- •В.В. Нешитой
- •Введение
- •1. Основные понятия теории вероятностей и математической статистики
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •1.5. Теорема сложения вероятностей (несовместных событий)
- •1.6. Теорема умножения вероятностей (независимых событий)
- •1.7. Закон распределения дискретной случайной величины
- •1.8. Числовые характеристики дискретной случайной величины
- •1.8.1. Математическое ожидание
- •1.8.2. Свойства математического ожидания
- •1.8.3. Дисперсия дискретной случайной величины
- •1.8.4. Свойства дисперсии
- •1.8.5. Среднее квадратическое отклонение
- •1.8.6. Одинаково распределенные взаимно независимые случайные величины
- •1.8.7. Моменты (начальные, центральные) дискретной случайной величины
- •1.10.2. Плотность распределения
- •1.11. Числовые характеристики непрерывных случайных величин
- •1.12. Примеры непрерывных распределений
- •1.12.1. Нормальный закон
- •1.12.2. Показательный закон
- •1.12.3. Закон Вейбулла
- •1.13. Элементы математической статистики
- •1.13.1. Генеральная и выборочная совокупности. Вариационный ряд. Характеристики вариационного ряда
- •1.13.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •1.13.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •1.13.4. Метод моментов для точечной оценки параметров распределения
- •1.13.5. Метод наибольшего правдоподобия
- •2. Вероятностная модель текста и ее исследование
- •2.1. Понятие математического ожидания случайной функции, нового события и кривой роста новых событий
- •2.2. Математическое ожидание случайной функции и кривая роста новых событий. Связь с законами распределения вероятностей разных и новых событий
- •2.3. Установление статистической структуры выборки по кривой роста новых событий
- •2.4. Восстановление кривой роста новых событий по статистической структуре выборки
- •2.5. Построение систем кривых роста и непрерывных распределений новых событий
- •Построение систем кривых роста и непрерывных распределений новых событий
- •3. Обобщенные распределения. Системы непрерывных распределений
- •3.1. Методы построения обобщенных распределений
- •3.2. Построение системы непрерывных распределений методом обобщения
- •3.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •3.4. Распределения функций случайного аргумента
- •3.5. Три основные и три дополнительные системы непрерывных распределений в.Нешитого
- •3.6. Обобщение систем непрерывных распределений
- •3.6.1. Обобщение систем непрерывных распределений по первому варианту
- •Обобщение систем непрерывных распределений по первому варианту на базе четырехпараметрической плотности p(t)
- •3.6.2. Обобщение систем непрерывных распределений по второму варианту
- •Обобщение систем непрерывных распределений по второму варианту на базе четырехпараметрической плотности p(t)
- •4. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •4.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •4.2. Метод наибольшего правдоподобия
- •4.3. Классический метод моментов
- •4.3.3. Симметричные распределения Ic–iiIc типов
- •4.3.4. Критерии для классификации распределений по методу моментов
- •4.4. Универсальный метод моментов
- •4.4.1. Расширение трех систем непрерывных распределений
- •4.4.2. Законы распределения суммы независимых случайных величин
- •4.4.3. Центральная предельная теорема для трех систем непрерывных распределений
- •4.4.4. Законы распределения среднего выборочного
- •4.5. Устойчивый метод
- •5. Выравнивание и прогнозирование статистических распределений
- •5.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •5.2. Вычисление выравнивающей кривой распределения по статистическим данным
- •5.2.1. Выравнивание по классическому методу моментов
- •5.2.2. Выравнивание по универсальному методу моментов
- •5.2.3. Выравнивание по устойчивому методу
- •Показатели статистического распределения (snr2v08a)
- •Распределение 3-го типа с параметрами
- •5.2.5. Выравнивающее распределение среднего выборочного
- •5.3. Прогнозирование распределений
- •5.3.1. Первая система непрерывных распределений
- •5.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу (Расчет по данным обследования 90 тыс. Семейных бюджетов)
- •5.3.3. Показатели стабильности и качества выборки
- •5.4. Ранговые распределения
- •5.4.1. Форма представления ранговых распределений
- •5.4.2 Универсальный закон рассеяния публикаций
- •5.5.3. Универсальный закон старения публикаций
- •5.4.4. Ранговые распределения лексических единиц
- •6. Временные (динамические) ряды
- •6.1. Методы выделения тренда
- •6.2. Построение кривых роста для выравнивания временных рядов
- •6.2.1. Построение кривых роста с заданными свойствами
- •6.2.2. Метод обобщения
- •6.2.3. Кривые роста на базе обобщенных распределений
- •6.3. Оценивание параметров кривых роста
- •6.3.1. Уравнение прямой
- •6.3.2. Экспонента
- •6.3.3. Обобщенная кривая роста
- •6.4. Прогнозирование временных рядов
- •6.4.1. Параметрический метод прогнозирования
- •6.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Приложения Приложение 1
- •Приложение 2
- •Приложение 5 Основные сведения о программах
- •Литература
- •Содержание
- •Математико-статистические
- •Методы анализа
- •В библиотечно-информационной
- •Деятельности
1.4. Основные формулы комбинаторики
Используются для вычисления вероятностей событий.
