- •Методические указания
- •Для решения контрольной и самостоятельной работы
- •По разделу математики
- •«Элементы теории вероятностей и математической статистики»
- •I. Элементы теории вероятностей
- •1.1. Случайные величины. Вероятность случайного события
- •1.2.Теоремы сложения, умножения вероятностей
- •1.3 .Формула полной вероятности. Формула Бейеса
- •Формула Бейеса. (формула гипотез)
- •1.4. Закон распределения дискретной случайной величины
- •Формула Пуассона
- •Локальная формула Муавра-Лапласа
- •Интегральная форма Лапласа
- •1.5. Интегральная функция распределения
- •1.6. Дифференциальная функция распределения
- •1.7. Равномерное распределение непрерывной случайной величины
- •1.8.Числовые характеристики случайных величин
- •1.7. Нормальный закон распределения вероятностей непрерывной случайной величины
- •2.Элементы математической статистики
- •I. Выборки и их характеристики
- •1.1. Выборочный метод и способы составления выборок
- •1.2. Статистическое распределение и его геометрическое изображение
- •Алгоритм составления дискретного статистического распределения:
- •Гистограмма и полигон плотности относительных частот
- •1.3. Числовые характеристики вариационного ряда
- •1.4.Статистические оценки параметров распределения. Доверительные интервалы
- •1.5. Статистическая проверка статистических гипотез
- •II Элементы корреляционного анализа
- •2.1. Статистическая зависимость случайных величин. Уравнения регрессии.
- •2.2. Корреляционная зависимость. Коэффициент корреляции.
- •1) Метод квадратов
- •2) Ранговый метод
- •2.3. Проверка гипотезы о значимости выборочного
- •Разбор типовых задач Тема: Формула вероятности события
- •Тема: формула полной вероятности
- •Тема :случайная величина и ее числовые характеристики числовые характеристики дискретных случайных величин
- •Числовые характеристики непрерывных случайных величин
- •Тема:Функции распеределения
- •Тема: Элементы статистической обработки данных
- •Тема :понятие о корреляционной зависимости
- •Вопросы для самопроверки Основные понятия теории вероятностей. Теоремы сложения и умножения вероятностей.
- •Повторные независимые испытания
- •Случайная величина и ее числовые характеристики
- •Основные сведения из математической статистики Вопросы для самопроверки
- •Понятие о корреляционной зависимости Вопросы для самопроверки
- •Статистические оценки параметров распределения
- •Вопросы для самопроверки
- •Задания для самостоятельной работы по теме «Элементы теории вероятностей и математической статистики »
- •Задания для контрольной работы по теме «Элементы теории вероятностей и математической статистики»
- •Контрольная работа «Статистическое оценивание данных»
- •Вариант – 1
- •Стандартные коэффициенты корреляции, которые считаются достоверными (по л.С. Каминскому)
- •Литература
1.3 .Формула полной вероятности. Формула Бейеса
Пусть некоторое событие А может произойти вместе с одним из несовместных событий , составляющих полную группу событий. Пусть известны вероятности этих событийи условные вероятности наступления события А при наступлении событияHi .
Теорема. Вероятность события А, которое может произойти вместе с одним из событий , равна сумме парных произведений вероятностей каждого из этих событий на соответствующие им условные вероятности наступления события А.
.
Доказательство.
Т.к. события образуют полную группу событий, то событие А можно представить в виде следующей суммы:
Т.к. события несовместны, то и событияAHi тоже несовместны. Тогда можно применить теорему о сложении вероятностей несовместных событий:
При этом
Окончательно получаем:
Теорема доказана.
Формула Бейеса. (формула гипотез)
Пусть имеется полная группа несовместных гипотез с известными вероятностями их наступления. Пусть в результате опыта наступило событие А, условные вероятности которого по каждой из гипотез известны, т.е. известны вероятности .
Требуется определить какие вероятности имеют гипотезы относительно события А, т.е. условные вероятности.
Теорема. Вероятность гипотезы после испытания равна произведению вероятности гипотезы до испытания на соответствующую ей условную вероятность события, которое произошло при испытании, деленному на полную вероятность этого события.
Эта формула называется формулой Бейеса.
Доказательство.
По Теореме умножения вероятностей получаем:
Тогда если .
Для нахождения вероятности P(A) используем формулу полной вероятности.
Если до испытания все гипотезы равновероятны с вероятностью, то формула Бейеса принимает вид:
1.4. Закон распределения дискретной случайной величины
Законом распределения дискретной случайной величины называют соответствие между ее возможными значениями и вероятностями их появления. Закон распределения можно задать таблично, аналитически (в виде формулы) и графически (в виде многоугольника распределения).
Табличное задание закона распределения:
- возможные значения случайной величины;
- вероятности появления случайной величины.
Аналитическое задание закона распределения:
Биномиальное распределение, определяемое законом Бернулли
k = 0, 1, 2, …, n – количество возможных появлений событий
q = 1-p – вероятность не появления событий.
Непосредственное применение формулы Бернулли при большом числе испытаний связано с громоздкими вычислениями. Поэтому при больших n вместо нее используют приближенные формулы Пуассона и Муавра-Лапласа
Формула Пуассона
Если число испытаний n достаточно велико, а вероятность p достаточна мала, причем их произведение а=np не мало и не велико (p<0,1 npq<10), то вероятность Pn(m) можно приближенно найти по формуле Пуассона
Распределение Пуассона, определяемое асимптотической формулой Пуассона:
Где - интенсивность потока событий.
Локальная формула Муавра-Лапласа
Если число испытаний n достаточно велико, а вероятности p и q не очень близки к нулю (n>100 npq>20), то вероятность Pn(m) можно приближенно найти по формуле Муавра_Лапласа
где x=, -функция Гаусса