Случайная величина гауссовская

Нормальное распределение (рис. 28) (часто называемое гауссовским) играет исключительную роль в теории вероятностей. Это наиболее часто встречающееся на практике распределение. Даже в тех случаях, когда распределение заведомо не является нормальным (например, для механических характеристик материала, которые всегда положительны), им нередко пользуются для приближенной замены реальных законов распределения, так как усечения обычно невелики. Кроме зтого, если случайная величина распределена нормально, то распределение остается нормальным и после линейного преобразования случайной величины (включая операции дифференцирования и интегрирования). [c.107]

Каток радиуса / = 0,5 м и массы т = 800 кг упирается в жесткое препятствие. Высота препятствия А может быть различной предполагается, что А можно считать случайной величиной с гауссовским распределением, причем ее математическое ожидание равно тд = =0,1 м, а среднее квадратическое отклонение равно Од = 0,02 м. Определить вероятность а [c.442]

Определить необходимую силу Q затяжки болта, соединяющего две детали, находящиеся под действием растягивающей силы Р, исходя из того, что вероятность проскальзывания должна быть 5-10 . Сила Р и коэффициент трения f между деталями могут принимать различные значения предполагается, что их можно считать независимыми случайными величинами с гауссовским законом распределения, причем их математические ожидания соответственно равны HJp = 2000 Н, т/=0,1, а средние квадратические отклонения ор = 200 Н, а/ = 0,02. [c.443]

Груз массы т — 200 кг находится на шероховатой н.а-клонной плоскости. Наклон плоскости и коэффициент трения скольжения могут быть различными. Угол у наклона плоскости относительно горизонта и коэффициент трения f считаются независимыми случайными величинами с гауссовским распределением, их математические ожидания соответственно равны гпу=0 и Wf=0,2, а средние квадратические отклонения равны Оу = 3° и Of = 0,04. Определить значение горизонтальной силы Q, достаточной для того, чтобы с вероятностью 0,999 сдвинуть груз по плоскости, [c.443]

Самолет летит из начального в конечный пункт, расстояние между которыми равно 1500 км. Скорость полета v постоянна во времени для каждого полета, но для разных полетов принимает различные значения. Предполагается, что скорость представляет собой случайную величину с гауссовским распределением, с математическим ожиданием Шо = 250 м/с и средним квадратическим отклонением esv — 10 м/с. Определить симметричный интервал для времени полета, соответствующий вероятности 0,999. [c.445]

Самолет летит по прямой линии от начального пункта. Угол отклонения этой прямой от заданной прямолинейной траектории в разных полетах может принимать различные значения. Предполагается, что угол является случайной величиной с гауссовским распределением, его математическое ожидание равно нулю, а среднее квадратическое отклонение равно Определить значения вероятности того, что на расстояниях L = 50 100 200 км боковое отклонение от заданной траектории не превысит 5 км. [c.445]

Поезд двигался с начальной скоростью 15 м/с. При торможении ускорение замедленного движения постоянно во времени, но может принимать различные значения. Предполагается, что ускорение W является случайной величиной с гауссовским распределением, с математическим ожиданием mw = —0,2 м/с и средним квадратическим отклонением а = 0,03 м/ . Определить математическое ожидание и среднее квадратическое отклонение тормозного расстояния до остановки, а также верхнюю границу тормозного расстояния, вероятность превышения которой составляет 0,05. [c.445]

При расчетной оценке точности стрельбы в мишень принимается, что скорость полета пули постоянна, учитывается случайное отклонение оси ствола и случайное отличие скорости пули от номинального значения. Считается, что пуля попадает точно в центр мишени, если при точном задании направления оси ствола скорость вылета равна номинальному значению 600 м/с. Углы отклонения (р и гр оси ствола от заданного направления н отличие До скорости вылета от номинального значения считаются независимыми случайными величинами с гауссовским распределением, с нулевыми математическими ожиданиями и со средними квадратическими отклонениями соответственно Оф = n,j, =0,5-10 рад и Ои = 75 м/с. Расстояние до мишени равно / = 50 м. Определить симметричные интервалы для горизонтального и вертикального смещений точек попадания в мишень относительно ее центра, соответствующие вероятности 0,99. [c.445]

Вагон, центр масс которого находится на высоте 2,5 м от уровня полотна железной дороги с щириной колеи 1,5 м, движется по криволинейному участку с радиусом кривизны р = 800 м. Подъем наружного рельса над уровнем внутреннего выбран так, чтобы при скорости вагона, равной ц = 20 м/с, давление колес на оба рельса было одинаковым. В действительности скорость вагона может быть различной. Принимается, что скорость является случайной величиной с гауссовским распределением, с математическим ожиданием Шу = 15 м/с и средним квадратическим отклонением Оо = 4 м/с. Определить отношение сил давления колес на внешний и внутренний рельсы при скорости, соответствующей верхней границе интервала, определенного для вероятности а = 0,99 [c.446]

