- •Математическая статистика для психологов
- •Предмет и содержание курса, взаимосвязь курса со смежными дисциплинами, его значимость для профессиональной подготовки выпускников
- •Стохастичность и вероятность Стохастический характер реальности
- •Современное философское понимание вероятности
- •Роль математики в развитии понятия о вероятности
- •Вероятность как мера случайности
- •Предмет теории вероятностей
- •Определения понятия вероятности
- •Случайные события
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Статистическое определение вероятности
- •Субъективная вероятность
- •Алгебра случайных событий
- •Аксиомы алгебры случайных событий
- •Отношения между случайными событиями
- •Простейшие свойства вероятности, помогающие их вычислять
- •Условная вероятность, независимые события и формула умножения вероятностей
- •Формула сложения вероятностей
- •Случайные величины Понятие функции в математике
- •Понятие случайной величины
- •Типы случайных величин
- •Закон распределения случайной величины
- •Ряд распределения дискретной случайной величины
- •Функция распределения случайной величины и её свойства
- •Плотность распределения вероятностей случайной величины
- •Математическое ожидание случайной величины и его свойства
- •Математическое ожидание дискретной случайной величины с конечным числом значений
- •Математическое ожидание дискретной случайной величины с бесконечным числом значений
- •Математическое ожидание непрерывной случайной величины
- •Свойства математического ожидания
- •Дисперсия случайной величины и его свойства
- •Свойства дисперсии
- •Другие характеристики центральных тенденций и изменчивости распределений случайных величин
- •Медиана
- •Квантили
- •Характеристики формы распределения случайной величины Понятие моментов случайной величины и z-оценки
- •Коэффициент асимметрии случайной величины
- •Эксцесс случайной величины
- •Совместные распределения случайных величин
- •Ряд распределения двумерной дискретной случайной величины
- •Плотность распределения для двумерной непрерывной случайной величины
- •Зависимые и независимые случайные величины
- •Понятие ковариации двух случайных величин и его свойства
- •Коэффициент корреляции двух случайных величин и его свойства
- •Законы больших чисел
- •Сходимость по вероятности
- •Неравенства Чебышева
- •Теорема Бернулли
- •Центральная предельная теорема
- •Понятие нормального распределения
- •Стандартное нормальное распределение
- •Правило трёх сигм
- •Нормальное распределение в реальном мире
- •Функция Лапласа
- •Вероятность попадания значения нормальной случайной величины в заданный промежуток
- •Вероятность отклонения значения нормальной случайной величины от математического ожидания
- •Прикладная статистика в психологии Происхождение и история статистики
- •Современное понимание статистики
- •Общее представление о прикладной статистике
- •Основные разделы прикладной статистики
- •Прикладная статистика как способ проверки вероятностных моделей
- •Специфика использования прикладной статистики в психологии
- •Стандарты обработки данных, нормативы представления результатов анализа данных в научной психологии
- •Шкалы измерений, связи и зависимости Научное знание и задачи науки
- •Моделирование в науке
- •Признаки и переменные
- •Понятие измерения в современной науке
- •Мера, метрика, показатель
- •Шкалы измерений, типы данных и переменных
- •Графическое представление данных
- •Зависимые и независимые переменные. Связи и зависимости: причинная и функциональная.
- •Понятие анализа данных, его цели и задачи. Связь анализа данных со статистикой
- •Описательная статистика Понятие описательной статистики
- •Ряд распределения
- •Полигон частот. Выборочная функция распределения и гистограмма.
- •Средние характеристики и характеристики рассеяния рядов распределений
- •Аналитическая статистика Понятие аналитической статистики, её составляющие
- •Выборочный метод в прикладной статистике Выборка как модель генеральной совокупности. Цели и задачи выборочного метода.
