
- •Минобрнауки россии
- •Содержание
- •Раздел I теория вероятностей 8
- •Раздел II математическая статистика 73
- •Введение
- •Раздел I теория вероятностей
- •Правило суммы
- •Правило произведения
- •Формулы комбинаторики
- •Размещения без повторения
- •Перестановки без повторений
- •Сочетания без повторений
- •Размещения с повторением
- •Сочетания с повторением
- •Перестановки с повторением
- •Лекция 2. Пространство элементарных событий. Классическое определение вероятности
- •Пространство элементарных событий
- •Свойства вероятности
- •Лекция 3. Различные определения вероятностей Статистическое определение вероятности
- •Геометрическая вероятность
- •Парадокс Бертрана
- •Аксиоматическое построение теории вероятностей
- •Лекция 4. Условная вероятность. Теорема умножения. Независимые события. Формула полной вероятности
- •Независимые события. Теорема умножения
- •Формула полной вероятности
- •Формула Бейеса
- •Лекция 5. Независимые испытания. Формула Бернулли.
- •Формула Бернулли
- •Наивероятнейшее число
- •Локальная предельная теорема Муавра-Лапласа
- •Интегральная предельная теорема Лапласа
- •Лекция 6. Дискретная случайная величина и ее числовые характеристики Виды случайных величин. Способы описания дискретной случайной величины
- •Функция распределения
- •Свойства функции распределения
- •Математическое ожидание и дисперсия дискретной случайной величины
- •Свойства математического ожидания дискретной случайной величины
- •Математическое ожидание и дисперсия некоторых случайных величин
- •Лекция 7. Непрерывная случайная величина и её распределения
- •Нормальное (гауссовское) распределение
- •Равномерное распределение
- •Лекция 8. Математическое ожидание, дисперсия, моменты непрерывной случайной величины
- •Закон больших чисел. Теорема Чебышева. Центральная предельная теорема
- •Лекция 9. Некоторые модели законов распределений, наиболее распространенных в практике статистических исследований
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Нормальное (гауссовское) распределение
- •4. Логарифмически-нормальное распределение
- •5. Экспоненциальное распределение
- •7. Распределение Стьюдента с степенями свободы
- •8. Распределение Фишера-Снедекора (f-распределение).
- •Раздел II математическая статистика Лекция 1. Генеральная совокупность. Выборка. Способы образования выборки. Статистическая оценка параметров распределения.
- •Задача статистической оценки параметров
- •Точечные оценки основных параметров распределений
- •Лекция 2. Законы распределения выборочных характеристик, используемые при оценке параметров. Интервальные оценки параметров распределения.
- •1. Распределение средней арифметической.
- •2. Распределение Пирсона (- хи квадрат).
- •3. Распределение Стьюдента (t-распределение).
- •Интервальная оценка параметра распределения. Понятие доверительного интервала.
- •Интервальные оценки для генеральной средней.
- •Интервальные оценки для генеральной доли
- •Интервальные оценки для генеральной дисперсии и среднего квадратического отклонения
- •Лекция 3. Проверка статистических гипотез о значении параметров распределения. Понятие статистической гипотезы и статистического критерия.
- •1. Проверка гипотезы о значении генеральной средней нормально распределённой совокупности
- •2. Проверка гипотезы о значении генеральной дисперсии нормально распределённой совокупности.
