разных распределений. Именно благодаря широкому распространению нормальный закон распределения и получил свое название.

Всякий раз, когда мы говорим о какой-либо средней величине, будь то месячная норма осадков, доход на душу населения или успеваемость в классе, при вычислении её значения, как правило, используется нормальный закон распределения.

«Распределение Гаусса и окружающая действительность» — проект, который позволит наглядно убедиться на жизненных примерах, что почти все явления и процессы подчинены нормальному закону распределения.

Ключевые слова: математика, нормальное распределение, кривая Гаусса, жизненные процессы.

  • Автор проекта
  • anna.elez

Источник: globallab.org

Мир науки

Рефераты и конспекты лекций по географии, физике, химии, истории, биологии. Универсальная подготовка к ЕГЭ, ГИА, ЗНО и ДПА!

Нормальный закон распределения (normal law of distribution) (еще называется законом Гаусса) играет исключительно важную роль в теории вероятностей и занимает среди других законов распределения особое состояние. Это закон,

который часто встречается на практике. Главная особенность, которая выделяет нормальный закон среди других законов, состоит в том, что он является предельным законом, к которому приближаются другие законы распределения.

Так, например, большое количество пушечных выстрелов, совершенных в различных условиях, показывает, что рассеяние снарядов на плоскости при выстреле из одной пушки при установленном прицеле подлежит нормальному закону.

«Универсальность» нормального закона объясняется тем, что любая случайная величина, которая является суммой большого числа отдельных числовых значений, каждое из которых подчиняется различным законам распределения и незначительно влияет на сумму, распределена почти по нормальному закону.

Большинство случайных величин, таких, например, как погрешности измерений, погрешности пушечных стрельб и т.д. могут быть представлены в виде суммы большого количества малых слагаемых? элементарных погрешностей, каждая из которых определяется действием отдельной причины, не зависит от других. Каким законам деления не подчинялись отдельные элементарные погрешности, особенности этих распределений в сумме большого количества слагаемых нивелируются и сумма подчиняется закону, близкому к нормальному. Суммированы погрешности в общей сумме должны играть относительно малую роль.

Возникновение нормального закона распределения как одного из фундаментальных законов (the fundamental laws) теории вероятности связано непосредственно с развитием теории погрешностей. Еще Тихо де Браге в 80-х гг XVI в. для устранения погрешностей проводил наблюдения одного и того же объекта в видоизмененных условиях, и, комбинируя эти наблюдения, пытался избавиться от случайных погрешностей.

А. Лежандр в своей работе «Новые методы определения орбит комет» в приложении «О методе наименьших квадратов» предложил способ наименьших квадратов: «Когда все условия задачи выражены соответствующим образом, нужно так подобрать коэффициенты, чтобы погрешности были малейшие».

Этот метод заключается в том, чтобы сводить сумму квадратов погрешностей к минимуму. «Уравнений получаем ровно столько, сколько неизвестных . Способ, который я называю способом наименьших квадратов, пожалуй, сможет принести большую пользу во всех вопросах физики и астрономии, где требуется получить наиболее точный результат ». Многие вопросы теории погрешностей смогли развязанными только благодаря теории вероятностей.

Каким способом распределяются погрешности при измерениях? Подлежат они определенному закону? Существует способ определения границы числового значения погрешности при данном измерении? Эти вопросы встали перед учеными в конце XVIII века. Их решение стало возможным только благодаря теории вероятностей.

В начале XIX в. два математике, независимо друг от друга, почти одновременно нашли закон, по которому распределяются случайные погрешности. Это нормальный закон распределения.

Первым из этих математиков был великий немецкий ученый К. Ф. Гаусс (1777-1855 гг), второй — малоизвестный американский математик Р. Едрейн? (1775-1843 гг.) К конечного результата — нормального закона распределения каждый из математиков шел своим путем.

Работа Едрейна была опубликована в 1808 году, работа Гаусса «Теория движения» вышла в свет в 1809 году. Г. Едрейн решал конкретную задачу, при ее обобщении и получил распределение в. в. (Погрешностей).

Гаусc занимался астрономией и геодезией, что привело его к баготочисельних способов обработки результатов. В астрономии и геодезии проводятся баготочисельни измерения в различных местах, различными инструментами. Результаты этих измерений допускали ошибки. Поэтому перед Гауссом встал вопрос установления наиболее вероятного значения искомой величины.

Расчеты привели Гаусса к фундаментальному способа наименьших квадратов, который разрабатывал Лежандр, и до выяснения центрального значения нормальной кривой распределения в вопросах, связанных с теорией вероятности.

Теория погрешностей, разработана Гауссом, требовала условий применения нормального закона распределения, которая, в свою очередь, привело к появлению задачи об оценке параметров нормального закона распределения. Гаусс обосновал способ наименьших квадратов с помощью теории вероятностей.

Впервые метод наименьших квадратов был опубликован Гауссом в 1809 г. В одном из своих писем к Ольберт Гаусс пишет: «Чтобы наилучшим образом представить несколько величин, которым нельзя дать точных значений, нужно свести к минимуму сумму квадратов погрешностей». Гаусc делает акцент на том, что результаты должны быть не из отдельных наблюдений, а из комбинированных. При этом, погрешности, по возможности, будут уничтожаться.

Источник: worldofscience.ru

Рейтинг
( Пока оценок нет )
Загрузка ...
Заработок в интернете или как начать работать дома