- •Лекция 1. Предмет теории вероятностей и математической статистики и их роль в экономике и менеджменте
- •Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
- •Пространство элементарных событий.
- •Совместные и несовместные события.
- •Операции над событиями (сумма, разность, произведение).
- •Свойства операций над событиями.
- •Алгебра и сигма-алгебра событий.
- •Лекция 3. Методы определения вероятностей событий
- •Классическое определение вероятности события. Случаи равновероятных исходов.
- •Статистическое определение вероятности события. Случаи неравновероятных исходов.
- •Геометрические вероятности.
- •Аксиоматическое построение теории вероятностей.
- •Вероятностное пространство
- •Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
- •Условная вероятность.
- •Формула умножения вероятностей.
- •Формула сложения вероятностей.
- •Независимость событий.
- •Формула полной вероятности.
- •Формула Байеса
- •Основные понятия комбинаторики.
- •Правила суммы и произведения.
- •Лекция 5. Схема независимых испытаний Бернулли
- •Случай непостоянной вероятности появления события в опытах
- •Наивероятнейшее число наступления событий в схеме Бернулли.
- •Предельные теоремы для схемы Бернулли.
- •Теорема Пуассона.
- •Понятие потока событий.
- •Локальная теорема Муавра –Лапласа.
- •Интегральная (глобальная) теорема Муавра – Лапласа.
- •Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
- •Закон распределения дискретной случайной величины.
- •Функция распределения случайной величины и ее свойства.
- •Свойства функции распределения
- •Плотность распределения вероятностей.
- •Лекция 7. Основные параметры распределений одномерных случайных величин.
- •Математическое ожидание случайной величины
- •Свойства математического ожидания:
- •Дисперсия случайной величины и ее свойства.
- •Среднее квадратическое отклонение.
- •Лекция 8. Основные законы распределений случайных величин
- •Биномиальное распределение, его математическое ожидание и дисперсия.
- •Распределение Пуассона.
- •Геометрическое распределение
- •Гипергеометрическое распределение (урновая схема)
- •Равномерное распределение.
- •Показательное распределение.
- •Лекция 9. Нормальное распределение и его свойства
- •Свойства функции Гаусса.
- •Вероятность попадания нормальной случайной величины в заданный интервал.
- •Функция Лапласа и ее свойства.
- •О тклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- •Лекция 10. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двух случайных величин
- •Свойства совместной функции распределения двух случайных величин
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Независимые случайные величины
- •Для независимых случайных величин справедливы соотношения
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Лекция 11. Предельные теоремы теории вероятностей.
- •Неравенство Чебышева
- •Теорема Чебышева.
- •Центральная предельная теорема.
- •Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
- •Выборочный метод и его основные понятия. Случайная выборка и ее объем
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин.
- •Полигон и гистограмма
- •Лекция 13. Понятие о статистических оценках случайных величин Эмпирическая функция распределения
- •Важнейшие свойства статистических оценок
- •Надежность и доверительный интервал.
- •Лекция 14. Доверительные интервалы для математического ожидания и дисперсии Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- •. Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- •Лекция 15. Проверка статистических гипотез.
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки.
- •Критерий согласия Пирсона о виде распределения.
- •Лекция 16. (уир) Понятие о регрессионном анализе
- •Понятие о регрессионном анализе
- •Выборочные уравнения регрессии.
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель.
- •Обратная модель.
- •Степенная модель.
- •Показательная модель.
- •Лекция 17 (уир). Понятие о корреляционном анализе.
- •А. Парная корреляция
- •Б. Множественная корреляция
- •Лекция 18 (уир). Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода.
- •Равенство Маркова
- •Лекция 19 (уир). Цепи Маркова с непрерывным временем.
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Лекция 20 (уир). Системы массового обслуживания.
- •Расчет характеристик систем массового обслуживания Одноканальные модели а. Одноканальная модель с отказами
- •Б. Одноканальная модель с ожиданием
- •Многоканальные модели
Интегральная (глобальная) теорема Муавра – Лапласа.
Интегральная теорема Муавра-Лапласа содержит приближенную формулу для вероятности того, что событие появится не менее раз и не более раз.
Теорема. Вероятность того, что событие появится в испытаниях от до раз, приближенно равна определенному интегралу
,
где ;
.
Доказательство. На основании теоремы сложения вероятностей несовместных событий
.
Или, используя локальную теорему Лапласа,
,
Введем обозначение ,
И запишем в виде .
Очевидно, при величина и последняя сумма стремится к определенному интегралу:
,
что и требовалось доказать.
Введем стандартный интеграл Лапласа (функцию Лапласа):
,
который, очевидно, является первообразной функции Гаусса
.
Тогда на основании формулы Ньютона – Лейбница можно записать
.
Значения функций и обычно находятся из таблиц, причем таблицы обычно даны лишь для неотрицательных значений , поскольку – четная функция, а – нечетная.
Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
Одним из важнейших понятий теории вероятностей является понятие случайной величины.
Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.
Пример 1. Число родившихся мальчиков среди ста новорожденных – случайная величина, имеющая следующие возможные значения: 0, 1,… 100.
Пример 2. Расстояние, которое пролетит снаряд при выстреле из орудия, является случайной величиной, которая зависит не только от установки прицела, но и от силы и направления ветра, температуры, влажности и т.д. Возможные значения этой случайной величины принадлежат некоторому промежутку (a,b).
Случайная величина обычно обозначается прописной латинской буквой ( ), ее конкретные значения – строчными буквами ( ).
Более строгое формально-математическое определение случайной величины: случайной величиной называется функция , определенная на множестве элементарных событий , .
Случайные величины делятся на дискретные и непрерывные.
Дискретной (прерывной) называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным (счетное множество значений).
Непрерывной называют случайную величину, которая может принимать все значения из некоторого конечного или бесконечного промежутка. Очевидно, число возможных значений непрерывной случайной величины бесконечно.
Закон распределения дискретной случайной величины.
Соответствие между всеми возможными значениями дискретной случайной величины и их вероятностями, т.е. совокупность пар чисел ( ) называется законом распределения данной случайной величины.
Закон распределения можно задавать таблично, аналитически (в виде формулы) и графически. При табличном задании закона распределения первая строка таблицы содержит возможные значения, а вторая – их вероятности:
|
|
|
|
|
|
|
|
|
|
Так как в одном испытании случайная величина принимает одно и только одно возможное значение, то события образуют полную группу, в связи с чем сумма вероятностей этих событий равна единице:
Пример. Пусть всхожесть семян данного растения определяется вероятностью 0,6. Найти закон распределения X – числа появившихся растений из 5 посаженных семян. Решение: случайная величина X может принимать значения 0,1,2,…5. Задача описывается схемой испытаний Бернулли с . Таким образом и мы получим
|
0 |
1 |
2 |
3 |
4 |
5 |
|
0,01 |
0,077 |
0,230 |
0,345 |
0,259 |
0,0778 |