- •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
Сочетания с повторением
Пусть имеется множество N из n элементов. Всевозможные неупорядоченные подмножества из m элементов, составленные так, что любой элемент множества N может входить в эти подмножества от 1 до m раз, либо вообще отсутствовать, называются сочетаниями с повторением. Их число подсчитывают по формуле:
Пример 4. Сколько существует различных прямоугольных параллелепипедов, длина каждого ребра которых есть любое число от 1 до 10?
Решение: Всякий параллелепипед определяется тремя взаимно перпендикулярными ребрами и не зависит от их порядка. Тогда применима формула числа сочетаний с повторением: .
Перестановки с повторением
Пусть дано множество X = {x1, x2, …, xr}. Составим кортеж длиной n, в который элемент x1 входит n1 раз, x2 – n2 раза,…, xr - nr раз. Назовем составом этого кортежа новый кортеж (n1, n2, …, nr). Кортежи данного состава называют перестановками с повторением из n1 элементов х1, n2 элементов х2,…, nr элементов xr. Их число выражается формулой
,
где .
Лекция 2. Пространство элементарных событий. Классическое определение вероятности
Реализация некоторой совокупности условий называется испытанием, а результат испытания – событием. События будем обозначать большими латинскими буквами A, B, C, D,… Все события делят на три вида: достоверные, невозможные и случайные.
Достоверным называется событие, которое обязательно произойдет при выполнении данного комплекса условий.
Пример 1. При бросании игральной кости выпало число очков не более 6 – есть достоверное событие.
Невозможным называется событие, которое заведомо не произойдет, если будут выполнены данные условия.
Пример 2. При бросании игральной кости выпало число очков равное 8 – есть событие невозможное.
Случайным называется событие, которое может произойти или не произойти при выполнении данного комплекса условий.
Пример 3. При бросании игральной кости выпало 5 очков – это случайное событие.
Каждое случайное событие зависит от многих причин, но законы воздействия некоторых из них на конечный результат, как правило, неизвестны. Так, результат бросания монеты зависит от силы бросания, вращающего момента, ровности поверхности и т. д.
Поэтому заранее предугадать исход отдельного испытания невозможно, да этого и не требуется на практике. Например, для анализа деятельности предприятия неважно, является ли конкретная деталь стандартной или нет. Гораздо важнее знать, как часто встречается брак в выпускаемых изделиях. Или, при посеве семян, важно знать какой процент семян взойдет. Результат отдельного испытания для отдельного зернышка никакой практической ценности не имеет.
В рассмотренных примерах, во-первых, мы имеем дело с так называемыми массовыми испытаниями, которые состоят из повторения большого числа подобных между собой единичных испытаний, при соблюдении определенных условий их проведения. Во-вторых, в этих массовых однородных испытаниях мы не пытаемся предсказать исход отдельного испытания.
Массовые однородные случайные события, наступающие в результате описанных испытаний, подчиняются определенным закономерностям, которые называют вероятностными законами.
Предметом теории вероятностей является изучение закономерностей массовых, однородных, случайных событий.