![](/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.
3. Распределение Пуассона
1) Значения 0,1,2,3,..
2) Параметр
3) ряд распределения даётся равенством:
(2)
,
4) Интерпретация – широко используется в технике, ξ – случайная величина, равная числу наступления некоторого события в зафиксированный отрезок времени, например: число вызовов, поступающих на АТС в минуту, число отказов любого прибора в единицу времени (меняется только λ, а закон распределения тот же самый), настепление редких событий в ед. времени.
4. Геометрическое распределение
Утверждение: (2) действительно задаёт ряд распределения.
Доказательство:
1) значение 1,2,3,...
2) параметры
3) Ряд распределения:
(3)
,k– натуральное,q=1-p
4) Интерпретация – в одном испытании вероятность успеха =p, проводят испытания до первого успеха, например, стреляют до первого попадания, ξ – число испытаний до первого успеха.
Утверждение: (3) действительно задаёт ряд распределения.
Доказательство: положительность очевидна. Докажем, что сумма =1:
Параграф 3. Непрерывные случайные величины
Определение. Пусть дана случайная
величина ξ с функцией распределения
?
Если она может быть представлена в виде:
(1)
,
то
1) ξ – называется непрерывной случайной величиной
2) P(t) = называется плотностью случайной величины ξ
Физический смысл: значения непрерывной случайной величины заполняют полностью некоторый отрезок возможно бесконечный или объединение нескольких отрезков
Пункт 1: свойства плотности распределения
1) (2)
,
где
- плотность случайной величины ξ
2) (3)
3) (4)
Доказательство: (2) сразу получается дифференцированием равенства (1)
Докажем (3):
Докажем (4):
Теорема доказана.
Пункт 2: Пусть ξ – некоторая случайная величина, тогда для любого числа x:
(5)
Доказательство:
Следствие:
(6)
Доказательство:
Четыре первых вероятности отличаются добавлением только по одной или двух точек, что вероятность «точечных» событий равна нулю, поэтому справедливы первые три равенства. Предпоследнее равенство следует из (1.5), а последнее из (1.4).
Пункт 3: Пусть ξ – непрерывная случайная величина, тогда:
(7)
,
,
т.е. плотность всегда неотрицательна.
Доказательство:
1)
2)
Важнейшие непрерывные случайные величины.
Мы рассмотрим случайные величины, которые хорошо моделируют многих реальные процессы и явления.
1. Равномерно распределение.
1) Параметр
2) Плотность распределения
3) (8)
4)
5) вероятность попасть в интервал от aдоbне зависит от его положения внутри отрезка, а зависит от его длины.
Получим функцию распределения используя их свойства:
Мы знаем
,
см.(1)
1 случай)
2 случай)
3 случай)
Построим графики:
2. Показательное или экспоненциальное распределение:
1) Параметр
2)
(10)
3) Функция распределения
4)Интерпретация: экспоненциальное распределение очень хорошо описывает tдо первой поломки иtмежду отказами для очень многих приборов (от утюга до спутника).
Найдём функцию распределения, используя (10)
1 случай)
x<0
2 случай)
x>0
График плотность и функции распределения
3. Распределение Коши
1) параметры –
2) плотность распределения
(12)
3)
(13)
4) Графики