Автомашина движется по дороге без уклона со скоростью 15 м/с. При торможении сила трения постоянна во времени, но может принимать различные значения. Принимается, что удельная сила трения при торможении является случайной величиной с гауссовским распределением, ее математическое ожидание равно 3000 Н на 1 т массы, а среднее квадратическое отклонение составляет 700 Н на I т массы. Определить значения вероятности того, что тормозной путь. до остановки превысит 40 м 80 м. [c.446]

Часто используемая в приложениях гауссовская случайная величина имеет плотность вероятности, соответствующую распределению Гаусса [c.62]

Здесь А/, Bj — случайные величины ку — гауссовские случайные волновые векторы. Величины Aj, Bj удовлетворяют условиям [c.285]

Для моделирования поля U (х) согласно (65) необходимо для каждой реализации получить 2N значений случайных величин А/, Bj п N-т значений компонент волновых векторов ку. При получении реализаций Aj, Bj могут быть использованы соотношения, аналогичные (62). Для получения реализаций компонент волнового вектора необходимо воспользоваться алгоритмами моделирования гауссовских случайных векторов. Соответствующие алгоритмы можно найти в [18]. [c.285]

При математическом моделировании стохастических систем (статистические системы с так называемым нормальным — гауссовским — распределением) обычно применяют методы статистического анализа, в которых наиболее вероятным значением случайных величин служит средняя арифметическая величина, а мерой рассеяния— дисперсия или квадратичное отклонение от средней арифметической. [c.11]

Для примера вычислим среднее число выбросов для случая, когда процесс задан в виде суммы гауссовского процесса Xi (t) и линейной функции (t) = ао + с нормально распределенными статистически независимыми коэффициентами и Oi, Уровень X будем считать случайной величиной с нормальным законом распределения. Среднее значение этого уровня обозначим через X, а дисперсию через si. Тогда среднее число выбросов рассматриваемого процесса за уровень х [c.111]

Квазислучайные гауссовские процессы. Представление эксплуатационной нагруженности конструкций в виде различных математических моделей случайных процессов требует при их структурном анализе проведения трудоемких вычислений на ЭВМ. Вместе с тем такой анализ может быть проведен относительно просто, если реальные процессы нагружения удается представить в виде квазислучайных функций времени, т. е. функций времени, заданных с точностью до одной или нескольких случайных величин. Такие функции можно получить на базе простейшего гармонического нагружения (рис. 11.7, а) [c.113]

Сопоставив соотношения (11.72) и (11.61), приходим к выводу, что если в качестве [ (со) принять нормированный энергетический спектр заданного процесса S ( ) = S ( o)/s , а величину а считать случайной с произвольным законом распределения и вторым моментом М [с ] 2s то квазислучайный процесс (11.54), определяемый двумя случайными величинами а и со, можно будет считать построенным с точностью до воспроизведения его корреляционной функции. Свободу выбора вида распределения величины а можно использовать для получения, например, гауссовского одномерного распределения процесса у (t). Для этого достаточно распределение амплитуды а принять релеевским (это характерно для узкополосных гауссовских стационарных процессов), при котором второй момент М [а ] 2s . Таким образом, сформированный квазислучайный процесс (11.54) можно считать эквивалентным заданному гауссовскому случайному процессу с точностью до воспроизведения корреляционной функции и одномерной гауссовской плотности его распределения. Построенный квазислучайный процесс (11.54) нельзя считать полностью совпадающим (по определению) с гауссовским стационарным процессом. Для этого необходимо, чтобы не только одномерная плотность распределения была гауссовской, но и распределения любой кратности (п-мерные распределения) также были гауссовскими. Вместе с тем представление случайного процесса в виде простого соотношения ( 1.54) открывает большие возможности для приближенного изучения поведения динамических систем при случайных воздействиях, так кяк при этом могут быть широко ис- [c.117]

Допустим, что Q есть гауссовская случайная величина с математическим ожиданием (Q) = Q и дисперсией а . Тогда плотность вероятности максимальной амплитуды Л выразится следующим образом [c.11]

Рассмотрим вначале вопрос об энтропии гауссовской случайной величины. Известно, что среди случайных величин, имеющих одинаковые вторые моменты, нормальная величина обладает наибольшей энтропией. Покажем это на примере центрированной случайной величины с единичной дисперсией. Допустим, что нам известны все моменты некоторой случайной величины X в соответствии с формулой [c.49]

Для нормальных (гауссовских) случайных величин t, справедливо хорошо известное выражение [c.57]

Для случайных полей, так же как и для случайных величин, полное задание распределения вероятности предполагает, вообще говоря, задание всех моментов всевозможных порядков. Исключение в этом отношении могут представлять лишь случаи, когда имеются какие-то дополнительные сведения о распределениях вероятности, позволяющие по некоторым заданным моментам определить также и все остальные. Ниже будет рассмотрен один частный, но очень важный случай такого рода, позволяющий ограничиться заданием лишь моментов первого и второго порядков. А именно, мы рассмотрим случай, когда заранее известно, что рассматриваемое поле — гауссовское, т. е. что все распределения вероятности его значений являются многомерными нормальными распределениями (распределениями Гаусса). [c.188]