- •Статистическое понимание случайной выборки
- •Основные этапы формирования выборки
- •Единица отбора выборки
- •Определение объема выборки
- •Типы выборки и методы отбора Многоступенчатая и одноступенчатая выборки
- •Случайные и неслучайные выборки
- •Выборки для психологических исследований
- •Эмпирическая функция распределения и её свойства
- •Статистические оценки параметров генеральной совокупности
- •Параметры генеральной совокупности и выборочные статистики
- •Понятие точечной оценки и её свойства
- •Выборочное среднее как статистическая оценка среднего в генеральной совокупности
- •Статистическая оценка генеральной дисперсии
- •Статистическая оценка вероятности или генеральной доли
- •Понятие интервальной оценки
- •Доверительный интервал и доверительная вероятность
- •Основные задачи интервального оценивания
- •Доверительный интервал для математического ожидания при известном стандартном квадратичном отклонении
- •Доверительный интервал для математического ожидания при неизвестном стандартном квадратичном отклонении
- •Доверительный интервал для генеральной доли
- •Проверка статистических гипотез Понятие статистической проверки гипотез, её цели, задачи и основные понятия
- •Статистический критерий для проверки статистической гипотезы
- •Критическая область критерия: односторонняя и двусторонняя
- •Основной принцип проверки статистической гипотезы
- •Этапы проверки статистических гипотез, минимальный уровень значимости
- •Проверка статистической гипотезы о среднем
- •Проверка статистической гипотезы о равенстве средних
- •Проверка статистической гипотезы о генеральной доле
- •Проверка статистической гипотезы о равенстве долей или вероятностей
- •Программное обеспечение прикладной статистики Информационные технологии расчётов в электронных таблицах (пример - Microsoft Excel)
- •Статистические функции и их использование в Microsoft Excel
- •Построение диаграмм и графиков в Microsoft Excel
- •Информационные технологии статистической обработки данных
Простейшие свойства вероятности, помогающие их вычислять
Свойство 1. Для вероятности любого события A выполняется неравенство: 0 ≤ P(A) ≤ 1.
Действительно, если NA есть число исходов опыта, приводящих к осуществлению события A, а N – общее число исходов, то 0 ≤ NA ≤ N. Поделив это неравенство на N, получим 0 ≤ P(A) ≤ 1, потому что P(A)= NA/N, а N/N=1.
Свойство
2. Вероятность невозможного события
равна нулю:
.
Невозможным
является неосуществимое событие, поэтому
для него число исходов
и, следовательно,
.
Обратное утверждение не всегда верно. Если P(A) = 0, то нельзя утверждать, что A является невозможным событием. Например, предположим, что на отрезок [0; 2] случайным образом ставится точка. Вероятность того, что точка попадёт в интервал [x, x + Δx), будет равна |Δx|/2. При Δx → 0 эта вероятность будет стремиться к нулю. Значит вероятность того, что точка будет иметь координату, совпадающую с x, равна нулю для любого значения x. Но в результате опыта точка будет иметь конкретную координату, т. е. произойдёт событие с нулевой вероятностью. Равенство P(A) = 0 при бесконечном числе исходов опыта нужно понимать в том смысле, что событие A имеет бесконечно малую вероятность и для его реализации опыт придётся повторять неограниченное число раз.
Свойство 3. Вероятность достоверного события равна единице, т.е. P(E) = 1.
Достоверным считается событие, которое обязательно произойдёт. Для достоверного события NE = N и, следовательно, P(E) = NE/N = 1.
Здесь
также обратное утверждение не всегда
справедливо. Действительно, если P(A) =
1, то P(
) = 0. Событие
,
противоположное событию A,
имея нулевую вероятность, может иногда
произойти (см. примечание к свойству
2). Но в таком случае не произойдёт событие
A, хотя P(A) = 1.
Свойство
4. Для несовместных событий A и B P(A
+ B) = P(A)
+ P(B), если
.
Несовместными считаются события, которые не могут осуществиться одновременно. Поэтому несовместные события не пересекаются как множества элементарных событий, т.е. их пересечение или, иначе говоря, их произведение является событием невозможным. Так как события A и B не пересекаются, то число исходов опыта NA + B, приводящих к осуществлению событий A или B, равно сумме исходов NA и NB, приводящих соответственно к осуществлению событий A и B по отдельности, т.е. NA+B = NA + NB. Поделив это равенство на N, получим равенство NA+B /N = NA /N + NB/N. Это и есть правило вычисления вероятности суммы несовместных событий: P(A + B) = P(A) + P(B). Это свойство называют свойством аддитивности вероятностей.
Вообще, если A1, A2, …, An группа попарно несовместных событий, т.е. AiAk = V, когда i ≠ k, то вероятность суммы событий равна сумме вероятностей этих событий:
P(A1 + A2 + … + An) = P(A1) + P(A2) + … + P(An)
Если эта группа событий является полной группой, т.е. A1 + A2 + … + An = E, то P(A1 + A2 + … + An) = P(E) = 1, из чего на основании аддитивности вероятностей попарно несовместных событий следует, что P(A1) + P(A2) + … + P(An) = 1.
События
и противоположное ему
несовместны и составляют полную группу.
Следовательно,
.
Поэтому вероятность противоположного
события
.
Свойство 5. Если A ⊂ B, то P(A) ≤ P(B).
Соотношение A ⊂ B означает, что множество A составляет часть множества B. Поэтому всегда NA ≤ NB. Поделив это неравенство на N, получим NA /N≤ NB /N. А поскольку P(A)= NA /N и P(B)= NB /N, то получается неравенство P(A) ≤ P(B).
