
- •Тема 1. Вероятностные пространства 30
- •Тема 2. Основные вероятностные схемы испытаний 60
- •Тема 3. Случайные величины 87
- •Тема 4. Математическая статистика 140
- •Введение Место теории вероятностей и математической статистики в современной математической науке и их роль в экономических исследованиях
- •Особенности изучения теории вероятностей и математической статистики менеджером
- •Краткие сведения
- •Тема 1. Вероятностные пространства Лекция 1. Пространство случайных событий
- •Основные понятия теории вероятностей
- •Случайные события
- •Понятие случайного эксперимента
- •Пространство элементарных событий
- •Наступление события, благоприятствующие исходы
- •Совместные (совместимые), несовместные (несовместимые) события
- •Достоверное и невозможное события
- •Алгебра событий Операции над событиями (сумма, разность, произведение)
- •Свойства операций над событиями
- •Алгебра и сигма-алгебра событий
- •Общее определение вероятности
- •Классическое определение вероятности события. Случаи равновероятных исходов
- •Статистическое определение вероятности события. Случаи неравновероятных исходов
- •Геометрические вероятности
- •Аксиоматическое построение теории вероятностей
- •, Т.Е. Вероятность достоверного события равна единице;
- •Вероятность события , заключающееся в том, что наступит одно из попарно несовместных событий ( ), составляет
- •Полная группа событий
- •Условная вероятность
- •Формула умножения вероятностей
- •Формула сложения вероятностей
- •Независимость событий
- •Простейшие свойства вероятностей
- •Свойства условных вероятностей
- •Формула полной вероятности. Формула Байеса
- •Контрольные вопросы к теме №1
- •Тема 2. Основные вероятностные схемы испытаний Лекция 2. Основные формулы вычисления вероятностей
- •Классическая вероятностная схема
- •Правила суммы и произведения
- •Схемы выбора. Основные понятия комбинаторики
- •Выбор без возвращения, с учетом порядка
- •Выбор без возвращения, без учета порядка
- •Выбор с возвращением и с учетом порядка
- •Выбор с возвращением и без учета порядка
- •Урновая схема
- •Наивероятнейшее число наступления событий в схеме Бернулли
- •Предельные теоремы для схемы Бернулли
- •Локальная теорема Муавра–Лапласа
- •Интегральная теорема Муавра – Лапласа
- •Теорема Пуассона
- •Понятие потока событий
- •Полиномиальная схема
- •Понятие цепи Маркова
- •Однородные цепи Маркова
- •Равенство Маркова
- •Предельные вероятности
- •Контрольные вопросы к теме №2
- •Тема 3. Случайные величины Лекция 3. Одномерные случайные величины
- •Непрерывные и дискретные случайные величины
- •Закон распределения случайной величины
- •Функция распределения случайной величины и ее свойства
- •Свойства функции распределения
- •Числовые характеристики непрерывных случайных величин Математическое ожидание случайной величины, его вероятностный смысл и свойства
- •Свойства математического ожидания
- •Дисперсия случайной величины и ее свойства
- •Среднеквадратическое отклонение
- •Начальные и центральные моменты
- •Основные примеры распределений дискретной случайной величины
- •Биномиальное распределение, его математическое ожидание, дисперсия
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывные случайные величины Функция и плотность распределения вероятностей
- •Числовые характеристики непрерывных случайных величин
- •Основные примеры распределений непрерывной случайной величины Равномерное распределение
- •Показательное распределение
- •Нормальное распределение
- •Свойства функции Гаусса
- •Центральная предельная теорема
- •Вероятность попадания нормальной случайной величины в заданный интервал
- •Функция Лапласа и ее свойства
- •Вычисление вероятности заданного отклонения. Правило «трех сигм»
- •Лекция 4. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двумерной случайной величины
- •Свойства совместной функции распределения двумерной случайной величины
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Условное математическое ожидание
- •Независимые случайные величины
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Линейная регрессия. Метод наименьших квадратов
- •Распределение 2
- •Распределение Стьюдента
- •Распределение Фишера
- •Предельные теоремы теории вероятностей Закон больших чисел. Неравенство Чебышева. Теорема Чебышева
- •Контрольные вопросы к теме №3
- •Тема 4. Математическая статистика Лекция 5. Основы математической статистики
- •Выборочный метод и его основные понятия
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин
- •Полигон и гистограмма
- •Эмпирическая функция распределения и ее свойства
- •Свойства эмпирической функции распределения
- •Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок
- •Выборочные среднее и дисперсия
- •Надежность и доверительный интервал
- •Определение доверительных интервалов Доверительный интервал для математического ожидания нормального распределения при известной дисперсии
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- •Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- •Проверка статистических гипотез
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки
- •Критерий согласия Пирсона о виде распределения
- •Элементы теории корреляции
- •Выборочные уравнения регрессии
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель
- •Обратная модель
- •Степенная модель
- •Показательная модель
- •Цепи Маркова Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода
- •Равенство Маркова
- •Цепи Маркова с непрерывным временем
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Предельные вероятности
- •Контрольные вопросы к теме №4
- •Экзаменационные вопросы
- •Литература
- •Теория вероятностей и математическая статистика Курс лекций
- •220007, Г. Минск, ул. Московская, 17.
