- •Элементарные и сложные случайные события и операции над ними. Свойства операций.
- •Классическое определение вероятности события: конечное число равновозможных элементарных исходов.
- •Общее определение вероятности события (понятие о вероятностном пространстве).
- •Условная вероятность. Зависимые и независимые события.
- •Числовые характеристики одномерных случайных величин: начальные и центральные моменты, квантили. Математическое ожидание, дисперсия, медиана, квартили.
- •Биномиальное распределение.
- •Пуассоновское распределение.
- •Локальная и интегральная формула Муавра-Лапласа - аппроксимация биномиального и пуассоновского распределения с помощью нормального.
- •Поэтому вероятность того, что св отклонится от своего математического ожидания больше, чем на 3sigma, ничтожно мала (правило трёх сигм):
- •Оценка вероятности по частоте появления события. Интервал рассеяния и доверительный интервал. Планирование объема выборки для оценки вероятности при заданных значениях точности и надежности.
- •12. Нормальное (гауссовское) распределение. Кривая Гаусса, функция Лапласа.
- •Функция распределения и плотность вероятности для системы двух и более случайных величин. Безусловные и условные функции распределения, вектор математических ожиданий и матрица ковариаций.
- •Примеры построения оценок и доверительных интервалов для параметров распределений – биномиального, пуассоновского, нормального, равномерного, экспоненциального.
- •Проверка простых и сложных статистических гипотез: критическая область, p-value, односторонние и двухсторонние критерии, ошибки 1-ого и 2-ого рода, мощность критерия, множественные сравнения.
- •29. Проверка простой гипотезы для двух нормальных распределений с одинаковыми дисперсиями. Необходимый объем выборки для заданных ошибок 1-го и 2-го рода.
- •30. Линейный дискриминант Фишера – как пример проверки простой гипотезы для двух нормальных распределений с одинаковыми ковариационными матрицами.
- •31. Метод последовательного анализа Вальда, используемый для проверки простых гипотез. Преимущества и недостатки последовательной схемы в сравнении с обычным методом.
Числовые характеристики одномерных случайных величин: начальные и центральные моменты, квантили. Математическое ожидание, дисперсия, медиана, квартили.
Биномиальное распределение.
Б иномиальным называется распределение вероятностей, определяемое формулой Бернулли. Закон назван биномиальным, потому что правую часть равенства можно рассматривать как общий член разложения бинома Ньютона:
Таким образом, первый член разложения рn определяет вероятность наступления рассматриваемого события n раз в n независимых испытаниях, второй член n*pn-1 *q определяет вероятность наступления события n-1 раз; последний член qn определяет вероятность того, что событие не появится ни разу.
Пуассоновское распределение.
Если число испытаний велико, а вероятность р появления события в каждом испытании очень мала, то используют приближённую формулу:
г де лямбда = np – среднее число появлений событий в n испытаниях
Говорят, что случайная величина распределена по закону Пуассона.
Локальная и интегральная формула Муавра-Лапласа - аппроксимация биномиального и пуассоновского распределения с помощью нормального.
Локальная теорема Муавра-Лапласа: если вероятность р наступления события А в каждом испытании постоянна и отлична от 0 и 1, а число независимых испытаний достаточно велико, вероятность наступления события а может быть вычислена по формуле.
Интегральная теорема Муавра-Лапласа: теорема применяется, когда n достаточно велико и когда требуется вычислить вероятность того, что в n независимых испытаниях событие А наступит не менее k1, но не более k2 раз. Если вероятность р наступления события А в каждом испытании постоянна и отлична от 0 и 1, а число независимых испытаний достаточно велико, то вероятность того, что в n испытаниях событие А наступит не менее k1, но не более k2 раз, может быть вычислена по формуле:
Используя функцию Гаусса, равенство можно записать в следующем виде:
Однако для упрощения вычислений вводят специальную функцию, называемую нормированной функцией Лапласа:
Эта функция нечётна Ф0(-х) = -Ф0(х); при х >= 5 можно считать, что Ф0(х) = 0,5
Наряду с нормированной функцией Лапласа используют функцию, называемую также функцией Лапласа:
Она связана с функцией Ф0(х) формулой:
Ч асто в расчётах надо найти вероятность того, что случайная величина Х не слишком сильно отклонится от своего математического ожидания m:
Пусть, например, epsilon = 3sigma:
Поэтому вероятность того, что св отклонится от своего математического ожидания больше, чем на 3sigma, ничтожно мала (правило трёх сигм):