
- •2. Определение вероятности и ее свойства.
- •21. Плотность рапсределения двумерной с.В.
- •22. Зависимость и независимость двух с.В.
- •23.Условные законы распределения двух с.В.
- •24. Цели и задачи мат.Статистики.
- •25. Основы выборочного метода.
- •26. Вариационный и статистический ряды.
- •27. Графическое изображение стат.Распределения.
- •29. Оценка неиз-ных пар-ров; св-ва стат.Оценок.
- •30. Точечные оценки мат.Ожидания и дисперсии.
1. Случайные события, и действия над ними. Событием называется любой факт, который в результате опыта может произойти или не произойти. Примеры случайных событий: выпадение шестерки при подбрасывании игральной кости, отказ технического устройства, искажение сообщения при передаче его по каналу связи. С событиями связываются некоторые числа, характеризующие степень объективной возможности появления этих событий, называемые вероятностями событий.
Достоверным называется событие, которое происходит в каждом опыте.
Невозможным называется событие, которое в результате опыта произойти не может.
Несовместными называются события, которые в одном опыте не могут произойти одновременно.Суммой (объединением) двух событий A и B (обозначается A+B, AÈB) называется такое событие, которое заключается в том, что происходит хотя бы одно из событий, т.е. A или B, или оба одновременно.Произведением (пересечением) двух событий A и B (обозначается A×B, AÇB) называется такое событие, которое заключается в том, что происходят оба события A и B вместе.Противоположным к событию A называется такое событие, которое заключается в том, что событие A не происходит.
События Ak (k=1, 2, ..., n) образуют полную группу, если они попарно несовместны и в сумме образуют достоверное событие. Действия над ними: А+В называется событие С, состоящее в наступлении хотя бы одного из них вместе. АхВ наз-ся событие С, состоящая в совместном наступлении событий. А-В = С, происходит событие А, но не происходит событие В. Противоположным к событию A называется такое событие, которое заключается в том, что событие A не происходит.
При преобразовании выражений можно пользоваться следующими тождествами:
2. Определение вероятности и ее свойства.
Классическое определение вероятности: вероятность события определяется по формуле
,
где n - число всех событий;
m - число благоприятных событий.
С в о й с т в а: 1. Вероятность достоверного события равна единице.Действительно, если событие достоверно, то каждый элементарный исход испытания благоприятствует событию. В этом случае m = n, следовательно,Р (A) = m / n = n / n = 1. 2. Вероятность невозможного события равна нулю. Действительно, если событие невозможно, то ни один из элементарных исходов испытания не благоприятствует событию. В этом случае m = 0, следовательно, Р (А) = m / n = 0 / n = 0. 3. Вероятность случайного события есть положительное число, заключенное между нулем и единицей. Действительно, случайному событию благоприятствует лишь часть из общего числа элементарных исходов испытания. В этом случае 0 < m < n, значит, 0 < m / n < 1, следовательно,
0 < Р (А) < 1. Итак, вероятность любого события удовлетворяет двойному неравенству
0 <= Р (A) < 1.
3.
Элементы комбинаторики. Комбинаторика
– раздел математики, изучающая задачи
выбора элементов из определенного
множества и распред-е их по группам по
заданным правилам. Рассмотрим некоторое
множество Х, состоящее из n
элементов
.
Будем выбирать из этого множества
различные упорядоченные подмножества
из
k элементов.Размещением из n
элементов множества Х по k
элементам назовем любой упорядоченный
набор
элементов
множества Х.Если выбор элементов
множества
из
Х происходит с возвращением, т.е.
каждый элемент множества Х может
быть выбран несколько раз, то число
размещений из n по k находится
по формуле
(размещения
с повторениями).Если же выбор делается
без возвращения, т.е. каждый элемент
множества Х можно выбирать только
один раз, то количество размещений из
n по k обозначается
и
определяется равенством
(размещения
без повторений).Частный случай
размещения при n=k называется
перестановкой из n элементов.
