
- •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
§1. Закони розподілу дискретних випадкових величин
Задають дискретні випадкові величини за допомогою закону розподілу, коли задаються ймовірності їх можливих випадкових значень (див. §1). Залежно від того, за якою формулою будуть обчислюватися ймовірності Рі, ці закони будуть мати свою назву.
Біноміальний розподіл – це закон розподілу випадкових величин, заданий таблицею, у якій ймовірності Рі обчислюються за формулою Бернуллі:
(див.
лк.23 §1).
Х |
0 |
1 |
… |
і |
… |
n |
р |
qn |
C1np qn-1 |
… |
C1npi qn-1 |
… |
pn |
п
де p, n, q = 1-p, називаються араметрами розподілу.
Математичне сподівання і дисперсія випадкової величини, що має біноміальний розподіл відповідно рівні:
.
Приклад 1. Митний пост дає статистичну оцінку того, що 20% усіх осіб, що повертаються з-за кордону, не декларують весь товар, який підлягає оподаткуванню. Якщо випадково відібрати 5 осіб, то записати закон розподілу випадкової величини Х – кількість осіб, що не декларують весь товар, привезений з-за кордону та знайти математичне сподівання і середнє квадратичне відхилення.
Рішення. В даному випадку р=0,2; q=0,8; n=5.
Тоді
Х |
0 |
1 |
2 |
3 |
4 |
5 |
Р |
0,32768 |
0,4096 |
0,2048 |
0,0512 |
0,0064 |
0,0032 |
Пуассонівський
закон розподілу
– це закон розподілу випадкової величини,
заданий таблицею, у якій ймовірність
обчислюється за формулою Пуассона
(див. лк.23, §3).
Х |
0 |
1 |
… |
і |
… |
n |
Р |
е- |
е- |
… |
|
… |
|
де n, =n p.
Типовими прикладами випадкової величини, що має розподіл Пуассона, є: число викликів на АТС за деякий час t; число відновлень складної апаратури за час t, якщо відомо, що відновлення незалежні один від одного і в середньому на одиницю часу випадає відновлень і т.п.
Розподіл Пуассона залежить від одного параметру , який є математичним сподіванням випадкової величини Х:
.
Дисперсія буде:
звідси:
.
Приклад 2. Завод відправив споживачу 5000 якісних виробів. Ймовірність пошкодження виробу в дорозі рівна 0,0002. Записати закон розподілу чотирьох пошкоджених виробів та зобразити його графічно.
Рішення. З умови: =np=5000 0,0002=1 тому
P4(0)=0,36788,
P4(1)=0,36788, P4(2)=0,0,18394, P4(3)=0,06131, P4(4)=0,01533.
Х |
0 |
1 |
2 |
3 |
4 |
Р |
0,36788 |
0,36788 |
0,18394 |
0,06131 |
0,01533 |
Геометричний закон розподілу
Нехай проводяться незалежні випробування, в кожному з яких ймовірність появи події А рівна р (0 < p < 1), а не появи q = 1- p. Випробування закінчуються, як тільки відбувається подія А. Таким чином, якщо подія А відбулась в k-му випробуванні, то попередніх k-1 випробування Х є: х1=1, х2=2, …
Нехай в перших k-1 випробуваннях подія А не відбулася, а в k-му випробуванні з’явилась. Тоді ймовірність рівна
(6)
Покладаючи k=1,2, … у формулі (6), отримаємо геометричну прогресію з першим членом Р і знаменником q (0<q<1): p,qp,q2p, … qk-1p, … тому розподіл називається геометричним.
Приклад 3. Проводяться багаторазові випробування елементу на надійність до тих пір, поки він не відмовить в роботі. Ймовірність відмови елементу в кожному випробуванні рівна 0,1. Знайти числові характеристики випадкової величини Х – числа випробувань, які треба провести.
Рішення. По умові р = 0,1. Тому
.