
- •Теорія ймовірностей та математична статистика.
- •Тема 1. Предмет, методи, основні задачі та поняття теорії ймовірностей.
- •Тема 7. Закони великих чисел та центральна гранична теорема
- •Тема 8. Основні поняття математичної статистики: вибіркові спостереження та вибіркові оцінки
- •Тема 9. Методи параметричного та непараметричного оцінювання параметрів
- •Тема10. Методи перевірки статистичних гіпотез
- •§1. Випадкові події. Класифікація подій
- •§2. Операції над подіями
- •§3. Частота події і її властивості
- •§4. Ймовірність події
- •§5. Аксіоматична побудова теорії ймовірності
- •§1. Операції над ймовірностями
- •Ймовірність об’єднання несумісних подій
- •2. Ймовірність перетину подій
- •Ймовірність об’єднання сумісних подій
- •§2. Формула повної ймовірності. Формула Байеса
- •§1. Схема Бернуллі
- •§2. Наймовірніше число успіхів у схемі Бернуллі
- •§3. Граничні теореми теорії ймовірності
- •1. Локальна теорема Муавра-Лапласа
- •2. Інтегральна ознака Муавра-Лапласа
- •3. Гранична теорема Пуассона
- •§1. Випадкові величини та їх розподіл
- •1. Дискретна випадкова величина та її закон розподілу ймовірностей
- •Неперервна випадкова величина та її закони розподілу
- •3. Диференціальна функція розподілу
- •§2. Числові характеристики випадкових величин
- •Дисперсія і середнє квадратичне відхилення.
- •§1. Закони розподілу дискретних випадкових величин
- •§2. Закони розподілу неперервної випадкової величини
- •§3. Закони розподілу, зв’язані з нормальним
- •Лекція 6. Закон великих чисел
- •§1. Нерівність Чебишева
- •§2. Теорема Чебишева
- •§3. Теорема Бернуллі
- •§4. Центральна гранична теорема Ляпунова
- •§1. Статистичний розподіл вибірки та його геометричне зображення
- •§2. Числові характеристики вибірки
- •Лекція 8. Статистичні оцінки параметрів генеральної сукупності
- •§1. Точкові статистичні оцінки параметрів
- •Розглянемо наступну загальну задачу. Маємо випадкову величину х, закон розподілу якої має невідомий параметр а. Потрібно на основі даних вибірки знайти добру оцінку параметру а.
- •§2. Інтервальні статистичні оцінки параметрів
- •Довірчі інтервали для оцінки математичного
- •Довірчі інтервали для математичного сподівання
- •§3. Довірчий інтервал для оцінки середнього квадратичного відхилення
- •Гіпотез
- •§ 2. Критична область. Загальна методика побудови критичних областей
- •§ 3. Перевірка правдивості статистичних гіпотез про рівність двох генеральних середніх.
- •§4. Перевірка гіпотези про нормальний закон розподілу генеральної сукупності. Критерій узгодженості Пірсона
- •§5. Порівняння двох середніх генеральних сукупностей,
- •§1. Рівняння парної регресії
- •§2. Вибірковий коефіцієнт кореляції та його властивості,
- •§1. Багатофакторна регресія
- •§2. Нелінійна регресія
- •Контрольна робота
- •Контрольна робота
§3. Частота події і її властивості
Нехай простір елементарних подій є скінченною множиною, =1, 2, ... n, тобто є тільки n можливих результатів випробовування, тобто множина є повна група несумісних подій і всі елементарні події рівноможливі.
Проводиться серія з n випробовувань, в кожному з яких подія А могла відбутись, або не відбутись.
Частотою події А в даній серії випробовувань називається відношення числа випробовувань, в яких з’явилась подія, до числа всіх випробувань.
Позначивши частоту події А через Р*(А), одержують:
P*(A)=
,
де
N(А)
– число елементів множини А.
Якщо N(А)=
m,
то Р*(А)=
Приклад. З партії виробів зі 100 штук 5 виробів виявились бракованими. Обчислити частоту браку.
Рішення. Нехай А – подія, яка полягає в тому, що виріб бракований. Тоді N(А)=m=5, n=100.
Р*(А) = 5/100 = 0,05.
Розглянемо властивості частоти:
Властивість 1. Частота випадкової події А є невід’ємне число, що міститься між нулем і одиницею, тобто
0 Р*(А) 1
бо 0 N(А)=m n.
Властивість 2. Частота достовірної події рівна 1, бо m=n, отже:
Р*(А)
=
=1.
Властивість 3. Частота неможливої події рівна нулю, бо m=0, отже Р*()=0/n=0.
До цих пір розглядалась частота одної події, а на практиці можуть бути випадки, коли в серії з n випробовувань відбувається не одна подія, а декілька, які знаходяться в певному відношенні одна з другою.
Якщо при повторенні випробовувань може з’явитись або подія А, або подія В, то має місце наступна властивість частоти, яка називається правилом додавання частот.
Властивість 4. Частота об’єднання двох несумісних подій А та В рівна сумі частот цих подій:
Р*(АВ) = Р*(А)+Р*(В).
Доведення.