Число всех перестановок из n элементов
равно
.
Пусть теперь из множества Х выбирается
неупорядоченное подмножество
(порядок
элементов в подмножестве не имеет
значения). Сочетаниями из n
элементов по k называются подмножества
из k элементов, отличающиеся друг
от друга хотя бы одним элементом. Общее
число всех сочетаний из n по k
обозначается
и
равно
.Справедливы
равенства:
,
,
.1.
Правило умножения. Если объект Х можно
выбрать из совокупности объектов n1
способами и после каждого такого выбора
объект У можно выбрать n2 способами, то
пара объектов (Х, У) в указанном порядке
может быть выбрана m*n способами. 2. Правило
суммы: Если некоторый объект Х может
быть выбран из совокупности объектов
n1 способами, а другой
объект У может быть выбран n2 способами,
то выбрать либо А, либо В можно m + n
способами.
4. Условная вер-ть. Предположим, что из общего числа n исходов исп-я событию А благоприятствуют m элементарных исходов, событию B благоп. к элемен-х исходов, а одновременному наступлению событий А и В благоприп. l элем. исходов. Если событие В наст.,это означает что один из к благоприпт. исходов, причем этих к способов благоприя. событию А те же l исходов, при которых Аи В наступит одновременно. Отсюда следует, что вер-ть Р (А/В) или Рв (А) собития А при условии, что наступило событие В . Р( А/В) = (l/n) / (k/n) = P (AB) / P ( B). При статест. определении вер-ти равенство P (AB) / P ( B) принимается за определение условий вер-ти, при условии Р(В) не равное 0. Т.о. условной вер-тью Р (А/В) наз-ся вер-ть события вычисленную а предположеии, что собитие В наступило. Условной вер-тью Р (В/А) вер-ть события в предположении,что А наступило. Одним из основных понятий ТВ, является понятие независимости событий: 2 события наз-ся незави-ми, если вер-ть одного из них не зависит от наступления или ненаступления другого события. Понятие назав-ти вводится любого числа n больше 2х событий. Собития а1, а2…аn наз-ся независимыми в соотв-ии если каждое из этих чисел собитий независимо в паре с любыми произведениям остальных событий.
5. Вероятности произведения и суммы событий. Тео-а сложения вер-ти. События состоящие в том,что наступило хотя бы одно из событий А или В, или оба эти события, наз-ся суммой 2х соб-й, и обозначаются символом А+В, в том случаи если события А и В - несовместимые, то сума А+В - это событие состоящее появлении одного из этих событий. Теорема: вер-ть наступления одного из 2х несов-х событий равна сумме вер-ти этих событий. Р (А+В) = Р(А) +Р(В). Следствие: вер-ть наступления одного или неск-х попарно не совместных событий равна сумме вер-ти этих событий: Р (А1+А2+..+Аn)= Р(А1)+Р(А2)..+Р(Аn). Полная группа событий это сов-ть единственно возможных событий, испытаний. Теорема: Вер-ть хотя бы одного из 2х совместных событий за вычитом вер-ти их одновременного наступления. Р(АВ) = Р(А) + Р(В) – Р(АВ). Теорема умножения: Произведением 2х событий А и В наз-ся событие АхВ или АВ, состоящая в одновременном наступлении события А и В. Теорма: Ве-ть одновременно 2х событий равна Р(АхВ) = Р(А) х Р(В). Следствие: вер-ть появления одновременно нес-х соб-й попарно независимых равна Р (А1 х А2…Аn) = Р ( А1) х …Р(Аn). Теорема: вер-ть появления хотя бы одного из события А1, А2, Аn, независимых в сов-ти равна разности между 1 и произведением вероятности противоп-х событий. Р(А) = 1- q1 * q2* …* qn. Теорема вер-ти зависимых событий: Вер-ть одновременного появления 2х независимых событий равна произведению вер-ти одного их них на условную вер-ть другого, расчитаную пр и условии, что 1 соб. уже наступило: Р(АВ) = Р(А) * Р(В/А)
