- •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
Свойства операций над событиями.
Некоторые свойства операций над событиями постулируются, другие легко могут быть получены с помощью диаграмм Венна. Приведем без доказательства основные из этих свойств.
Алгебра и сигма-алгебра событий.
Пусть является пространством всех элементарных исходов для какого-нибудь случайного эксперимента, каждому результату которого соответствует ровно одна точка . Выделим совокупность подмножеств множества и потребуем, чтобы содержало как случайные события , так и события, полученные в результате применения любой из операций к любым элементам системы.
Совокупность случайных событий (подмножеств множества ), определенных на пространстве элементарных исходов , называется алгеброй событий (или булевой алгеброй), если выполнены следующие условия:
;
Если и , то для любых и ;
Если , то .
Оказывается, что условий 1 – 3 достаточно для того, чтобы любое конечное число других операций над случайными событиями не выводило бы нас за пределы алгебры . Для экспериментов с конечным числом исходов множество всех подмножеств , включающее пустое множество , составляет алгебру. Поэтому для таких экспериментов любое подмножество множества может интерпретироваться как наблюдаемое событие.
Во многих задачах теории вероятностей приходится иметь дело и с бесконечным числом элементарных исходов и, следовательно, операций. Это потребовало введения понятия -алгебры событий .
Система подмножеств множества , называется -алгеброй, если она удовлетворяет следующим условиям:
;
Если , то и
Если , то .
Таким образом, счетное число операций суммирования или перемножения событий не выводит результирующее событие за пределы –алгебры.
Лекция 3. Методы определения вероятностей событий
Вероятность является количественной мерой возможности появления события. Наиболее широкое распространение получили два определения вероятности события: классическое и статистическое.
Классическое определение вероятности события. Случаи равновероятных исходов.
Классическое определение вероятности связано с определением благоприятствующего исхода. Исход называется благоприятствующим данному событию, если его появление влечет за собой наступление этого события. Вероятность события равна отношению числа равновозможных благоприятствующих элементарных исходов к общему числу всех равновозможных элементарных исходов данного испытания:
,
где – число благоприятствующих событию исходов;
– общее число возможных исходов.
Примеры:1. Кубик, 2. Какова вероятность того, что в произвольном двузначном числе две цифры одинаковы (9/90 = 0.1), 3. Из букв слова “дифференциал” выбирается одна буква. Какова вероятность того, что это а) гласная, б) буква “ф”.
Из определения вероятности события следует, что , поэтому всегда выполняются неравенства , т.е. вероятность любого события есть неотрицательное число, не превышающее единицы.
Если , то событие невозможное.
Если , то событие достоверное.
Равновозможные элементарные события являются равновероятными, т.е. обладают одной и той же вероятностью.
Теорема. Эквивалентные события имеют одинаковые вероятности, т.е. если , то .
Доказательство. Действительно, каждый элементарный исход события является таким же элементарным исходом для события и наоборот. В силу формулы справедливо равенство .
Если событие происходит всякий раз после того, как произошло событие , то говорят, что из события следует событие ( ). Например, для любых двух событий и справедливо и .
Теорема. Если , то .
Доказательство. Пусть и – число благоприятных элементарных исходов соответственно для событий и , а – общее число элементарных исходов. Так как каждый элементарный исход для события является также элементарным исходом для события , то и, следовательно, . Пример: выпадение четного числа очков более вероятно, чем выпадение двойки.
Теорема. Вероятность события , противоположного событию равна
.
Доказательство. Пусть полная система равновозможных элементарных исходов содержит событий, из которых ( ), благоприятны событию . Тогда исходов неблагоприятны событию , т.е. благоприятствуют событию . Таким образом,
.
Классическое определение вероятности предполагает, что
число элементарных исходов конечно;
эти исходы равновозможны.
Однако на практике встречаются испытания с бесконечным числом возможных исходов. Кроме того, нет общих методов, позволяющих результат испытания, даже с конечным числом исходов, представить в виде суммы равновозможных элементарных исходов. Поэтому применение классического определения вероятности весьма ограничено. Пример: кубик со смещенным центром тяжести.