- •Предисловие
- •Лист студента
- •Лист рецензии
- •Раздел 1. Теория вероятностей
- •Тема 1.1. События и вероятность
- •1.1.1. Элементы комбинаторики
- •1.1.2. События
- •1.1.3. Понятие вероятности
- •1. Статистическое определение вероятности.
- •2. Классическое определение вероятности.
- •1.1.4. Алгебра событий
- •1.1.5. Теорема сложения
- •1.1.6. Условные вероятности и теорема умножения
- •1.1.7. Формула полной вероятности. Формулы Байеса
- •Тема 1.2. Повторение испытаний (схема Бернулли)
- •1.2.1. Формула Бернулли
- •1.2.2. Формула Пуассона
- •1.2.3. Локальная формула Лапласа
- •1.2.4. Интегральная формула Лапласа
- •Тема 1.3. Случайные величины
- •1.3.1. Дискретные случайные величины
- •1.3.2. Непрерывные случайные величины
- •Тема 1.4. Законы распределения случайных величин
- •1.4.1. Биномиальное распределение
- •1.4.2. Геометрическое распределение
- •1.4.3. Распределение Пуассона
- •1.4.4. Равномерное распределение
- •1.4.5. Показательное (экспоненциальное) распределение
- •1.4.6. Нормальное распределение
- •Тема 1.5. Система двух случайных величин
- •1.5.1. Дискретные двумерные случайные величины
- •1.5.2. Функция распределения двумерной случайной величины
- •Основные свойства функции распределения:
- •1.5.3. Непрерывные двумерные случайные величины
- •Свойства плотности распределения:
- •1.5.4. Независимые и зависимые случайные величины. Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Тема 1.6. Закон больших чисел
- •1.6.1. Неравенства Маркова и Чебышева
- •1.6.2. Закон больших чисел
- •Теорема Чебышева
- •Закон больших чисел
- •1.6.3. Теорема Бернулли
- •Теорема Бернулли
- •1.6.4. Понятие о центральной предельной теореме
- •Центральная предельная теорема
- •Тема 1.7. Цепи Маркова
- •1.7.1. Понятие марковского случайного процесса
- •1.7.2. Цепи Маркова с дискретным временем
- •1.7.3. Цепи Маркова с непрерывным временем
- •Правила составления системы дифференциальных уравнений Колмогорова
- •Раздел 2. Математическая статистика
- •Тема 2.1. Вариационные ряды и их характеристики
- •2.1.1. Генеральная и выборочная совокупности
- •2.1.2. Вариационный ряд и его графические изображения
- •2.1.3. Числовые характеристики вариационных рядов
- •Тема 2.2. Оценка параметров генеральной совокупности
- •2.2.1. Точечные оценки параметров
- •2.2.2. Основные законы распределения статистических оценок
- •2.2.2.1. Распределение «хи-квадрат»
- •2.2.2.2. Распределение Стьюдента
- •2.2.2.3. Распределение Фишера-Снедекора
- •2.2.3. Интервальные оценки параметров
- •Тема 2.3. Проверка статистических гипотез
- •2.3.1. Основные понятия и определения
- •2.3.2. Проверка гипотезы о равенстве средних значений
- •2.3.3. Проверка гипотезы о равенстве генеральных дисперсий
- •2.3.4. Проверка гипотезы о распределении генеральной совокупности. Критерии согласия
- •Тема 2.4. Однофакторный дисперсионный анализ
- •2.4.1. Понятие о дисперсионном анализе
- •2.4.2. Факторная и остаточная дисперсии и их отыскание
- •2.4.3. Сравнение нескольких средних методом дисперсионного анализа
- •Тема 2.5. Корреляционно-регрессионный анализ
- •2.5.1. Формы представления исходных для анализа данных
- •2.5.2. Выборочный коэффициент корреляции
- •Свойства выборочного коэффициента корреляции
- •2.5.3. Выборочное корреляционное отношение
- •2.5.4. Линейная регрессия
- •2.5.5. Статистический анализ уравнения регрессии
- •Литература
1.1.2. События
Эксперимент, испытание, опыт, процесс – это возникновение или преднамеренное создание определенного комплекса условий S, результатом которого является тот или иной исход.
Событием называется исход испытания. Это понятие является основным в теории вероятностей. События принято обозначать заглавными латинскими буквами А, В, С и т.д.
Среди всех событий выделяют достоверное и невозможное события. Достоверным называется событие Ω, которое обязательно произойдет при выполнении данного комплекса условий S, т.е. в результате испытания. Невозможным называется событие Ø, которое заведомо не произойдет при выполнении данного комплекса условий S, т.е. в результате испытания.
ПРИМЕРЫ: Событиями являются: выпадение орла при бросании монеты, выигрыш по облигации или лотерейному билету, увеличение курса доллара в следующем месяце и т.д.
События называются равновозможными, если есть основания считать, что ни одно из них не является более возможным, чем другие.
Элементарными называются те из событий, которые невозможно разложить на составляющие их события. При этом любое событие можно составить из элементарных событий.
ПРИМЕР: При бросании игральной кости элементарными событиями являются выпадения чисел 1, 2, 3, 4, 5, 6. В этом же опыте событием является выпадение четного числа очков, которое может быть составлено из элементарных событий – выпадения 2, 4 и 6 очков.
1.1.3. Понятие вероятности
Представление о случайности событий связано с невозможностью предсказания исхода того или иного испытания. Однако, например, при многократном бросании монеты выясняется, что примерно в половине случаев выпадает герб. При исследовании большого количества результатов одинаковых испытаний обнаруживаются определенные закономерности, которые можно описать, используя понятие вероятности.
Под вероятностью события понимается некоторая числовая характеристика возможности наступления этого события в результате испытания. Существует несколько подходов к определению вероятности.
1. Статистическое определение вероятности.
Пусть при проведении n испытаний некоторое событие А появилось ровно m раз. Относительной частотой этого события называется отношение W(A) = m / n. Многочисленные эксперименты такого рода показывают, что при больших значениях n относительная частота изменяется мало и остается практически постоянной.
Статистической вероятностью события называется постоянная величина, вокруг которой колеблются значения относительной частоты при неограниченном возрастании числа испытаний.
ПРИМЕР: Английский ученый К. Пирсон произвел 23000 бросаний монеты. При этом герб появился 11512 раз. Следовательно, относительная частота появления герба равна 11512/23000 = 0,5005. Этот пример показывает, что за статистическую вероятность появления герба можно взять число 0,5.
2. Классическое определение вероятности.
Классической схемой, или схемой случаев, называется испытание, в котором число элементарных исходов конечно и все они являются равновозможными.
Элементарный исход (событие) называется благоприятствующим событию А, если его появления влечет за собой наступление события А.
Классической вероятностью события А называется отношение числа m элементарных исходов, благоприятствующих событию А, к числу n всех элементарных равновозможных исходов испытания.
Из этого определения следует, что вероятность достоверного события Р(Ω) = 1, вероятность невозможного события Р(Ø) = 0, а вероятность любого случайного события А заключена в пределах: 0 ≤ Р(А) ≤ 1.
ПРИМЕР: При бросании игральной кости число всех возможных исходов n = 6 и все они являются равновозможными. Пусть событие А состоит в том, что в результате испытания (бросания) появится четное число очков. Тогда для этого события благоприятствующими будут исходы, состоящие в выпадении 2, 4 и 6 очков. Их количество m = 3. Поэтому вероятность события А будет равна P(A) = m / n = 3 / 6 = 1 / 2.