6. Полная ве-ть. Пусть имеется группа событий В1, В2…Вn, обладающая св-вами: 1) все события по парно не совместны. 2) Их объедениеи образут про-ство элементр. исходов Q= В1 U B2… События В1,..,Вn образует полную группу событий, такие события так же называ-ся гипотезами, поскольку за ранее неизвестно, какой и этих событий наступит. Пусть А – некторое событие, которое может произойти при наступлении одного и только одно из событий В1..Вn? это означает, что А= А х В1 + А х В2 + А х Bn. Теорема: Ве-ть события А,которое может наступить лишь при условии появления одно из несовм. событий В1, В2, Вn, образующих полную группу, равна сумме произведения вер-ти, каждого из этих событий на соот. услов. вер-ти собития А формулой полной вер-ти. P (A)=Р (В1)хР(А/В1) + Р (В2) х Р(А/В2)..+Р(Вn/Аn)
7. Фор-а Байеса. Пусть имеется событие А, которое может произойти одно и только одно событие В1, …Вn из некоторой полной группы по парнонесовмест. Событий. Необходимо найти вероятность событие Bi , при условии что событие А уже наступило. По т. умнож-я Р ( Bi*A) - ( Bi/A)= Р ( Bi) * (A/Bi) , отсюда следует что Р(Bi/A) =[ Р ( Bi) * P(A/Bi) ] / Σ P (Bj) * P(A/BJ) где, j = 1,2,…, n
8. Неза-е испыт-я. Формула Бернулли. Опыт наз-ся независимым, если их исход независим. После-ть к независимых испытаний, в которых может произойти событие А . Р(А)=р или противоположно событию Ā ;Р(Ā) = 1-р=q ; Р(А) + Р(Ā.) = 1.
Если
имеется большое кол-во испытании, и Р
(Ā) = 1-р=q это схема Бернулли.
Р (Ā, Ā1, А) = (1-р)(1-р)р = q2р.
Формула Бернулли. Пусть есть n
неза-х испыт-й, в которых собитые А
наступает m раз. Вер-ть
событий записывается:
9. Предельные теоремы в схеме Бернулли. Теорема Пуассона. Если число испытаний увел.
(n
→∞) и вер-ть р события А, в каждом
испытании стремится к 0 (р→0), причем np=
const, то вер-ть будет
Локальная и интегральная теоремы. Если вер-ть наступления события постоянно р= const и отлична от 0, а число неза-х испытаний достаточно велико, то вер-ть приближенно
,где:
,
--
кривая Гаусса.
Интегральная: если вер-ть р в наступлении события А в каждом испытании постоянна и отлична от 0 и 1, то вер-ть наступления n, вычисляется по формуле приближенно вычисляется формулой:
,
где
-
функция Лапласа,
,
/
Теорема Пуассона
х |
х1 |
х2 |
р |
р1 |
р2 |
11. Функция распределения и ее св-ва. Наиболее общей формой закона распр, пригодной для всех случ-х величин (как дискретных, так и недискретных) явл-ся функция распр.Ф р случайной величины X наз-ся вер-ть того, что она примет знач-е меньшее, чем аргумент ф-ции x: F(x)=P{X<x}.Геометрически ф р интерпретируется как вер-ть того, что случ-я точка X попадет левее заданной точки X. Из геометрической интерпретации наглядно можно вывести осн-е св-ва ф р: 1. F(x) – неубывающая функция своего аргумента, т.е. при x1 < x2; 2.F(-∞)=0; 3.F(+∞)=1; 4. P(α <X < β) = F(β) - F(α) – вер-ть того, что случ величина Х в рез-те опыта попадет на участок от α до β (вкл α) равна приращению ф р на этом участке.
