Теория

Нормальный закон распределения применяется при работе с непрерывно изменяющимися переменными и рассматривает то, каким образом группируют-ся результаты относительно среднего значения. Его также называют законом распределения ошибок и законом распределения Гаусса в честь известного немецкого ученого-математика Карла Гаусса (1777 – 1855 гг.). Нормально распределенная
Статистическое управление качеством (Statistical Quality Control – SQC) является мощным инструментом в области качества и предсказывает плохую продукцию, позволяет обеспечить возможности процесса, т.е. устанавливает пределы, в которые должны укладываться используемые способы и оборудование. Управление процессом – это действие, направленное на недопущение от-клонений от
t-распределение Стьюдента - это непрерывное одномерное распределение с одним параметром - количеством степеней свободы. Форма распределения Стьюдента похожа на форму нормального распределения (чем больше число степеней свободы, тем ближе распределение к нормальному). Отличием является то, что хвосты распределения Стьюдента медленнее стремятся к нулю, чем хвосты нормального
Распределе́ние Фи́шера в теории вероятностей — это двухпараметрическое семейство абсолютно непрерывных распределений. Пусть V и W – независимые СВ, распределенные по закону χ2 со степенями свободы v1 = m и v2 = n соответственно. Тогда величина (22) имеет распределение Фишера со степенями свободы v1 = m и v2 = n (F ~ Fm,n). Таким образом, распределение Фишера F
Распределение (хи-квадрат) с n степенями свободы — это распределение суммы квадратов n независимых стандартных нормальных случайных величин. Распределение (хи – квадрат)– распределение случайной величины (причем математическое ожидание каждой из них равно 0, а среднее квадратическое отклонение-1) где случайные величины независимы и имеют одно и тоже распределение. При
Непрерывная величина Х распределена равномерно на интервале (a, b), если все ее возможные значения находятся на этом интервале и плотность распределения вероятностей постоянна: Для случайной величины Х , равномерно распределенной в интервале (a, b) (рис. 4), вероятность попадания в любой интервал (x1, x2), лежащий внутри интервала (a, b), равна: Примерами
Функция распределения Вейбулла представляет собой двухпараметрическое распределение. Описываемый ею закон является универсальным, так как при соответствующих значениях параметров превращается в нормальное, экспоненциальное и другие виды распределений. Автор данного закона распределения В. Вейбулл использовал его при описании и анализе экспериментально наблюдавшихся разбросов
Гамма-распределение является двухпараметрическим распределением. Оно занимает важное место в теории надежности. Плотность распределения имеет ограничение с одной стороны (0 ≤ х ≤ ∞). Если параметр α формы кривой распределения принимает целое значение, то это свидетельствует о вероятности появления такого же числа событий (например, отказов) при условии, что они независимы и
Логарифмически нормальное распределение это распределение случайной величины, логарифм которой распределён по нормальному закону. Применяют, когда значение случайной величины составляет случайную долю ранее наблюдавшегося явления. В теории надёжности логарифмически нормальное распределение используют для описания: процессов восстановления; износовых отказов, когда
Нормальный закон распределения (закон Гаусса) Из известных видов распределения непрерывных случайных величин наиболее часто используют нормальное распределение, описываемое законом Гаусса. Это объясняется как его относительной простотой, так и тем, что многие случайные величины, формирование значений которых определяется большим количеством неконтролируемых факторов, каждый