- •3. Вычисление мощности критерия
- •Мощность критерия при проверке гипотезы о значении генеральной средней
- •Мощность критерия при проверке гипотезы о значении генеральной дисперсии
- •Лекция 4 Гипотезы о виде закона распределения генеральной совокупности
- •Вычисление теоретического ряда частот
- •Понятие о критериях согласия
- •Критерий согласия Пирсона
- •Лекция 5. Элементы корреляционного анализа Задачи корреляционного анализа. Двумерная корреляционная модель
- •Примерные вопросы к экзамену
- •Задачи к экзамену
Аксиоматическое построение теории вероятностей
До начала 30-х годов прошлого столетия теория вероятностей представляла собой еще не сложившуюся математическую науку, в которой основные понятия были недостаточно четко определены. Развитие естествознания предъявило к теории вероятностей повышенные требования. Возникла необходимость в математическом изучении основных понятий теории вероятностей и выяснении тех условий, при которых возможно использование ее результатов. Поэтому особенно важной оказалась задача формально-логического обоснования теории вероятностей, а именно ее аксиоматическое построение. Рассмотрим такое построение, предложенное в 1929 году советским математиком А.Н. Колмогоровым
Будем исходить из некоторого множества U. Элементы этого множества назовем элементарными событиями, а само множество U - пространством элементарных событий.
Рассмотрим систему F подмножеств множества U, удовлетворяющую следующим требованиям:
1) Система F в качестве элемента содержит само множество U.
2) Если два
подмножества А
и В
множества U
принадлежат системе F,
то ей принадлежат и множества А+В,
АВ,
.
При этом считают:
,
,
.
Далее, так как
,
то согласно условию 2) будем считать,
что
,
т.е. пустое множество
.
Элементы системы F называются случайными событиями, а сама система F называется полем событий.
Событие U называется достоверным событием. Пустое множество V называется невозможным событием.
Два события А
и В
называются несовместными, если их
произведение является невозможным
событием, т.е.
.
События А
и
называются противоположными.
3) Если А1,А2,…,Аn,…
подмножества множества U
являются элементами системы F,
т.е.
,
то
и
.
В этом случае систему F называют борелевским полем событий (т.е. замкнутым относительно теоретико-множественных операций, производимых в счетном числе).
Аксиома 1. Каждому случайному событию А из поля F ставится в соответствие неотрицательное число P(A), называемое его вероятностью.
Аксиома 2. Вероятность достоверного события U равна 1.
Аксиома 3. Для любого конечного или счетного множества попарно несовместных событий А1,А2,…,Аn,… из поля F
Следствия системы аксиом:
1) Вероятность невозможного события V равна нулю, т.е. P(V) = 0.
U = U+V, P(U) = P(U)+P(V) следовательно P(V) = 0.
2) Для любого события
выполняется
равенство
3) Для любого события
,
.
Действительно, из
аксиомы 1 следует, что
,
по следствию 2)
.
Тогда
.
4) Если
,
то
.
Действительно,
событие В
можно рассматривать как сумму двух
несовместных событий:
,
тогда по аксиоме 3
5) Для любых двух событий А и В из поля F, выполняется равенство:
Доказательство: Используя теоретико-множественные методы, легко проверить равенства
Используя несовместность событий
,
из аксиомы 3 имеем
*
Подставляя полученные выражения вероятностей в правую часть равенства (*), найдем:
.
В частности, если
,
то
.
Совокупность множества U-элементарных событий, поля F случайных событий и определенной на нем вероятности случайного события P(A), называют вероятностным пространством и обозначают (U,F,P).
Замечания:
1) Система аксиом Колмогорова непротиворечива, так как существуют реальные объекты, которые этим аксиомам удовлетворяют.
Например, пусть U
= {a1,
a2,
…, an}
- произвольное множество. За F
возьмем совокупность всех подмножеств
,
где
.
Тогда положив
,
где
и
,
а
,
мы удовлетворим всем аксиомам Колмогорова.
2) Система аксиом Колмогорова неполна.
Даже для одного и того же множества U можно по-разному выбирать вероятности во множестве F.
Например, в полной группе событий U = {E1, E2, …,E6}, где Ei – выпадение i очков на грани игральной кости, можно считать, что
(1)
Или
(2)
Неполнота системы аксиом не является свидетельством их неудачного выбора, а вызвана существом дела. В различных задачах могут встретиться явления, при изучении которых требуется рассматривать одинаковые множества случайных событий, но с различными вероятностями. Например, в случае правильной игральной кости используется система вероятностей (1), а в случае неправильной кости, возможно, например, использование системы (2).