Основу организации статистического контроля качества составляет анализ закономерностей распределения отдельных значений признака в их обшей совокупности. Наиболее распространенным для многих признаков в производственной практике является нормальное распределение. На примере этого распределения автор показывает те задачи, которые должны решаться в процессе обеспечения качества. Кроме этого распределения, автор раскрывает возможности для практической организации контроля качества и выявления дефектных изделий целого ряда других распределений — биномиального, распределения Пуассона и т. д. [c.239]
Распределение биномиальное 241, 242 Распределение гауссовское [c.485]
Ранг матрицы, 494 Ранговое условие, 236 Распределение биномиальное, 518 [c.573]
Под гипотетическим распределением необязательно понимается нормальное распределение. Может быть выдвинута гипотеза о биномиальном распределении, распределении Пуассона и т.д. Причина частого обращения к нормальному распределению в том, что в этом типе распределения выражается закономерность, возникающая при взаимодействии множества случайных причин, когда ни одна из них не имеет преобладающего влияния. Закон нормального распределения лежит в основе многих теорем математической статистики, применяемых для оценки репрезентативности выборок, при измерении связей и т. д. В социально-экономической статистике нормальное распределение встречается редко, но сравнение с ним важно для выяснения степени и характера отклонения от него фактического распределения. [c.197]
Дискретная случайная величина X имеет биномиальный закон распределения, если она принимает значения О, 1, 2,..., т,..., п с вероятностями [c.33]
Биномиальный закон распределения представляет собой закон распределения числа X = т наступлений события А в п независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью р. [c.33]
Случайное число f0(t0,t) сохранившихся к моменту времени t счетов, открытых к моменту времени t0, имеет биномиальное распределение ( 0(t0,t)e Bm(q (t0,t),r0) ) [c.196]
Примером такого выражения может служить вероятность появления события т раз при п испытаниях, вычисляемая по общеизвестной формуле биномиального распределения [c.17]
Совокупность вероятностей Рт,п называется биномиальным законом распределения. [c.17]
Биномиальное распреде-Распределение л е н и е образуется при следующей [c.21]
М (т) = пр а2 (т) — npq. Биномиальное распределение имеет место при ряде неза- [c.21]
При п<0,Ш гипергеометрическое распределение близко к биномиальному. [c.22]
Если п мало по сравнению с N(n< Q,lN), то случайная величина имеет биномиальное распределение. Обычно в технических условиях задается норматив с. Если d < — партия изделий принимается, если d> — партия бракуется. [c.79]
Количество поисково-разведочных скважин Nn, необходимых для открытия одного месторождения с уровнем надежности а, в первом приближении рассчитывается исходя из биномиального закона распределения с учетом средней успешности открытий у [c.157]
Данная формула описывает биномиальный закон распределения случайной величины. Из формулы непосредственно следует, что биномиальный закон полностью характеризуется двумя параметрами количеством испытаний N и вероятностью успеха р. На рисунке приведена плотность биномиального распределения при N = 1 0 и различных значениях вероятности успеха р. Распреде- [c.30]
Математическое ожидание и дисперсия биномиального распределения составляют [c.31]
При количестве испытаний N —> оо эксцесс биномиального распределения стремится к числу три, то есть к эксцессу нормального распределения. [c.32]
Распределение Пуассона является предельным случаем биномиального распределения. Его можно применить, когда количество испытаний N достаточно велико, а вероятность успеха р мала, [c.32]
Вероятность появления в серии определенного числа выигрышных сделок описывается биномиальным распределением [c.198]
Теперь преобразуйте ваш счет Z в доверительную границу. Распределение периодов является биномиальным распределением. Однако когда рассматриваются 30 или больше сделок, мы можем использовать нормальное распределение, как близкое к биномиальному. Таким образом, если вы используете 30 или более сделок, вы просто можете преобразовать ваш счет Z в доверительную границу, основываясь на уравнении (3.22) для нормального распределения. [c.18]
Нормальное распределение интересно еще и потому, что оно является предельной формой многих других типов распределений. Например, если X распределено биномиально, а N стремится к бесконечности, то X стремится к нормальному распределению. Более того, нормальное распределение также является предельной формой многих других ценных распределений вероятности, таких как Пуассона, Стьюдента (или t-распределения). Другими словами, когда количество данных (N), используемое в этих распределениях, увеличивается, они все более напоминают нормальное распределение. [c.90]
Для биномиального распределения математическое ожидание [c.51]
Биномиальное распределение при /t-x стремится к нормаль- [c.52]
При оценке крупных программ ГРР используется биномиальное, мультиноминальное и гипергеометрические распределения. При этом необходимо знать, являются ли исходы зависимыми или нет. [c.153]
Представьте себе базовый инструмент (акция, облигация, валюта, товар и т.д.), цена которого движется вверх или вниз на 1 тик каждую последующую сделку Если мы будем измерять возможную стоимость акции через 100 тиков и рассмотрим большое количество вариантов, то обнаружим, что полученное распределение результатов — нормальное. Поведение цены в данном случае будет напоминать падение шарика через доску Галтона. Если рассчитать цену опциона, исходя из того принципа, что прибыль при покупке или продаже опционов должна быть равна нулю, мы получим биномиальную модель ценообразования опционов (или, коротко, биномиальную модель). Ее иногда также называют моделью Кокса-Росса-Рубинштейна в честь ее разработчиков. Такая цена опциона основывается на его ожидаемой стоимости (его арифметическом математическом ожидании), с тем расчетом, что вы не получаете прибыль, покупая или продавая опцион и удерживая его до истечения срока. В этом случае говорят, что опцион справедливо оценен. [c.155]
Эта аппроксимация проходит только в случае биномиального распределения (т. е. при двух сценариях в спектре). Чем более уклоняются вероятности от 0,5 на сценарий, тем менее точной она становится. Другими словами, это решение является точным, когда вы дихотомизируете два сценарных спектра в противном случае она превращается в аппроксимацию убывающей точности. [c.147]
Впрочем, любые сценарные спектры можно свести к биномиальным распределениям (наборам только из двух сценариев), путем дихотомизации около их центров. Вновь обратимся к сценарному спектру нашей промышленной компании. Он содержит восемь различных сценариев. Мы можем дихотомизировать их, объединив воедино сценарии Войны, Кризиса и Стагнации в один сценарий нового сценарного спектра, который мы будем называть сценарием Плохой половины исходов. Аналогичным образом, мы можем объединить воедино сценарии мира и процветания в сценарий Хорошей половины исходов нового спектра. Теперь мы можем обращаться с преобразованным спектром так же, как и с другими спектрами, содержащими по два сценария, и аппроксимировать совместные вероятности четырех возможных совместных исходов (рис. 3.4). [c.147]
Смотреть страницы где упоминается термин Распределение биномиальное
: [c.304] [c.251] [c.80] [c.82] [c.119] [c.33] [c.299] [c.199] [c.30] [c.23] [c.47] [c.51] [c.51] [c.51] [c.92] [c.96] [c.110] [c.111] [c.113] [c.113] [c.156]Операционный менеджмент (2002) -- [ c.294 ]
Основы стохастической финансовой математики Т.1 (0) -- [ c.241 , c.242 ]
Основы стохастической финансовой математики Т.2 (1998) -- [ c.241 , c.242 ]
Эконометрика начальный курс (2004) -- [ c.51 , c.574 ]