Нехай в результаті серії з n випробовувань
подія А
з’явилась m
раз, а подія В
– k
раз. Це значить, що Р*(А)=
Р*(В)=
.
Так події А та В несумісні, то
N(АВ)=N(А)+N(В),
P*(AUB)=
=
=
=P*(A)+P*(B).
Наслідок. Нехай подія Ā протилежна до події А. Тоді АĀ=; Р*()=1=Р*(АĀ)=Р*(А)+Р*(Ā),
звідки Р*(Ā)=1-Р*(А), тобто частота протилежної події Ā рівна одиниці мінус частота події А.
Частоту однієї події, обчислену при умові, що відбулась друга подія, називають у м о в н о ю частотою і позначають:
Р*(А\В), Р*(В\А) або ( РВ*(А), РА*(В)).
Властивість 5. Частота перетину двох подій рівна добутку частоти однієї з них на умовну частоту другої.
Р*(АВ)=Р*(А)РА*(В)=Р*(В)РВ*(А).
Доведення. Нехай в результаті серії з n випробовувань подія А відбулася m раз і подія В – k раз, причому ℓ раз події А та В відбулись разом. Тоді
P*(A)=
,
P*(B)=
,
P*(A
B)=
.
Так
як подія А
відбулася в m випробовуваннях і в ℓ з
цих m випробовувань з’явилась разом з
нею подія В,
то умовна частота події В при умові, що
подія А мала місце, рівна
,
тобто РА*(В)=
.
Аналогічно
РВ*(А)=
.
Тоді P*(A B)= = =P*(A)*Р*А(В)=
=
=
=P*(B)P*
(A).
§4. Ймовірність події
Частоту події можна визначити тільки після проведення випробувань, а в різних серіях випробувань, при одних і тих же умовах частота події не буде постійною. Тому поняття частоти є поганою характеристикою події. Проте в міру збільшення числа випробувань, частота поступово стабілізується, тобто приймає значення, яке мало відрізняється від деякого певного числа. Таким чином, з даною подією можна зв’язати деяку постійну величину, навколо якої групуються частоти і яка є характеристикою об’єктивного зв’язку між комплексом умов, при якому проводяться випробовування, і подією. Ця постійна величина називається ймовірністю події.
Ймовірністю випадкової події називається постійне число, навколо якого групуються частоти цієї події в міру зростання числа випробувань.
Таке означення ймовірності називається статистичним. Ймовірність події А прийнято позначати Р(А).
Статистичний спосіб задання ймовірності має ту перевагу, що він опирається на реальні випробовування, але має і той недолік, що для надійного визначення ймовірності необхідно провести велике число випробувань.
Те, що кожне масове випадкове явище має свою ймовірність, є дослідним фактором і підтверджує існування статистичних закономірностей в природі.
Статистичне означення ймовірності події хоча і досить повно відображає зміст цього поняття, але не дає змоги фактичного обчислення ймовірності, тобто не є “робочим” означенням. Тому розглядається інше, що називається класичним означенням ймовірності події.
Класичний спосіб означення ймовірності базується на понятті рівноможливих подій, які є необхідною умовою випробування і утворюють повну групу несумісних подій.
Рівноможливі і несумісні події, що утворюють повну групу, будемо називати випадками або шансами. По відношенню до кожної події випадки (шанси) діляться на сприятливі, при яких ця подія відбувається, і несприятливі, при яких ця подія не відбувається. Наприклад, при киданні грального кубика події появи парного числа очок є сприятливими три випадки 2, 4, 6 і несприятливими також три випадки 1, 3, 5.
Означення (класичне). Ймовірністю появи деякої події називається відношення числа випадків, сприятливих появі цієї події, до загального числа рівноможливих випадків.
Таке означення називається через те класичним, бо воно було означенням ймовірності в початковий період розвитку теорії ймовірності. Перевага цього означення ймовірності події полягає в тому, що з його допомогою можна обчислити ймовірність події до випробування. Але його недоліком є те, що воно застосовується тільки тоді, коли ми маємо справу з рівноможливими даними випробування.
Позначивши число випадків, сприятливих події А, через m, а загальне число рівноможливих випадків через n, дане класичне означення ймовірності можна записати у вигляді формули
P(A)= . (1)
Приклад 1. Знайти ймовірність того, що при киданні грального кубика випаде парне число очок.
Рішення.
Нехай подія А
– випадання парного числа очок. Число
всіх рівноможливих випадків n
= 6, а число сприятливих випадків m
= 3 (випадання 2, 4, 6 очок). Тому Р(А)=
=
.
Приклад 2. В ящику 15 кульок, з них 9 червоних і 6 синіх. Знайти ймовірність того, що наугад вийняті дві кульки будуть червоними.
Рішення.
В даному прикладі загальне число
рівноможливих випадків рівне числу
комбінацій із всього числа кульок по
два
,
оскільки довільні дві кульки із
п’ятнадцяти можуть бути вийняті з
рівноможливими шансами:
n=
=
=105.
Нехай подія А полягає в тому, що були вийняті дві червоні кульки; тоді число випадків, сприятливих появі події А, рівне числу комбінацій із числа червоних кульок по два, тобто
=
=36.
Отже, Р(А)=
=
.