Урновая схема
Классическая
схема, несмотря на свою ограниченность,
пригодна для решения ряда сугубо
практических задач, общую схему которых
можно охарактеризовать следующим
образом: рассмотрим множество
элементов, состоящее из двух непересекающихся
подмножеств из
и
элементов. Например, множество
шаров, из которых
– белые, а
–
черные. Эти шары находятся в урне, из
которой извлекается
шаров. Требуется найти вероятность
того, что сред этих
шаров окажется
белых, причем отношение
будет близко к
,
т.е. достоверно ли представление о
генеральной совокупности, полученное
по выборке. В самом деле, в описанной
ситуации каждая выборка не имеет
предпочтения по отношению к любой
другой, т.е. все они равновозможны.
Обозначим
через
событие «в выборке объема
имеется
белых шаров». Число всех возможных
выборок объема
из множества
элементов равно числу сочетаний
.
Выясним число элементарных исходов
благоприятствующих событию
:
из
белых шаров можно выбрать
штук
способами, а из
черных шаров можно выбрать
штук
способами. Таким образом, число
элементарных исходов благоприятствующих
событию
равно
.
Следовательно, вероятность того, что
сред этих
шаров окажется
белых, причем отношение
будет близко к
,
равна:
.
Схема независимых испытаний Бернулли
Серия
повторных независимых испытаний, в
каждом из которых данное событие
имеет одну и ту же вероятность
,
не зависящую от номера испытания,
называется схемой Бернулли. Таким
образом, в схеме Бернулли для каждого
испытания имеются только два исхода:
событие
(успех), вероятность которого
и событие
(неудача), вероятность которого
.
Рассмотрим
задачу: в условиях схемы Бернулли
необходимо определить вероятность
того, что при проведении
независимых испытаний, в
испытаниях наступит событие
,
если вероятность его наступления в
каждом испытании равна
.
Определим
вначале вероятность того, что в первых
испытаниях событие
наступит, а в остальных
испытаниях не наступит. Вероятность
такого события можно получить по формуле
вероятности произведения независимых
событий
,
где
.
Это
лишь одна из возможных комбинаций, когда
событие
произошло только в первых
испытаниях. Для определения искомой
вероятности нужно перебрать все возможные
комбинации. Их число равно числу сочетаний
из
элементов по
,
т.е.
.
Таким образом, вероятность того, что событие наступит в любых испытаниях, определяется по формуле Бернулли:
.
Наивероятнейшее число наступления событий в схеме Бернулли
Число наступлений события называется наивероятнейшим, если оно имеет наибольшую вероятность по сравнению с вероятностями наступления любое другое количество раз.
Теорема.
Наивероятнейшее число наступлений
события
в
независимых испытаниях заключено между
числами
и
.
Доказательство.
По формуле Бернулли при
:
.
Следовательно,
вероятность
будет больше, меньше или равна вероятности
в зависимости от того, какое из трех
соотношений будет выполняться:
|
|
|
Если переписать эти соотношения в более простом виде:
|
|
|
То приходим к выводу, что:
,
если
;
,
если
;
,
если
.
Следовательно,
вероятность
при
возрастает, а при
– убывает. В случае, когда
не является целым числом, для
наивероятнейшего числа наступлений
события
(обозначим его
)
должно выполняться неравенство
,
что возможно при
,
т.е. при
.
В то же время, должно выполняться
неравенство
,
что возможно при
,
т.е. при
.
Таким образом,
.
Заметим,
что разность между
и
равна единице, значит, в большинстве
случаев число
единственно. Если
– целое число, то наивероятнейших чисел
два:
и
.
В этом случае, поскольку
,
то,
а
.