- •Содержание
- •Пояснительная записка
- •Как самостоятельно изучить теоретический материал
- •2. Как решать задачи.
- •3. Как выполнить расчетно-графическую работу
- •Задания для самостоятельной работы
- •Раздел 1. Элементы комбинаторики
- •Тема 1.1. Основные понятия комбинаторики. Задание 1. Расчет количества выборок заданного типа в заданных условиях. – 3 ч.
- •Раздел 2. Основы теории вероятностей
- •Тема 2.1. Случайные события. Понятие вероятности события. Задание 2. Изучение материала лекций по теме«Виды событий, алгебра событий».–1 ч.
- •Раздел 2. Основы теории вероятностей
- •Тема 2.1. Случайные события. Понятие вероятности события.
- •Раздел 2. Основы теории вероятностей
- •Тема 2.2. Вероятности сложных событий. Задание 4. Вычисление вероятностей сложных событий с помощью теорем сложения и умножения вероятностей.– 2 ч.
- •Искомая вероятность
- •Раздел 2. Основы теории вероятностей
- •Тема 2.2. Вероятности сложных событий. Задание 5. Формула полной вероятности. Формула Байеса – 2 ч.
- •Ответ: вероятнее всего студент принадлежит второй группе.
- •Раздел 2. Основы теории вероятностей
- •Тема 2.5. Схема Бернулли.
- •Решение.
- •Раздел 2. Основы теории вероятностей
- •Тема 2.5. Схема Бернулли.
- •Решение.
- •Раздел 3. Дискретные случайные величины
- •Тема 3.1. Закон распределения дискретной случайной величины. Интегральная функция распределения.
- •Раздел 3. Дискретные случайные величины
- •Тема 3.2. Нахождение числовых характеристик дсв. Задание 9. Нахождение числовых характеристик распределения дсв – 2 ч.
- •Раздел 3. Дискретные случайные величины
- •Тема 3.3. Законы распределения дсв. Задание 10. Запись распределения и вычисление характеристик для биномиальной и геометрической дсв. – 2 ч.
- •1. Биномиальное распределение.
- •Раздел 4. Непрерывные случайные величины
- •Тема 4.1. Нсв: функции распределения. Задание 11. Решение задач на геометрическое определение вероятностей – 1 ч.
- •Раздел 4. Непрерывные случайные величины
- •Тема 4.1. Нсв: функции распределения. Задание 12. Вычисление вероятностей, запись функции плотности и интегральной функции распределения нсв. – 2 ч.
- •Раздел 4. Непрерывные случайные величины
- •Тема 4.2. Числовые характеристики нсв
- •Раздел 4. Непрерывные случайные величины
- •Тема 4.3. Законы распределения нсв. Задание 14. Нахождение числовых характеристик для равномерно, показательно и нормально распределенной нсв. – 2 ч.
- •Раздел 4. Непрерывные случайные величины
- •Тема 4.3. Законы распределения нсв. Задание 15. Построение кривой Гаусса. – 2 ч.
- •Раздел 5. Основы математической статистики.
- •Тема 5.1. Выборочный метод. Задание 16. Сбор и обработка статистических данных. – 4 ч.
- •Ч исловые характеристики вариационного ряда
- •Раздел 5. Основы математической статистики.
- •Тема 5.2. Статистические оценки параметров распределения. Задание 17. Интервальная оценка математического ожидания нормального распределения и вероятности события – 2 ч.
- •2. Нахождение интервальной оценки вероятности события
- •Раздел 5. Основы математической статистики.
- •Тема 5.3. Статистическая проверка статистических гипотез. Задание 18. Проверка гипотезы о нормальном распределении.– 2 ч.
- •Критерии оценки выполнения самостоятельной
- •Список рекомендуемой литературы Основные источники:
- •Дополнительные источники:
- •Интернет-ресурсы:
- •Приложение 1
- •Приложение 2
2. Нахождение интервальной оценки вероятности события
Пусть
р =
–
частота события, рассчитанная по данным,
полученным в ходе эксперимента, тогда
искомое значение вероятности Р(А)
с доверительной вероятностью α будет
принадлежать промежутку (р-δ; р+δ),
где
δ
– точность оценки, находится по
формуле:
,
п – объем выборки,
t – аргумент функции Лапласа, при котором , находится по таблице (приложение 2).
Пример 2. Из 300 случайным образом отобранных приборов 30 работают с перебоями. Найдите интервальную оценку вероятности события А – выбрать прибор с дефектом - с надежностью 0,95.
Решение. По условию = 0,95, п = 300, т = 30.
Тогда р = , р = 30/300 = 0,1.
По схеме нахождения интервальной оценки вероятности события
/2 = 0,9/2 = 0,45. По таблице значений функции Лапласа находим t=1,65.
Вычислим
δ по формуле:
.
.
Получаем
доверительный интервал
:
0.1 – 0,029 <Р(А)< 0.1 + 0,029
0.071 <Р(А)< 0.129.
Полученный результат означает, что с надежностью 0,9 неизвестная вероятность появления прибора с дефектом принадлежит интервалу (0.071; 0.129).
Список литературы:
1.Спирина М.С. Теория вероятностей и математическая статистика: учебник для студ. учредж. СПО / М.С. Спирина, П.А. Спирин. - М: Изд. центр «Академия», 2012.-Глава 3, п.3.5., стр.204.