12.
Плотность распределения и ее св-ва.
Плотностью
распр (или плотностью вероятности)
непрерывной случайной величины X в
точке x наз-ся производная ее ф-ции
распр-я в этой точке и обозначается f(x):
f(x) = F’(x).
График
плотности распр наз-ся кривой распр.
Пусть имеется точка x и
прилегающий к ней отрезок dx.
Вер-ть попадания с в X на
этот интервал равна f(x)dx.
Эта величина наз-ся элементом вер-ти.
Св-ва пл р: 1.Пл р неотрицательна – f(x)≥0
; 2. P(a<x≤b)=
- вер-ть попадания с в X на произвольный
уч-к (a, b] равна сумме элементарных
вер-тей на этом уч-ке; 3.F(x)=
– выражение ф-ции распр F(x) с в X через
ее плотность; 4.Условие нормировки:
.
13.Числовые
хар-ки с в (мат ожид-е, дисперсия, мода,
медиана).
Числовыми харак-ми с в наз-ся отдельные
числ-е параметры, хар-щие отдельные
черты распр. Мат ожид-е (Мо) харак-т ср
взвешенное знач-е с в. Для вычисл-я м о
для ДСВ каждое знач-е xi учитывается
с «весом», пропорциональным вер-ти этого
знач-я: M(x)
=
.
Для НСВ заменим отд-е знач-я
xi непрерывно
измен-ся параметром
x,
соответствующие вер-ти
-
элементом вер-ти ,
а конечную сумму – интегралом:
M(x)=
. Св-ва м о: 1.
М о неслучайной величины с равно
самой величине с:
M(c)
= c;
М о(const)=const;
2.постоянный множ-ль выносится: М(сХ)=сМ(Х);
М(Х+с)=М(х)+с; 3.М(х+у)=М(х)+М(у); 4.М(ху)=М(х)М(у).
Дисперсия(рассеянная)с в х – м о квадрата
соответствующей центрированной с в Она
хар-т степень разброса знач-й с в
относительно ее м о, т.е. ширину диапазона
знач-й. Dx=
-
для дсв; Dx=M
-
;
Dx=
- для нсв. Св-ва: 1.D(c)=0;
2.D(cx)=
D(x);
3.D(x+y)=Dx+Dy;
4.D(x+c)=Dx.
D(xy)=M
M
-
;
ср квадратич отклонение с в Х:
.
Мода дискретной случайной величины
Mo(X) - это знач-е с в, имеющее наибольшую
вер-ть. На многоугольнике распр мода -
это абсцисса самой высокой точки. Бывает,
что распр имеет не 1-у моду. Для нсв –
это точка max(локального).
Медиана(Ме) – такое знач-е с в Х, для
которого верно данное равенство:
Р{x<
}=P{x>
}=
.
Для дсв медиана обычно не опред-ся.
x=m |
0 |
1 |
2 |
m |
n |
|
|
|
|
|
|

(0≤p≤1),
q=1-p.
∑
.
Числовые хар-ки: Мх=np;
Dx=npq.
F(x)=
15.Распр
Пуассона дсв. ДСВ
имеет это расп, если ее возможное знач-е
0; 1; 2;…;m;..,
а соотв вер-ти:
,
n
;
np=a{0<a<∞},
m=0;1…Числ
хар-ки: Mx=Dx=a.
Закон Пуассона зависит от одного пар-ра
α, смысл которого заключ-ся в сл: он
явл-ся одновременно и мат ожид-м и
дисперсией с в Х.
Отличительная особ-ть распр – исп-ся
на прак-ке, что Mх≈Dх.
x=m |
0 |
1 |
2 |
m |
Pm |
p |
qp |
q2p |
qmp |

Числ харак-ки: Mx=1/p; Dx=q/p2.
