
- •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
Лекция 3. Различные определения вероятностей Статистическое определение вероятности
Использование классического определения наталкивается на ряд трудностей при решении некоторых задач. Часто это связано с тем, что
невозможно представить результат испытания в виде совокупности элементарных событий. Например: попадание стрелка в цель, выход из строя радио деталей и т.п.
Затруднительно указать основания, позволяющие считать события равновозможными (обычно в силу отсутствия симметрии явления). Например: рождение мальчика или девочки; распад атомного ядра; игральная кость с неоднородными гранями.
Пусть проводится большое количество повторных испытаний, при неизменных условиях. В каждом из этих испытаний некоторое событие А может произойти или нет. Обозначим через m – число появлений события А в n независимых испытаниях.
Отношение числа наступлений события А к общему числу всех фактически проведенных испытаний, называют относительной частотой или частостью события А и обозначают
Было замечено, что относительная частота обладает некоторой устойчивостью, которая заключается в том, что при достаточно большом числе испытаний она сохраняет почти постоянную величину, причем большие отклонения тем реже, чем многочисленнее проводимые испытания.
Для иллюстрации этого факта приведем официальные данные шведской статистики о частоте рождаемости девочек в 1935 году по месяцам, взятые из книги Г.Крамера «Математические методы в статистике»: 0,486 0,489 0,490 0,471 0,478 0,482 0,462 0,484 0,485 0,491 0,482 0,479.
Видно, что частости колеблются около числа 0,482.
Оказывается, что для тех случаев, к которым применимо классическое определение вероятности, колебание относительной частоты происходит около вероятности P события.
Имеется огромный опытный материал, подтверждающий этот факт. Приведем эксперимент с бросанием монеты.
Экспериментатор |
Число бросаний |
Число выпадений герба |
Число выпадений надписи |
Ж. Бюффон |
4 040 |
2 048 |
0,5080 |
К. Пирсон |
12 000 |
6 019 |
0,5016 |
К. Пирсон |
24 000 |
12 012 |
0,5005 |
Относительная частота колеблется около вероятности P = 0,5.
Приведенные факты дают повод предположить наличие независящей от испытателя закономерности течения явления, которая заключаются в указанном почти постоянстве относительных частот. Эту постоянную, являющуюся объективной числовой характеристикой явления, естественно назвать вероятностью случайного события А.
Итак, будем говорить, что событие А имеет вероятность, если выполнены следующие условия:
а) Можно, по крайней мере принципиально, провести в неизменных условиях неограниченное число независимых друг от друга испытаний, в каждом из которых событие А может произойти или нет.
б) Относительная частота события А для достаточно большой группы испытаний колеблется около некоторого числа (вообще говоря заранее неизвестного).
Таким образом, определенная вероятность называется статистической. В качестве числового значения статистической вероятности можно взять относительную частоту
,
или число близкое к ней.
Естественно при этом потребовать, чтобы:
вероятность достоверного события была равна 1,
вероятность невозможного события – 0,
если некоторое событие А является суммой конечного числа несовместных событий Аi, i = 1,2,…,n, имеющих вероятности, то
P(A) = P(A1)+P(A2)+…+P(An)
Данное определение носит лишь описательный, априорный характер. Однако мы сохранили за вероятностью ее объективный, не зависящий от познающего, смысл.
Попытка трактовать вероятность как предел
приводила к противоречию с некоторыми основными положениями философии. Не вдаваясь в подробности, укажем лишь на то, что при таком определении вероятность теряет характер объективной числовой характеристики реальных явлений
Действительно, пока не произведем бесконечного числа испытаний, нельзя говорить о наличии вероятности того или иного события. А поскольку этого сделать невозможно, то мы вообще лишены возможности использовать теорию вероятностей.