2. Калинина В.Н., Панкин В.Ф. Математическая статистика: учебник для ССУЗов / В.Н. Калинина, В.Ф.Панкин - М: Высш.шк., 2001. – Глава 9, §9.6 – 9.8, стр. 188.
Раздел 5. Основы математической статистики.
Тема 5.3. Статистическая проверка статистических гипотез. Задание 18. Проверка гипотезы о нормальном распределении.– 2 ч.
Задание для самостоятельной внеаудиторной работы:
1. Повторите алгоритм проверки гипотезы о нормальном распределении критерием согласия Пирсона.
2. Пользуясь критерием согласия Пирсона при уровне значимости 0,005, проверить гипотезу о нормальном распределении генеральной совокупности, если известны эмпирические и теоретические частоты:
Эмп. частоты |
14 |
18 |
32 |
70 |
20 |
36 |
10 |
Теор. частоты |
10 |
24 |
34 |
80 |
18 |
22 |
12 |
Методические указания по выполнению работы:
Проверка гипотезы о предполагаемом законе неизвестного распределения производится при помощи специально подобранной случайной величины – критерия согласия.
Критерием согласия называют критерий проверки гипотезы о предполагаемом законе неизвестного распределения.
Ограничимся описанием применения критерия Пирсона и проверки гипотезы о нормальном распределении генеральной совокупности. С этой же целью будем сравнивать эмпирические (наблюдаемые) и теоретические частоты (вычисленные в предположении нормального распределения).
Обычно эмпирические и теоретические частоты различаются. Случайно ли расхождение частот? Возможно, что расхождение случайно и объясняется малым числом наблюдений либо способом их группировки, либо другими причинами. Возможно, что расхождение частот неслучайно (значимо) и объясняется тем, что теоретические частоты вычислены исходя из неверной гипотезы о нормальном распределении генеральной совокупности.
Критерий Пирсона отвечает на поставленный выше вопрос. Правда, как и любой критерий, он не доказывает справедливость гипотезы, а лишь устанавливает на принятом уровне значимости ее согласие или несогласие с данным наблюдением.
Пусть по выборке объемаn получено эмпирическое распределение:
варианты,
|
|
|
… |
|
эмп.частоты,
|
|
|
… |
|
теор.частоты,
|
|
|
… |
|
Допустим, что в предположении нормального распределения генеральной совокупности вычислены теоретические частоты . При уровне значимости требуется проверить нулевую гипотезу о нормальном распределении генеральной совокупности.
В качестве критерия проверки нулевой гипотезы примем случайную величину
.
Эта величина случайная, так как в различных опытах она принимает различные, заранее неизвестные значения. Ясно, что чем меньше различаются эмпирические и теоретические частоты, тем меньше величина критерия и, следовательно, он в известной степени характеризует близость эмпирического и теоретического распределения.
Число степеней свободы находят по равенству k=s-1-r, где s – число групп (частичных интервалов) выборки; r – число параметров предполагаемого распределения, которые оценены по данным выборки.
В частности, если предполагаемое распределение нормальное, то оценивают два параметра (математическое ожидание и среднее квадратичное отклонение). Поэтому r =2 и число степеней свободы k=s-1-r =s-1-2=s-3.
Алгоритм применения критерия Пирсона.
1. Определяют теоретические частоты , соответствующие опытным частотам. Если среди опытных частот имеются малочисленные, то их необходимо объединить с соседними.
2. По формуле вычисляют величину .
3. Определяем число степеней свободы k= l-3, где l – число интервалов после объединения.
4.
Находят уровень значимости
,
где
– доверительная вероятность.
5.По
таблице при заданных
и
находят значение
,
которое является критической точкой.
6.
Если
,
нет оснований отвергнуть нулевую
гипотезу.
Если
, нулевую гипотезу отвергают.
Пример 1.
При уровне значимости 0,05 проверить гипотезу о нормальном распределении генеральной совокупности, если известны эмпирические и теоретические частоты:
Эмп. частоты |
6 |
13 |
38 |
74 |
106 |
85 |
30 |
14 |
Теор. частоты |
3 |
14 |
42 |
82 |
99 |
76 |
37 |
13 |
Рассчитаем
,
для чего составим расчетную таблицу
|
|
|
|
|
|
1 |
6 |
3 |
3 |
9 |
3 |
2 |
13 |
14 |
-1 |
1 |
0.07 |
3 |
38 |
42 |
-4 |
16 |
0.38 |
4 |
74 |
82 |
-8 |
64 |
0.78 |
5 |
106 |
99 |
7 |
49 |
0.49 |
6 |
85 |
76 |
9 |
81 |
1.07 |
7 |
30 |
37 |
-7 |
49 |
1.32 |
8 |
14 |
13 |
1 |
1 |
0.08 |
|
366 |
366 |
|
|
7.19 |
Число
степеней свободы определим по соотношению
k=8–3=5 (в нашем случае s=8). По таблице
критических значений при заданных
и
находим значение
.
Так как , то нет оснований отвергать нулевую гипотезу. Расхождение эмпирических и теоретических частот незначимое. Данные наблюдений согласуются с гипотезой о нормальном распределении генеральной совокупности.
Список литературы:
1.Спирина М.С. Теория вероятностей и математическая статистика: учебник для студ. учредж. СПО / М.С. Спирина, П.А. Спирин. - М: Изд. центр «Академия», 2012.-Глава 3, п.3.6., стр.221.
