- •Конспект лекций
- •2 Алгебра событий.
- •3 Определения вероятности события.
- •4 Элементы комбинаторики
- •1 Теоремы сложения вероятностей.
- •4 Формула полной вероятности. Формула вероятности гипотез.
- •Тема 2. Повторные независимые испытания
- •2 Наивероятнейшее число наступлений события в независимых испытаниях.
- •3 Локальная теорема Муавра-Лапласа.
- •4 Интегральная теорема Муавра-Лапласа. Пуассоновское приближение
- •Тема 3. Дискретные случайные величины
- •2 Закон распределения вероятностей дискретной случайной величины.
- •3 Математическое ожидание и его свойства.
- •4 Дисперсия дискретной случайной величины и ее свойства
- •5 Одинаково распределенные взаимно-независимые случайные величины
- •Тема 4. Непрерывные случайные величины
- •2)Дифференциальная функция (плотность распределения) непрерывной случайной величины и ее свойства.
- •Тема 5. Основные законы распределения случайных величин
- •1. Основные законы распределения дискретных случайных величин.
- •2) Равномерное распределение
- •Тема 6. Функции случайных величин и векторов
- •2) Композиция законов распределения
- •3) Специальные законы распределения
- •Тема 7. Многомерные случайные величины
- •2)Функции распределения многомерной случайной величины.
- •3)Вероятность попадания двумерной случайной величины в полуполосу и прямоугольник.
- •4)Числовые характеристики системы двух случайных величин
- •Тема 8. Закон больших чисел
- •2)Неравенство и теорема Чебышева
- •3)Понятие о центральной предельной теореме
- •Часть II. Математическая статистика
- •Тема 10. Вариационные ряды распределения
- •1) Понятие и виды вариационных рядов распределения.
- •2) Графическое изображение рядов распределения и связь между ними.
- •1) Понятие и виды вариационных рядов распределения
- •2) Графическое изображение рядов распределения и связь между ними.
- •1) Средняя арифметическая и ее свойства.
- •2) Дисперсия ряда распределения и ее свойства. Среднее квадратическое отклонение.
- •3)Моменты ряда распределения и связь между ними
- •Тема 11. Выборочный метод
- •2)Статистические оценки выборочной совокупности и их свойства.
- •3) Точечные и интервальные оценки.
- •Тема 12. Проверка статистических гипотез
- •1)Понятие и виды статистических гипотез.
- •2)Статистический критерий проверки гипотез.
- •3)Уровень значимости. Мощность критерия.
- •2)Статистический критерий проверки гипотез
- •Тема 13. Дисперсионный анализ
- •1)Понятие и модели дисперсионного анализа.
- •2)Однофакторный дисперсионный анализ.
- •1)Понятие и модели дисперсионного анализа.
- •2)Однофакторный дисперсионный анализ.
- •4.1.2.3. Двухфакторный дисперсионный анализ. Факторы а и в
- •Тема 14. Корреляционно-регрессионный анализ
- •1)Понятие корреляционной зависимости.
- •2) Оценка методом наименьших квадратов коэффициентов регрессии
- •Тема 15. Статистический анализ временных рядов
- •1)Понятие экономического временного ряда и его составляющие.
- •2)Тренд динамического ряда.
- •2)Тренд динамического ряда
- •Приложение е – Глоссарий
- •Приложение ж – Экзаменационные билеты
Тема 2. Повторные независимые испытания
Вопросы:
1 Формула Бернулли.
2 Наивероятнейшее число наступлений события в независимых испытаниях.
3 Локальная теорема Муавра-Лапласа.
4 Интегральная теорема Муавра-Лапласа. Пуассоновское приближение
1 Формула Бернулли.
Постоянные условия опыта. а) Пусть некоторый опыт повторяется в неизменных условиях n раз, причём каждый раз может либо наступить (успех), либо не наступить (неудача) некоторое событие А, где Р(А)=р − вероятность успеха, Р()= 1- р= q – вероятность неудачи. Тогда вероятность того, что в к случаях изn произойдёт событие А вычисляется по формуле Бернулли:
. (1.24)
Условия, приводящие к формуле Бернулли, называются частной схемой повторных независимых испытаний или схемой Бернулли. Так как вероятности Pn(к) для различных значений к представляют собой слагаемые в разложении бинома Ньютона:
++…+…+, то распределение вероятностей Pn(к), где , называется биномиальным.
Переменные условия опыта. Если в каждом из независимых испытаний вероятности наступления события А разные (общая схема повторения опытов), то вероятность наступления события А к раз в n опытах, определяется как коэффициент, при к-ой степени полинома
(1.25)
n(Z) – производящая функция.
2 Наивероятнейшее число наступлений события в независимых испытаниях.
Число наступления события А в п независимых испытаниях называется наивероятнейшим, если вероятность наступить событию это число раз является наибольшей по сравнению с вероятностями других исходов.
Наивероятнейшее число наступивших событий в схеме Бернулли - ко (коN), определяется из следующего неравенства:
np- qко np+ p. (1.26)
3 Локальная теорема Муавра-Лапласа.
При большом числе опытов по схеме Бернулли удобнее пользоваться приближенными формулами.
Если вероятность р наступления события А в каждом из п независимых испытаний постоянна и отлична от 0 и 1, а число испытаний ьдостаточно велико (npq10), то вероятность того, что событие А появится к раз в п независимых испытаниях приближенно равна, то
Рn (к) , (1.27)
где x=. (1.28)
Для облегчения вычислений функция
(x)= (1.29)
представлена в виде таблицы и имеет следующие свойства:
(x) – четная;
при x4, (x) 0
4 Интегральная теорема Муавра-Лапласа. Пуассоновское приближение
Формула Пуассона.
Если вероятность р наступления события А в каждом испытании постоянна и стремится к нулю, а число испытаний достаточно велико (npq<10 и p<0,1), то вероятность того, что событие А появится к раз в п независимых испытаниях приближенно равна
, (1.30)
где .
При больших значениях n , для вычисления вероятности того, что произойдет от к1 до к2 событий в п независимых испытаниях по схеме Бернулли, используется интегральная формула Муавра-Лапласса:
Рn ()=Ф(x2) - Ф(x1), (1.31)
где x1 =,x2 =, Ф(х) - функция Лапласа.
Ф(x) имеет следующие свойства:
1) Ф(-x)= -Ф(x) – функция нечетная, поэтому достаточно применять её для неотрицательных значений x:
Ф(x)= ; (1.32)
2) функция Ф(x) возрастает на всей числовой оси;
3) при x4, Ф(x)( y=0,5- горизонтальная асимптота при x>0), поэтому функция представлена в виде таблицы для ;
Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях не более чем на некоторое число >0:
Рn = 2Ф. (1.33)