Перестановки – комбинации из n различных элементов, отличающиеся лишь порядком. Число перестановок вычисляется по формуле
.
Число перестановок из n элементов по m, где каждый элемент может использоваться от 0 до m раз, равно
.
Например, при n=2, m=8 Pn,m=28 =256.
Размещения – комбинации из n различных элементов по m элементов, которые различаются либо составом элементов, либо их порядком
.
Сочетания – комбинации из n различных элементов по m элементов, различающиеся хотя бы одним элементом
.
При этом , откуда следует, что 0! = 1.
Пример.
В партии из N деталей М стандартных. Выбираются n деталей. Требуется найти вероятность того, что m деталей будут стандартными.
Решение. Общее число возможных исходов равно числу способов, которыми можно взять n деталей из N. Это число равно числу сочетаний из N по n, т.е. .
Найдем далее число благоприятствующих исходов. Поскольку m стандартных деталей выбираются из общего их числа М, то число таких комбинаций равно . Остальныеn-m нестандартных деталей выбираются из N–M нестандартных деталей – это комбинаций. Число благоприятствующих исходов равно произведению. Следовательно,
.
Это – известное гипергеометрическое распределение.
1.5. Теорема сложения вероятностей (несовместных событий)
Пусть А и В – несовместные события. Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий
Р(А+В)=Р(А)+Р(В).
Для нескольких несовместных событий имеем
.
Для совместных событий
,
где Р(АВ) – вероятность совместного появления событий А и В.
1.6. Теорема умножения вероятностей (независимых событий)
Вероятность произведения (совмещения) двух независимых событий равна произведению вероятностей этих событий
Р(АВ)=Р(А)Р(В).
Вероятность произведения двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое имело место
Р(АВ)=Р(А)Р(В/А)=Р(В)Р(А/В).
Пример. В урне 2 белых и 3 черных шара. Вынимаем подряд 2 шара. Какова вероятность того, что оба шара белые, т.е. А=А1А2.
Решение. А1 – появление белого шара при первом испытании; А2 – появление белого шара при втором испытании.
.
Следствие теоремы умножения вероятностей.
Вероятность появления хотя бы одного события из событий А1, А2,…,Аn, независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий
.
В частном случае, при
.
Пример. Вероятности попадания в цель каждого из трех стрелков равны: р1=0,8; р2=0,7; р3=0,9. Найти вероятность хотя бы одного попадания при одном залпе.
Решение. Вероятности промахов равны:
. Следовательно,
.
1.7. Закон распределения дискретной случайной величины
Для случайных величин приняты обозначения Х, Y, Z,…
Возможные значения случайной величины Х обозначаются строчными буквами х1, х2,…, хn.
Дискретной называют случайную величину, которая принимает отдельные изолированные возможные значения с определенными вероятностями (например, число отказавших приборов) в отличие от непрерывной случайной величины, возможные значения которой непрерывно заполняют некоторый промежуток (например, время безотказной работы прибора).
Возможные значения прерывных (дискретных) величин могут быть заранее перечислены, а непрерывных – не могут быть перечислены.
Закон распределения случайной величины – это всякое соотношение, устанавливающее взаимосвязь между возможными значениями случайной величины и их вероятностями. При этом сумма вероятностей всех возможных значений случайной величины равна единице.
Закон распределения случайной величины можно задать таблично, аналитически и графически:
а) табличная форма задания закона распределения в виде ряда распределения
-
Х
х1
х2
…
хn
р
р1
р2
…
рn;
б) аналитическая форма ;
в) графическая форма – в виде многоугольника распределения.
На оси абсцисс откладываются значения случайной величины и строятся отрезки, равные по высоте вероятностям. Вершины отрезков для наглядности соединяются ломаной.