- •Теория вероятностей и математическая статистика
- •Теория вероятностей
- •1. Общие понятия
- •1.1. Предмет теории вероятностей
- •1.2. Пространство элементарных событий
- •1.3. Операции над событиями
- •1.4. Статистический подход к понятию вероятности
- •1.5. Элементы комбинаторики
- •1. Перестановки.
- •2. Сочетания.
- •3. Размещения.
- •1.6. Классическое определение вероятности
- •1.7. Аксиоматическое определение вероятности
- •2. Основные теоремы теории вероятностей
- •2.1. Теорема умножения вероятностей
- •2.2. Теорема сложения вероятностей
- •2.3. Формула полной вероятности
- •2.4. Формула Бейеса
- •3. Повторение испытаний
- •3.1. Независимые испытания. Формула Бернулли
- •3.2. Локальная теорема Муавра – Лапласа
- •3.3. Интегральная теорема Лапласа
- •3.4. Теорема Пуассона
- •3.5. Вероятность отклонения частоты от постоянной вероятности в независимых испытаниях
- •4. Случайные величины и функции распределения
- •4.1. Случайные величины
- •4.2. Функция распределения вероятностей для дискретной св
- •4.3. Функция распределения вероятностей для непрерывной св.
- •4.4. Функция плотности распределения вероятностей
- •5. Числовые характеристики случайных величин
- •5.1. Математическое ожидание случайной величины
- •5.2. Дисперсия и среднее квадратическое отклонение св
- •5.3. Моменты и другие числовые характеристики случайной величины
- •6. Основные законы распределения случайных величин
- •6.1. Законы распределения дискретных случайных величин
- •6.1.1. Биномиальное распределение
- •6.1.2. Распределение Пуассона
- •6.1.3. Геометрическое распределение
- •6.2. Законы распределения непрерывных случайных величин
- •6.2.1. Равномерное распределение
- •6.2.2. Показательное распределение
- •6.2.3. Нормальное распределение
- •7. Закон больших чисел
- •7.1. Неравенства Чебышева
- •7.2. Теорема Чебышева
- •8. Многомерные случайные величины
- •8.1. Многомерные случайные величины и их функции распределения
- •X и y независимые случайные величины.
- •8.2. Вероятность попадания двумерной случайной величины
- •8.3. Числовые характеристики двумерной случайной величины
- •Математическая статистика
- •1. Статистические законы распределения выборки
- •1.1. Вариационный ряд
- •1.2. Полигон и гистограмма
- •1.3. Эмпирическая функция распределения
- •2. Статистические оценки параметров распределения
- •2.1. Точечные оценки
- •2.2. Интервальные оценки
- •2.3. Оценка вероятности появления события через его частоту
- •3. Проверка статистических гипотез.
- •3.1. Статистические гипотезы
- •3.2. Критерии проверки гипотезы
- •3.3. Критерий согласия Пирсона
- •3.4. Критерий согласия Романовского
- •4. Элементы теории корреляции
- •4.1. Статистические зависимости
- •4.2. Линейная регрессия
- •4.3. Корреляционная таблица
- •4.4. Выборочный коэффициент корреляции
- •Литература
- •С о д е р ж а н и е
Математическая статистика
Введение. Предмет математической статистики
Выявление закономерностей, которым подчинены массовые случай-ные явления (процессы), основано на анализе статистических данных (результатов наблюдений). В практике статистических наблюдений разли-чают два вида наблюдений: сплошное, когда исследуются все элементы совокупности, и несплошное, выборочное, когда исследуется только определенная часть элементов. Например, перепись населения является сплошным наблюдением, а стандартные социологические обследования являются выборочными наблюдениями.
Вся подлежащая исследованию совокупность элементов (наблюдений) называется генеральной совокупностью, а часть элементов, которая ото-брана для непосредственного исследования из генеральной совокупности называется выборочной совокупностью или просто выборкой.
Пусть генеральная совокупность состоит из N элементов, подлежащих исследованию относительно некоторой случайной величины X (размер, вес, брак и т.д.). Из этой совокупности берётся выборка объёма n и под-вергается сплошному исследованию, т.е. находятся значения исследу-емого признака всех элементов, входящих в выборку.
Таким образом, выборку можно рассматривать как некоторое подобие генеральной совокупности. Поэтому сущность выборочного метода иссле-дования случайных величин в математической статистике состоит в том, что о тех или иных свойствах генеральной совокупности делают выводы на основании исследования свойств элементов выборки.
Достоинства выборочного метода очевидны:
во-первых, существенное сокращение времени исследования и соот-ветственно материальных затрат;
во-вторых, при одинаковых затратах возможность проведения более глубокого исследования путем расширения объема исследования;
и, наконец, в-третьих, только выборочный метод можно применять, если при исследовании каждого элемента генеральной совокупности этот элемент подлежит уничтожению (например, исследование долговечности электроприборов, крэш-тесты автомобилей и т.п.).
Главным недостатком выборочного метода являются ошибки репре-зентативности выборки. Выборку будем называть репрезентативной (пред-ставительской), если она достаточно хорошо отображает генеральную сово-купность. Однако эти неизбежные ошибки репрезентативности могут быть заранее оценены и при правильной организации выборки сведены к минимуму.
Итак, чтобы по данным выборки можно было достаточно достоверно судить о генеральной совокупности, она должна быть отобрана случай-ным образом. Случайность такого отбора достигается при соблюдении на практике равной возможности для всех элементов генеральной сово-купности быть отобранными в выборку.
Различают следующие основные способы отбора:
механический, когда элементы из генеральной совокупности выби-раются по порядку через некоторый интервал, например, каждый 20-й, 40-й, 60-й и т.д.;
случайный, при котором элементы выбираются абсолютно случай-ным образом без распределения на группы (для этого существуют таб-лицы случайных чисел);
серийный, при котором выбираются не отдельные элементы, а группы (серии) элементов генеральной совокупности.
Каждый из этих способов имеет как свои преимущества, так и свои недостатки. Например, при проведении exit-пола применяют механический способ отбора, поскольку нельзя применять серийный способ, так как обычно члены одной семьи приходят на избирательный участок одно-временно и голосуют одинаково, нельзя применить и случайный способ, так как неизвестно заранее число избирателей, которые придут на участок. С другой стороны, не всегда можно применять и механический способ отбора – может оказаться, что каждую 20-ю, 40-ю и т.д. деталь изготовил рабочий более низкого разряда или, например, после каждой 20-й, 40-й, 60-й детали проводится переналадка станка,т.е.уотобранных деталей больше вероятность оказаться бракованными.
Исходя из вышеизложенного, сформулируем основные задачи мате-матической статистики:
1. Задача определения закона распределения случайных величин по статистическим данным, т.е. приближенно найти функцию распределения случайной величины Х, которая приняла значения: .
2. Приближенно найти (оценить) параметры закона распределения, т.е. математическое ожидание, дисперсию и другие числовые характеристики случайной величины.
3. Проверить ту или иную статистическую гипотезу, высказанную отно-сительно закона распределения случайной величины. Например, что случай-ная величина имеет нормальное распределение.
4. По данным наблюдений случайных величин Х и Y оценить степень взаимосвязи между ними. Например, что между случайными величинами Х и Y имеется практически линейная связь.
Таким образом, можно определить математическую статистику как раздел математики, изучающий методы получения, описания и обработки закономерностей массовых случайных событий.