17.Равномерный
закон распр непрерывной с в. НСВ Х равномерно
распр-на в интервале [а;
в],
если ее плотность вер-ти в этом интервале
постоянна, т.е. если все знач-я в этом
интервале равновероятны: f(x)=
Интегральная ф-ция вер-ти:
.
Ф-ция распр:
.
Числ хар-ки: Mx=(b+a)/2;
Dx=(b-a)2/12.
Равномерное
распр с в полностью опред-ся 2-мя
параметрами: a и b –
интервалом, на котором определена с в.
18.Показательный(экспоненциальный)
закон распр нсв. НСВ
Х, принимающая только положительные
знач-я имеет показательное (или
экспоненциальное) распр, если
.
Положительная
величина l наз-ся параметром показательного
распр и полностью определяет его. Ф-цию
распр с в:
.
Числ хар-ки:
;
;
.
Показательное
распределение тесно связано с простейшим
(стационарным пуассоновским) потоком
событий.
19.Норм
закон распр нсв. НСВ Х имеет
норм распр, если ее плотность вер-ти
имеет вид: f(x)=
.
Числ харак-ки: мат ожид-е: применяя замену
переменной: t=(x-m)/(σ
),
получим: Mx=
.
В полученном выраж-и 1-й интеграл равен
нулю (интеграл в симметричных пределах
от нечетной ф-ции), а 2-й есть интеграл
Эйлера-Пуассона, т о мат ож величины Х равно m:
Mx=m.
Применяя замену переменной, найдем
диспер: Dx=
;
интегрируем по частям: Первое слагаемое
в фигурных скобках равно нулю (т.к.
при
t→∞ убывает быстрее, чем возрастает
любая степень t), второе слагаемое
равно
,
откуда: Dx=σ2.
Т о, норм распр с в полностью описывается
2-мя числовыми харак-ми: мат ожид M[X]
и ср квадратичным отклонением σ.
Ф-ция Лапласа обладает сл св-ми: 1.Φ(0)=0;
2.Φ(-х)=-Φ(х);
3.Φ(-∞)=0,5. Ф-ция распр норм распределенной
с в через ф-цию Лапласа выражается так:
F(x)=0,5+Ф((x-m)/σ).
Нормально распр с в возникает в тех
случаях, когда складывается много
независимых (или слабо зависимых) с в
Х1,
Х2,
…, Xn.
Тогда, каковы бы не были законы распр
отд-х с в Xi,
закон распр их суммы будет близок к норм
распр.
20.Двумерная
с в и ее ф-ция распр-я. Если
на пространстве событий
=
{
}
заданы 2-е случайные ф-ции X =
(W)
и Y =
(W),
то говорят, что задана двумерная с
в (X, Y).
Интегральной ф-цией распр двумерной с
в (X, Y)
наз-ся вер-ть совместного выполнения
2-х неравенств: X<x
и Y<y:
F(x,y)=P{X<x,
Y<y}
и геометрически опред-т вер-ть попадания
случайной точки (Х,У)
в бесконечный квадрат с вершиной в точке
(х, у),
лежащей левее и ниже ее. Закон распр
дискретной двумерной с.в. (Х,У)
может быть задан с помощью таблицы:
X/Y |
y1 |
y2 |
… |
ym |
… |
x1 |
p11 |
p12 |
… |
p1m |
… |
x2 |
p21 |
p22 |
… |
p2m |
… |
… |
… |
… |
… |
… |
… |
xn |
pn1 |
pn2 |
… |
pnm |
… |
… |
… |
… |
… |
… |
… |

Для
двумерной с.в. (Х, У)
дискретного и непрерывного типов,
интегральные ф-ции распр соответственно
равны: F(x,y)=
; F(x,y)=
,
где f(x,y)
– плотность вер-ти величины (Х,У). Св-ва
ф-ции плотности вер-ти: 1.f(x,y)≥0;
2.
;
3.f(x,y)=F”xy(x,y);
4.P{(X,Y)
D}=
.