Влияние параметров нормального распределения на форму кривой
Найдем влияние $a$ и $\delta $ на форму нормальной кривой $ y=\frac { 1 } { \sigma \sqrt { 2\pi } } e^ { \frac { -( { x-a } )^2 } { 2\sigma ^2 } } $
Известно, что графики функций $f( x )$ и $f( { x-a } )-$ имеют одинаковую форму, но сдвинуты на $a$, вправо, при $a\succ 0$ и влево при $a\prec 0$. Отсюда следует, что изменение параметра $a$ { математического ожидания } форму нормальной кривой не изменяет, а приводит лишь к ее сдвигу вдоль оси $OX$, вправо, если $a-$ возрастает и влево, если $a-$ убывает.
Исследуя $\sigma $, вспомним, что $max$ кривой нормального распределения находится в точке $y=\frac { 1 } { \sigma \sqrt { 2\pi } } $,
При росте $\sigma $ максимум убывает, а сама кривая становится более пологой, если $\sigma -$ убывает, то кривая растягивается вдоль оси $OY$.
Но при любых значениях $a$ и $\sigma$ площадь под кривой постоянна и равна 1. При $a=0$, $ \sigma =1-$ получаем нормированную кривую, кривую Гаусса.
Но при любых значениях $a$ и $\sigma $ площадь под кривой постоянна и равна 1.
Инструмент для тех, кто проверяет расчёты руками
✍ Если вам регулярно приходится верифицировать ручные интегралы, строить эпюры для КМ/КМД или перепроверять закрытые «чёрные ящики» коммерческих САПР, загляните в мой открытый проект:
Читайте также:
Основные формулы теории вероятности
Доверительный интервал: определение и методы построения
Методы нахождения оценок: теория и практическое применение
Проверка гипотезы о показательном распределении: методы и критерии
Критерий согласия Пирсона: методика и применение для проверки гипотез о виде распределения
Теоретические и эмпирические моменты: сравнение и применение в статистическом анализе
Статистические оценки параметров распределения: методы и свойства
Выборочная функция распределения: построение и свойства
Группировка наблюдений
Эмпирическая функция распределения: определение и свойства
Элементы математической статистики: статистическое распределение выборки
Центральная предельная теорема Ляпунова: обобщение и условия применимости
Теоремы Чебышева и Бернулли: основы закона больших чисел
Закон больших чисел и неравенство Чебышева: теоретические основы и практическое значение
Показательное распределение: свойства и применение в моделировании времени ожидания
Оглавление $\Rightarrow $
