- •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
1. Статистические законы распределения выборки
1.1. Вариационный ряд
Пусть из генеральной совокупности извлечена выборка, причем значение наблюдалось , ,…, раз и объём выборки.
Наблюдаемые значения называютсявариантами. Количество наблюдений значенияназываетсячастотой, а величина отно-
сительной частотой.
Определение 1.1. Статистическим распределением выборки называется перечень вариант и соответствующих им частот.
… | ||||
… |
Если варианты выборки расположены в возрастающем порядке, то такое статистическое распределение называется вариационным рядом.
Для лучшего восприятия статистического распределения выборки при-нято осуществлять графическую интерпретацию полученного вариацион-ного ряда.
1.2. Полигон и гистограмма
1. Рассмотрим случай дискретной СВ.
Определение 1.2. Полигоном частот называется ломаная, отрезки ко-торой соединяют точки
Аналогично определяется полигон относительных частот ломаная, отрезки которой соединяют точки
Пример 1.1. Построить полигон относительных частот по данному распределению выборки
2 |
4 |
5 |
6 |
8 | |
10 |
40 |
20 |
15 |
15 |
Здесь 10 + 40 + 20 + 15 + 15 = 100.
Вычислим относительные частоты:
w
0,4
0,2
0,1
0 2 4 5 6 8 x
2. Случай непрерывного распределения выборки.
В этом случае весь интервал, в котором заключены все наблюдаемые значения исследуемого признака, разбивают на ряд частичных интервалов длины h и находят сумму частот вариант, попавших в i-й интервал.
Рекомендуется выбирать длину интервала по формуле
которая для часто встречающихся случаев п = 50 и п = 100 будет иметь вид исоответственно. Тогда получим не более 10 интервалов
что удобно для дальнейших вычислений.
Таким образом, мы получаем интервальный вариационный ряд сле-дующего вида
… | ||||
… |
Определение 1.3. Гистограммой частот называется ступенчатая фигура, состоящая из прямоугольников с основанием h и высотой плотность частоты.
Аналогично определяется гистограмма относительных частот .
Из определения следует, что гистограмма относительных частот приближенно определяет плотность распределения вероятности случай-ной величины.
Пример 1.2. По данным выборки построить гистограмму частот
-
i
1
10
2,5
2
20
5
3
50
12,5
4
12
3
5
8
2
Здесь 10 + 20 + 50 + 12 + 8 = 100, а
12,5
5,0
2,5
0 1 5 9 13 17 21 x
1.3. Эмпирическая функция распределения
Пусть известно статистическое распределение выборки. Введём обозна-чения: число вариант меньших x; n объём выборки.
Определение 1.4. Эмпирическая функция распределения определяется формулой .
В отличие от эмпирической функции распределения функциюназывают теоретической функцией распределения. При достаточно больших значенияхn эмпирическая функция близка к теоретической, что следует из теоремы
Теорема. Для любого значения варианты х и для любого имеет место
Таким образом, эмпирическая функция распределения выборки служит для оценки (приближенного выражения) теоретической функции распреде-ления генеральной совокупности.
Пример 1.3. Построить эмпирическую функцию распределения по данному распределению выборки.
2 |
3 |
5 | |
5 |
20 |
25 |
Здесь п = 5 + 20 + 25 = 50, а относительные частоты
Тогда получим:
1. Если , то
2. Если , то
3. Если , то
4. Если , то
1
0,5
0,1
0 2 3 5 х