- •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
Условная вероятность, независимые события и формула умножения вероятностей
Условной
вероятностью события A по отношению к
событию B называется вероятность события
A, вычисленная при условии, что событие
B произошло. Обозначается такая условная
вероятность как P(A|B), а читается – так:
«P от A при условии B». Условная вероятность
обладает всеми свойствами безусловной
вероятности, потому что тоже является
вероятностью. В частности,
.
Отметим также, что если B ⊂
A, то P(A|B) = 1, потому что при осуществлении
B как части множества A событие A обязательно
осуществляется через элементарные
события, входящие в B. Кроме того, если
,
то P(A|B) = 0, потому что при осуществлении
события B событие A никак не может
осуществиться, ведь у A и B
нет никаких общих элементарных событий.
Вероятность
произведения событий выражается через
условную вероятность:
.
Поскольку значение вероятности не
изменится при смене порядка написания
произведения событий AB=BA, то получается,
что
.
Эта формула называется формулой умножения
вероятностей. Из неё можно получить
формулу для вычисления условной
вероятности:
.
И аналогично из первого варианта этой
формулы умножения вероятностей
получается, что
.
Докажем
формулу умножения вероятностей для
классического определения вероятностей.
Вероятность произведения событий по
классическому определению – это
,
где N – это общее число
возможных исходов опыта, а NAB
– число благоприятных таких исходов.
Условную вероятность можно представить
так:
,
потому что это вероятность при условии,
что событие B произошло,
т.е. при общем числе исходов NB.
А благоприятных исходов здесь будет
NAB,
потому что произошло и событие A,
и событие B. Ведь событие
A осуществилось при условии
осуществления и события B.
Преобразуем формулу, разделив и числитель
и знаменатель дроби на одно и то же число
NB, не
равное нулю, что не изменит значения
этой дроби:
.
В этой формуле первая дробь – это
условная вероятность
,
а вторая дробь – это обычная, безусловная
вероятность
.
В результате получаем:
,
т.е. один из вариантов формулы умножения
вероятностей.
Необходимо помнить, что формула умножения вероятностей может быть доказана и для любых других определений вероятности. Как правило, для этих целей проводят одно доказательство для аксиоматического определения вероятности, т.е. её общего математического определения, из которого следуют доказательства и для всех других определений вероятности, согласованных с этим аксиоматическим. Но такое доказательство сложнее, и по этой причине здесь не приводится.
Если
условная вероятность совпадает с
безусловной вероятностью, т.е.
,
то события A и B называются статистически
независимыми событиями. Это значит, что
вероятность осуществления события A не
зависит от того, произошло или нет
событие B. В противном случае, когда
,
события A и B называются статистически
завиcимыми событиями.
Можно доказать, что статистическая
зависимость или независимость является
взаимной, т.е. если
,
то и
.
Действительно,
,
а
.
Если эти вероятности равны
,
то можно применить свойства пропорции
и получить равенство произведений их
числителей на знаменатели: из
получается
.
Разделив обе части этого равенства на
N, а потом на NA,
получаем:
,
т.е. что
.
Если
события A и B статистически независимы,
то из формулы умножения вероятностей
получаем:
,
потому что для независимых событий
.
Следовательно, вероятность произведения
независимых событий равна произведению
их вероятностей:
.
Несовместность
событий и их независимость – это разные
свойства событий. Например, если
несовместные события имеют ненулевые
вероятности, то они зависимы. Действительно,
если события A и B несовместны, то они не
могут осуществиться одновременно, а
потому вероятность их произведения
равна нулю:
.
И, если бы события A и B были независимы,
то была бы верна формула:
.
Но при ненулевых значениях вероятностей
и
их произведение не может быть равно
нулю. Следовательно, события A и B в таких
условиях должны быть зависимы.
Пример. Вероятность выпадения «герба» или «решки» при подбрасывании монеты равняется 1/2. Но вероятность их одновременного выпадения равна нулю, поскольку они несовместны. Значит эти события зависимы, т.е. статистически связаны между собой.
Пример.
В урне находится 2 белых и 3 чёрных шара.
Из урны вынимают подряд два шара и назад
в урну они оба раза не возвращаются.
Найти вероятность того, что оба вынутых
шара окажутся белыми. Благоприятным
событием A в этом примере
является появление двух белых шаров из
урны. Это событие является произведением
двух событий: A1 –
первый вынутый шар белый и A2
– второй вынутый шар белый. Тогда можно
вычислить вероятность благоприятного
события:
.
Вычислим вероятности, составляющие
сомножители этого произведения. Для
события A1 благоприятных
исходов 2 (можно вынуть первый или второй
белый шар), а всего исходов – 5 (потому
что столько всего шаров в урне). Поэтому
.
При вычислении второй, уже условной
вероятности, необходимо учесть, что
один белых шар уже вынут из урны, поэтому
благоприятных событий будет 1 (в урне
остался один белый шар). А всего событий
при второй выемке шара будет 4, потому
что столько шаров после выемки первого
шара в этой урне осталось. Поэтому
.
Тогда по формуле произведения вероятностей
получаем:
.
Вероятность
похожего события B будет
иной, если при такой же выемке шаров их
потом снова возвращают в урну, просто
фиксируя, какого цвета был вынутый шар.
Если событие B в этой новой
ситуации будет тоже состоять в том, что
будут вынуты два белых шара, то выемка
каждого из них будет осуществляться
независимо от другого. Тогда снова
событие B является
произведением двух событий: A1
– первый вынутый шар белый и A2
– второй вынутый шар белый. Но теперь
события A1 и A2
являются независимыми друг от друга.
Поэтому
.
И теперь вероятности обоих событий A1
и A2 будут одинаковыми
и равными
,
потому что благоприятных событий будет
2 (два шара в урне), а всего возможных
событий 5 (всего шаров в урне). И тогда
вероятность
.
Эта вероятность получилась несколько
больше первой.
Пример. Два стрелка одновременно, независимо друг от друга стреляют по мишени. Вероятность попадания в мишень для первого стрелка равна 0,6, а для второго – 0,8. Какова вероятность того, что в мишени окажется две пробоины?
Пусть
событие A – попадание в мишень первым
стрелком, событие B – попадание в мишень
вторым стрелком, событие C – в мишени
оказалось две пробоины, т.е. оба стрелка
попали в мишень. Тогда C = AB, причём события
A и B являются независимыми по условию
задачи. Следовательно, вероятность
.
