- •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.
§2 Предельные теоремы Бернулли
Пример: Пусть известно, что бракованная деталь выпускается с вероятностью 0,2. Найти вероятность того, что из 100 выпущенных деталей будет 20 бракованных.
По формуле 1.1 находим
Мы видим, что вычисления гигантские, причём они нужны с высокой точностью, поэтому возникает задача нахождения ≈ формул используемых при большом числе испытаний.
Такие формулы были найдены в 186… иногда они называются предельными теоремами. Мы будем их формулировать в виде, удобном для вычисления:
Теорема Муавра-Лапласа или Локальная формула Лапласа
Пусть проводится nиспытаний по схеме Бернулли иp– верятность успеха в одном испытании. Пусть nвелико (> нескольких десятков), аpочень мало, так, что выполняется неравенство:
npq>9
тогда справедливо равенство, называемое формулой Лапласа:
(2) , где,, иq=1-p
Без Доказательства!
Замечание: Неравенство (1) – условное, вообще говоря, чем больше npqиP, тем приближение (2) более точно.
Вычислим вероятность для нашего примера используя (2):
Неравенство (1) выполняется, поэтому можно использовать (2).
Вычисляем:
существенно экономит вычисления.
Формула Лапласа или интегральная формула Лапласа
Пусть выполнены все условия Пункта 1, тогда справедливо примерное равенство:
(3) , где,,,Ф0– функция Лапласа:
(*)без доказательства!
Замечание: интеграл в (*) неберущийся, поэтому существуют специальные таблицы для того, чтобы пользоваться (3) надо знать 2 cв-ва функции Лапласа:
(4) - начётная функция
(5) , т.е. приx>5 f0(x)≈0,5.
Замечание:
В некоторых учебниках используется Ф(x)=(**)
(**)
В этом случае также справедлива (3), однако (4) и (5) не выполняются и вместо (5):
(5’) без доказательства!
987
Следствие из интегральной формулы Лапласа:
Пусть выполнены условия из пункта 2 и теоремы 1, т.е. n-велико. Во многих задачах необходимо оценить отклонение частоты успеха (ν) от теоретической вероятности успехаP, где:
(7) , для этого используется следующее равенство:
Пусть дано некоторое ε>0и проводится испытание по схеме Бернулли, тогда:
(6)
Это равенство справедливо только для Ф0и несправедливо дляФ, смотри (**).
Докажем 6:
Вероятность
- доказано
Физический смысл:
(6) часто называется законом больших чисел в схеме Бернулли и формулируется в виде:
(7)
Действительно:
Из (7) мы видим, что при любом даже очень маленьком εи большомn, частотаk/nбудет отличаться отpменьше чем на ε.
На этом законе базируется возможность планировать работу больниц (действительно в большом городе доля дольных практически одна и та же) вообще без выполнения этого закона невозможна была бы работа транспортных компаний, т.к. доля желающих уехать одна и та же.
До сих пор мы рассматривали случаи когда pиqне очень малы иnвелико. В том случае, когдаn–велико, аp– очень мало также существуют приближённые формулы.
Пункт 3: формула Пуассона
Пусть проводится nиспытаний по схеме Бернулли,n– велико (>100), аp– мало так, чтоnp<3(8)? Тогда справедлива формула:
(9) - формула Пуассона
,e– число Эйлера.
Глава 3. Случайные величины.