
- •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
Формула полной вероятности
Пример 5. Детали поступают в О.Т.К. с двух конвейеров. Производительность второго конвейера вдвое больше первого. В каждой сотне деталей с первого конвейера в среднем две бракованные, а в каждой сотне деталей со второго – 3 бракованных.
Найти вероятность того, что взятая наудачу в О.Т.К. деталь бракованная.
Решение: Пусть событие А состоит в том, что взятая на проверку деталь оказалась бракованная.
Рассмотрим два предположения:
Событие H1 – взятая деталь изготовлена на первом конвейере.
Событие H2 – взятая деталь изготовлена на втором конвейере.
Тогда событие А можно подразделить на частные случаи
A = H1A+H2A.
Поскольку эти слагаемые несовместны, то
Из условия задачи ясно, что P(H1) = 1/3, P(H2) = 2/3, P(A/H1) = 0,02, P(A/H2) = 0,03. Тогда
P(A) = 0,08/3 = 2/75
Повторяя подобные рассуждения, легко доказать теорему.
Теорема 7.(О полной вероятности)
Вероятность события А, которое может наступить, если наступит одно из попарно несовместных событий Н1, Н2, …, Нn, образующих полную группу событий, равна сумме произведений вероятностей каждого из этих событий на соответствующие условные вероятности события А.
- формула полной
вероятности.
Формула Бейеса
Пусть имеется полная группа попарно несовместных событий Н1, Н2, …, Нn , вероятности каждого из которых до проведения опыта имели определенные значения.
Предположим, что в результате опыта наступило событие А. Наступление этого события может повлечь за собой изменение первоначальных вероятностей гипотез Нi. Поставим задачу отыскания вероятности P(Hi/A). Из теоремы умножения имеем:
.
Откуда находим
,
или записывая P(A) по формуле полной вероятности, получим
- формула Бейеса.
Пример 6. Пусть в условии предыдущего примера взятая в О.Т.К. деталь оказалась бракованной. Какова вероятность, что она изготовлена на первом конвейере?
Решение: Воспользуемся формулой Бейеса
.
Пример 7. Два стрелка независимо друг от друга стреляют по одной мишени, делая по одному выстрелу. Вероятность попадания в мишень первым стрелком равна 0,8, вторым – 0,4. После стрельбы обнаружена одна пробоина. Найти вероятность, что она принадлежит первому стрелку.
Решение: Пусть событие А – в мишени одна пробоина.
Событие В1 – в мишень попал 1-й стрелок, событие В2 – в мишень попал 2-й стрелок. Рассмотрим различные предположения:
- в мишень не попал
ни первый, ни второй стрелок,
- оба стрелка попали
в мишень,
- попал только
первый стрелок,
- попал только
второй стрелок.
,
,
,
,
,
,
,
.
Искомая вероятность равна
.
Лекция 5. Независимые испытания. Формула Бернулли.
Пусть имеется некоторое пространство элементарных событий U.
Под испытанием будем, как и прежде, понимать осуществление некоторого комплекса условий, в результате которого может произойти одно из событий пространства U.
Математической моделью последовательности n испытаний является новое пространство Un элементарных событий, состоящее из точек (e1, e2, …,en), где ei – произвольная точка пространства U, отвечающая испытанию с номером i.
Например, если U = {E1, E2, …, E6}, где Еi – число очков на выпавшей грани игральной кости при одном подбрасывании. Тогда пространство U3, соответствующее трем испытаниям, состоит из 63 = 216 точек (е1, е2, е3). Здесь е1 - это одно из событий пространства U и принимает 6 значений. Тоже самое для е2 и е3.
Пусть при s-том испытании пространство U подразделяется на k попарно несовместных случайных событий, т.е.
Событие
-
назовемi-ым
исходом при s-том
испытании.
Обозначим
,
тогда
.
Рассмотрим сложное событие
.
n – последовательных испытаний назовем независимыми, если
для любых
.
Теорема 1. Если данные n испытаний независимы, то любые m из них так же независимы.
Теорема 2. Для того чтобы n последовательных испытаний были независимы, необходимо и достаточно, чтобы выполнялось условие:
для любых чисел
,
В дальнейшем мы
ограничимся случаем, когда вероятности
событий
не зависят от номера испытанияs.
Обозначим в этом случае
,
.
В силу несовместности
единственной возможности исходов
имеем:
.
Эта схема была впервые рассмотрена Я.
Бернулли приk
= 2. У него: