- •Курс лекций
- •2. Решение волнового уравнения методом Фурье
- •Кратные интегралы Лекция № 51. Тема 1: Определение кратного интеграла
- •1.1. Задачи, приводящие к понятию кратного интеграла
- •1.2. Определение кратного интеграла и его основные свойства
- •Тема 2: Двойной интеграл
- •2.1. Определение двойного интеграла
- •2.2. Вычисление двойного интеграла.
- •Лекция № 52
- •2.3. Замена переменных в двойном интеграле.
- •2.4. Двойной интеграл в полярной системе координат
- •2.5. Приложения двойного интеграла
- •. Лекция № 53
- •Лекция № 54. Тема 3 : Тройной интеграл
- •3.1. Определение и вычисление тройного интеграла
- •3.2. Замена переменных в тройном интеграле
- •3.3. Приложения тройного интеграла
- •Лекция № 55. Тема 4 : Криволинейные интегралы
- •4.1. Криволинейные интегралы первого рода или по длине дуги
- •4.2. Криволинейные интегралы второго рода или по координатам
- •Лекция № 56.
- •4.3. Формула Грина
- •4.4. Условие независимости криволинейного интеграла второго рода от пути интегрирования
- •Тема 5 : Поверхностные интегралы
- •5.1. Поверхностные интегралы первого рода
- •5.2. Поверхностные интегралы второго рода
- •5.3. Приложения поверхностных интегралов
- •Лекция № 57. Тема 6 : Элементы теории поля
- •6.1. Понятие поля
- •6.2. Формула Гаусса Остроградского
- •6.3. Формула Стокса
- •Теория вероятностей Лекция № 58. Тема 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
- •Лекция № 59
- •1.5. Элементы комбинаторики
- •1. Перестановки.
- •2. Сочетания.
- •3. Размещения.
- •1.6. Классическое определение вероятности
- •1.7. Аксиоматическое определение вероятности
- •Лекция № 60. Тема 2 : Основные теоремы теории вероятностей
- •2.1. Теорема умножения вероятностей
- •2.2. Теорема сложения вероятностей
- •2.3. Формула полной вероятности
- •2.4. Формула Бейеса
- •Лекция № 61. Тема 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
- •Лекция № 62. Тема 4 : Случайные величины и функции распределения
- •4.1. Случайные величины
- •4.2. Функция распределения вероятностей для дискретной св
- •4.3. Непрерывная св. Функция распределения
- •Лекция № 63. Тема 5 : Числовые характеристики св
- •5.1. Математическое ожидание св
- •5.2. Дисперсия и среднее квадратическое отклонение св
- •5.3. Понятие о моментах св
- •Лекция № 64. Тема 6 : Основные законы распределения случайных величин
- •6.1. Дискретные законы распределения
- •6.1.1. Биномиальное распределение
- •6.1.2. Распределение Пуассона
- •6.1.3. Геометрическое распределение
- •6.2. Непрерывные законы распределения
- •6.2.1. Равномерное распределение
- •6.2.2. Показательное распределение
- •Лекция № 65
- •6.2.3. Нормальное распределение
- •Тема 7 : Закон больших чисел
- •Лекция № 66. Тема 8 : Многомерные случайные величины
- •8.1. Многомерные св и их функции распределения
- •8.2. Числовые характеристики двумерной случайной величины
- •Элементы математической статистики Лекция № 67. Введение
- •1. Предмет математической статистики
- •Тема 1: Статистические законы распределения выборки
- •1.1. Полигон и гистограмма
- •1.2. Эмпирическая функция распределения
- •Тема 2 : Статистические оценки параметров распределения
- •2.1. Точечные оценки
- •2.2. Интервальные оценки
- •Лекция № 68
- •Тема 3 : Проверка статистических гипотез. Критерий согласия Пирсона
- •Тема 4 : Элементы теории корреляции
- •4.1. Статистические зависимости
- •4.2. Линейная регрессия
- •4.3. Корреляционная таблица
- •4.4. Выборочный коэффициент корреляции
- •Теория функций комплексной переменной Лекция № 69. Определение функции комплексной переменной
- •1.1. Комплексные числа и действия над ними
- •1.2. Тригонометрическая и показательная формы записи
- •1.3. Определение функции комплексной переменной
- •Лекция № 70
- •1.3. Предел и непрерывность функции комплексной переменной
- •Тема 2 : Ряды с комплексными членами
- •2.1. Числовые ряды
- •2.2. Степенные ряды
- •2.3. Основные элементарные функции комплексной переменной
- •Лекция № 71. Тема 3 : Производная функции комплексной переменной
- •3.1. Определение производной
- •3.2. Гармонические функции
- •Тема 4 : Интеграл от функции комплексной переменной
- •4.1. Определение интеграла
- •4.2. Основная теорема Коши
- •Лекция № 72
- •4.3. Интегральная формула Коши
- •4.4. Производные высших порядков от аналитической функции
- •4.5. Ряд Тейлора
- •. . . . .
- •4.6. Ряд Лорана
- •Лекция № 73
- •Тема 5 : Вычеты
- •5.1. Изолированные особые точки аналитической функции
- •5.2. Определение вычета
- •5.3. Основная теорема о вычетах
- •5.4. Приложение вычетов к вычислению интегралов
- •Операционное исчисление Лекция № 74. Тема 1 : Оригинал и изображение
- •1.1. Определение оригинала и изображения
- •1.2. Изображения некоторых функций
- •Тема 2 : Основные теоремы операционного исчисления
- •2.1. Теоремы подобия, запаздывания и смещения
- •Лекция № 75.
- •3.2. Приложение операционного исчисления к задачам техники
- •С о д е р ж а н и е
Элементы математической статистики Лекция № 67. Введение
1. Предмет математической статистики
Определение 1. Математической статистикой называется раздел мате-матики, изучающий методы получения, описания и обработки закономер-ностей массовых случайных событий.
Основной метод изучения случайных величин в математической ста-тистике является выборочным. Его идея состоит в том, что о тех или иных свойствах генеральной совокупности (общая совокупность объектов) судят на основании изучения свойств выборочной совокупности (выборки).
Пусть генеральная совокупность состоит из N объектов, подлежащих изучению относительно некоторой случайной величины X (размер, вес, брак и т.д.). Из этой совокупности берётся выборка объёма n и подвергается сплошному исследованию, т.е. находятся значения исследуемого приз-нака всех объектов, входящих в выборку. По результатам такого иссле-дования судят о всей генеральной совокупности.
К основным задачам математической статистики относятся:
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 относительно закона распределения случайной величины. Например, что случайная величина имеет нормальное распределение.
4. По данным наблюдений случайных величин Х и Y оценить степень связи между ними. Например, что между ними имеется практически линейная связь.
Тема 1: Статистические законы распределения выборки
1.1. Полигон и гистограмма
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 2. Статистическим распределением выборки называется перечень вариант и соответствующих им частот.
… | ||||
… |
Если варианты выборки расположены в возрастающем порядке, то такое статистическое распределение называется вариационным рядом.
1. Рассмотрим случай дискретной случайной величины.
Определение 3. Полигоном частот называется ломаная, отрезки которой соединяют точки:
Аналогично определяется полигон относительных частот.
Пример 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, а
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 признака, разбивают на ряд частичных интервалов длины h и находят - сумму частот вариант, попавших вi-ый интервал.
Определение 4. 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 2. По данным распределения 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