![](/user_photo/2706_HbeT2.jpg)
- •Глава 1. События.
- •§1 Логические основы т.В.
- •§2 Испытания, события, операции над событиями.
- •§3 Классическое определение вероятности.
- •§3 Примеры вероятностных пространств.
- •§4 Условные вероятности. Формула умножения событий.
- •§5 Независимые и зависимые события.
- •Независимость попарная и независимость в совокупности Определение попарной независимости
- •Определение независимости в совокупности.
- •§6 Формула полной вероятности и формула Байеса. Формула полной вероятности
- •Формула Байеса
- •Глава II
- •§1 Формула Бернулли
- •Формула Бернулли
- •§2 Предельные теоремы Бернулли
- •Формула Лапласа или интегральная формула Лапласа
- •Глава 3. Случайные величины.
- •§1 Определения и основные понятия.
- •§2 Дискретные случайные величины.
- •1. Распределение Бернулли
- •2. Биноминальное распределение
- •3. Распределение Пуассона
- •4. Геометрическое распределение
- •1. Равномерно распределение.
- •2. Показательное или экспоненциальное распределение:
- •3. Распределение Коши
- •4. Нормальное (Гауссово) распределение
- •1) Распределение Бернулли
- •§2 Специальные функции математической статистики.
- •1 Распределение Стьюдента
- •2 Распределение Карла Пирсона
- •Свойства случайной величин с симметричной (четной) плотностью распределения.
- •§3 Доверительные интервалы для генеральной средней нормального распределения
- •2) Построение доверительного интервала для неизвестного генерального среднего в случае неизвестной дисперсии
- •§4 Доверительные интервалы для дисперсии.
- •§5 Доверительный интервал для неизвестной вероятности успеха.
- •III Математическая статистика.
- •Глава I Оценки параметров.
- •§1 Основные понятия.
- •§2 Точечные оценки параметров.
- •Свойства оценок
- •Другие два важных свойства оценок состоятельность и эффективность.
- •§3 Методы построения точечных оценок параметров.
- •Метод максимального подобия построения оценок.
- •Оценка параметров нормального распределения.
- •Оценка параметров геометрического распределения.
- •Оценка параметров экспоненциального распределения.
- •Оценка параметров распределения Пуассона.
- •Метод Монте-Карло.
- •§1 Основные определения и понятия.
- •§2 Генерирование значений дискретных случайных величин.
- •§3 Генерирование случайных величин с непрерывным законом распределения (методы)
- •Генерирование случайной величины подчиняющейся нормальному распределению.
- •§4 Генерирование траекторий случайных процессов.
- •Генерирование траекторий непрерывных случайных величин.
- •I Марковские процессы с дискретным временем.
- •§1 Основные понятия.
- •Основное свойство матрицы перехода дискретной цепи Маркова.
- •§2 Предельные теоремы.
- •Глава III Проверка статистических гипотез.
- •§1 Основные понятия и терминологии.
- •§2 Проверка гипотез о значении генеральной средней нормально распределенных случайных величин.
- •1) Построение критерия для проверки h0 против h1 при известном δ
- •2) Построение критерия для проверки гипотезы h0 против h1, при δ - не известном.
- •1) Параметр a известен
- •2) Проверка гипотезы о значении дисперсии, когда генеральное среднее а не известно.
- •§4 Проверка гипотезы о значении генеральной доли.
- •§5 Проверка гипотеза о достоверности различий средних значений.
- •§6 Критерий к. Пирсона. Хи-квадрат для проверки гипотез о законе распределения.
- •2 Примеры использования критерия χ2.
- •3 Применение критерия χ-квадрат для исследования вопроса о зависимости ил независимости признаков.
1) Распределение Бернулли
Значение 0 1
Вероятность qp
q=1-p
(17)
2) Биномиальное распределение
ξ – число успехов при nиспытаниях
P– вероятность успеха в одном испытании
Введём вспомогательную случайную величину
(*)
Тогда ξ – число успехов в nиспытаниях
(**),
причём в схеме Бернулли испытания
независимы, значит
- независимы
Найдём:
Получим:
(18)
3) Распределение Пуассона
Для распределения Пуассона:
,
(19)
(Доказать самостоятельно)
4) Геометрическое распределение:
,
k =1,2,…
Получим:
(20)
(Доказать самостоятельно)
Непрерывные случайные величины
1) Равномерное распределение
Глава II Доверительные интервалы
§1 Основные понятия.
Рассмотрим схематично пример построения оценки.
Допустим на предприятии решили оценить
среднесуточное употребление электроэнергии.
В плановом отделе посчитали по большой
выборке и получили значение
= 1536,23 кВт.
Однако очевидно, что употребление, например, завтра, будет отличаться от этой цифры и хотелось бы иметь оценку в виде интервала или нечто подобное.
К сожалению это в принципе невозможно, если оценка строится по выборочным данным и интервал не абсурдно большой.
Единственно, что возможно - это дать ответ в виде интервала, который содержит неизвестное значение с некоторой вероятностью, такой интервал называется доверительным, а оценкаинтервальной, илидоверительно-интервальной.
Вероятность, с которой доверительный интервал содержит неизвестный параметр, называется уровнем доверия интервала.
Обычно уровень доверия выбирают близким к единице: 0,9; 0,95; 0,99; 0995; 0,999
Обычно, чем важнее исследуемое явление, тем выше берут уровень доверия. Например: в экономике берут 0,9 или 0,95; в безопасности и здоровье - 0,99 и выше (при определении предельно-допустимых доз);
Очевидно, чем выше уровень доверия, тем больше длина интервала, при одной и той же выборке, поэтому если необходимо получить достаточно точные оценки при высоком уровне доверия необходимо использовать большие выборки, или выборки большого объема.
Определение (Доверительного интервала)
Пусть дана случайная величина с функцией распределения F(x,θ), где θ - неизвестный параметр и дана выборка объемаn–x1,x2, …xn. Пара случайных величинC-и С+, зависящих от выборки называется доверительным интервалом при уровне доверия γ для параметра θ, если выполняется равенство:
(1)P{θє (C-;C+)} =γ
Иногда используют менее точное соотношение:
(2)P{θє (C-;C+)} >=γ
В некоторых прикладных задачах используют односторонний доверительный интервал, где одна из границ по умолчанию равна +∞ или –∞ (нулю из физического смысла)
Например:при определении предельно-допустимых норм веществ.
§2 Специальные функции математической статистики.
При построении доверительных интервалов и других разделов математической статистики требуется использовать некоторые дополнительные случайные величины, которые мы изучаем в этом параграфе.
1 Распределение Стьюдента
Пусть ξ0, ξ1, …, ξnподчиняются стандартному нормальному
распределению (ξi
N(0,1)) рассмотрим случайную величину:
По определению ηподчиняется распределению Стьюдента сnстепенями свободы, часто используют обозначенияtn. Плотность распределения Стьюдента дается формулой:
(1)
можно показать что:
(2) M(tn) = 0,D(tn) =n/(n-2) (приn> 2)
При n-> ∞tn(x) ->N(0,1)
Отметим, что tn(x) - симметричная или четная функция.