
- •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
Интегральная предельная теорема Лапласа
Пусть событие А в каждом из n независимых испытаний наступает с постоянной вероятностью р. Тогда вероятность того, что при достаточно большом числе испытаний событие А наступит от m1 до m2 раз вычисляется по формуле:
,
(8)
где
(9)
Функцию Ф(х) называют интегральной функцией Лапласа. Её значения табулированы. Рассмотрим некоторые свойства интегральной функции Лапласа.
Свойства функции Ф(х):
1) Ф(х) – нечетная функция, т.е. Ф(-х) = -Ф(х).
2) Ф(х) имеет две горизонтальные асимптоты y = 0,5 и y = -0,5.
Действительно,
В последнем равенстве использовался так называемый интеграл Пуассона:
Ввиду нечетности функции Лапласа
Причем приближение
к числу 0,5 настолько быстрое, что для
практических целей достаточно при
считать значениеФ(х)
= 0,5.
3) Из свойства интеграла с переменным верхним пределом от непрерывной функции следует равенство
Пример: Вероятность поражения мишени стрелком равна 0,75. Определить вероятность того, что при 100 выстрелах он поразит мишень:
а) не менее 71, но не более 80 раз;
б) не менее 81 раза.
Решение: Обозначим p = 0,75, n = 100, m – число попаданий в мишень. Тогда
a)
б)
В статистике
вероятность р
наступления события А
заменяют его частостью
,
причем чем большеn,
тем меньше значение частости отклоняется
от значения вероятности. Однако сколь
тесной окажется эта близость предугадать
невозможно. Тем не менее, имеет место
следующая теорема.
Теорема Бернулли:
Для любого положительного числа
справедливо равенство
(10)
Доказательство:
,
тогда
Учитывая свойство
(2) функции Ф(х)
и переходя к пределу при
,
получим равенство (10). Теорема Бернулли
представляет собой одну из первых
формулировок Закона больших чисел.
Замечания: Итак, мы рассмотрели различные случаи изменения величин n, m, p. Каждому из них соответствовала своя предельная теорема. При этом надо руководствоваться следующим:
1) Формулы Бернулли, Лапласа и Пуассона применяются в тех случаях, когда испытания удовлетворяют схеме Бернулли, т.е.
а) проводимые испытания независимы;
б) каждое испытание имеет только два исхода, либо наступает событие А, либо противоположное ему событие;
в) вероятность появления события А в каждом испытании постоянна и равна р.
2) Если число
испытаний не велико, то для вычисления
вероятности
применяют формулу Бернулли.
3) Если n мало и требуется найти вероятность появления события А от m1 до m2 раз, то применяют формулу
(11)
4) Если n
достаточно велико, и вероятность
наступления события А
также не маленькая то
вычисляется
по формуле Лапласа (6).
5) Если n велико, а р – мало, то используют асимптотическую формулу Пуассона (7).
6) Если число испытаний n достаточно велико, то
а) при малом числе
слагаемых в сумме (11) и
применяют формулу
(12)
б) при малом числе слагаемых и малом р
(13)
в) при большом числе слагаемых в сумме
применяют интегральную формулу Лапласа (8).