Вертикальная подпорная стенка высоты Л = 5 м постоян- ного сечения толщины а == 1,1 м нагружена гидростатическим давлением воды, уровень которой может быть различным. Плотность материала стены составляет 2,2 т/м . Считая высоту Н уровня воды от основания стенки случайной величиной с гауссовским законом распределения, с математическим ожиданием шн = 3,0 м и средним квадратическим отклонением сгн = 0,5 м, определить вероятность опрокидывания стенки. Определить также минимально допустимую толщину стенки, исходя из требования, что вероятность ее опрокидывания не должна превышать 3-10 [c.443]

Л4] и М2 от номинального значения (математического ожидания) и случайные смещения Ахь А ь Лх2 и А//2 их центров маее относительно точек, лежащих на одном диаметре на расстоянии 1=1 м от оси ротора, приводят к тому, что центр масс С ротора вместе с деталями оказывается смещенным относительно оси. Поэтому координаты хс и ус центра масс являются случайными. Предполагается, что случайные величины М], М2, Ал ], Ау), Ахг, Аг/2 независимы и распределены по гауссовскому закону, их математические онгидания соответственно равны = 100 кг, = [c.444]

На груз массы I кг, подвешенный на нити длины 1 м, й начальный момент времени находившийся в состоянии покоя га одной вертикали с точкой подвеса, кратковременно действует горя-зонтальная сила, постоянная во времени в течение интервала д. л-ствня. Сила Р и интервал времени ее действия т являются независимыми случайными величинами с гауссовским распределением, с математическими ожиданиями, равными соответственно т/ = 300 Н и тг = 0,01 с и средними квадратическими отклонениями, равными о/г = 5 Н и Ог = 0,002 с. Определить значения вероятности того, что амплитуда свободных колебаний груза на нити после окончания удара превысит 60° и 90°. [c.447]

Груз падает с высоты Н на упругую пружину, массой которой по сравнению с массой груза можно пренебречь. Статический прогиб пружины под грузом равен 2 мм. Высота Я считается случайной величиной с гауссовским распределением, с математическим ожиданием, равным 1 м, и средним квадратическим откло-неннем, равным 0,3 м. Определить верхнюю границу интерва.па возможных изменений максимального значения ускорения П >и ударе для вероятности нахождения в этом интервале, равной 0,95. [c.447]

Длина / математического маятника известна неточно. Предполагается, что / представляет собой случайную величину с гауссовским распределением, с известным математическим он<и-дапием = 0,25 м и с неизвестным средним квадратическим отклонением ст/. Определить допустимое значение сг/, при котором значения периода свободных малых колебаний различаются не более, чем на 0,1 % с вероятностью 0,99. [c.447]

Здесь Ojt = АДсо (Дсо = o / V) Uj , — гауссовские случайные величины со следующими вероятностными характеристиками [c.282]

Предположим, что компоненты случайного вектора g имеют п-мерное гауссовское распределение. Тогда параметр Хо = будет нормальной случайной величиной с математиче- [c.216]

Здесь детерминистические составляющие сводятся к равенствам (1.83), а флуктуационные следуют из известного свойства аддитивности диспе рсий гауссовских случайных величин [44]. Таким образом, синергетический принцип соподчинения преобразует аддитивные шумы вертикальной составляющей скорости v и наклона S в мультипликативные, В результате выражения (1,80), (1.92), (1-93) приводят к уравнению Ланжевена [c.56]

После того как определена п-мерная функция нормального, распределения (1.45), можно дать определение чормального (гауссовского) случайного процесса случайный процесс X(t является нормальным случайным процессом, если для каждой конечной совокупности моментов времени tu . t случайные величины Xl = X ti),.. х =ХЦг,) характеризуются -мерной нормальной функцией распределения. Для нормальных процессов совокупность (/1,. . ., / ) может принимать любое дискретное значение в интервале от —оо до оо [58]. [c.19]

Как отмечалось выше, решения, полученные на основе бор-новского приближения, с одной стороны, и преобразования Рытова— с другой, приводят к разным плотностям распределения амплитуды Л возмущенной волны. Единственной случайной величиной, присутствующей в рещении, в обоих случаях является возмущение показателя прело.мления п. Выражение (8.4.42) дает полевое возмущение О как суперпозицию огро.миого числа незавпси.мых вкладов различных частей турбулентной среды. В соответствии с центральной предельной теоре.мой. мы вправе ожидать, что действительная и мнимая части величины 111 подчиняются гауссовскому, или нормальному, распределению. Предсказываемое распределение интенсивности полной волны зависит от дисперсий действительной и мнимой частей величины и1 и от их корреляции. Если эти дисперсии равны, а коэффициент корреляции равен нулю, то сум.ма величин Ыо и 11 будет равна сумме постоянного (неслучайного) фазора и кругового комплексного гауссовского фазора. Согласно результатам гл. 2, 9, п. Г, при этих условиях величииа Л= и [c.375]

Энциклопедия по машиностроению XXL

Оборудование, материаловедение, механика и ...