- •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
Основные понятия комбинаторики.
При решении ряда теоретических и практических задач требуется из конечного множества элементов по заданным правилам составлять различные комбинации и производить подсчет числа всех возможных таких комбинаций. Такие задачи принято называть комбинаторными.
При решении задач комбинаторики используют правила суммы и произведения.
Правила суммы и произведения.
Правило суммы – если элемент а может быть выбран способами, а элемент b – m способами, то один из этих элементов можно выбрать n+m способами.
Правило произведения – если элемент а может быть выбран способами и после каждого такого выбора элемент b можно выбрать m способами, то пару (ab) из этих элементов в указанном порядке можно выбрать nm способами.
Упорядоченные наборы, состоящие из k различных элементов, выбранные из n данных элементов, называются размещениями из n элементов по k. Размещения могут отличаться как элементами, так и порядком.
Теорема. Число всех размещений из n элементов по k вычисляется по формуле:
Действительно, первый элемент размещения может быть выбран n способами. Для каждого из этих вариантов есть n-1 способов расположения одного из оставшихся элементов на втором месте. Следовательно, по правилу произведения, имеется n*(n-1) различных способов выбора элементов на первых двух местах. Продолжая это рассуждение по индукции, получаем доказательство.
Пример: Различными размещениями множества из трех элементов {1,2,3} по два будут наборы (1,2), (2,1), (1,3), (3,1), (2,3), (3,2)
В частном случае k=n размещения называются перестановками .
Так как каждая перестановка содержит все n элементов множества, то различные перестановки отличаются друг от друга только порядком элементов и
Пример: Различными перестановками множества элементов {1,2,3} будут (1,2,3), (1,3,2), (2,3,1), (2,1,3), (3,2,1), (3,1,2)
Неупорядоченные наборы из k элементов, взятых из данных n элементов, называются сочетаниями из n элементов по k.
Теорема. Число сочетаний из n элементов по k вычисляется по формуле
Доказательство можно получить, учитывая, что сочетания отличаются от размещений тем, что в них не важен порядок следования заданных k элементов. Поэтому при равных n и k число сочетаний меньше числа размещений в k! раз.
Лекция 5. Схема независимых испытаний Бернулли
Серия повторных независимых испытаний, в каждом из которых данное событие имеет одну и ту же вероятность , не зависящую от номера испытания, называется схемой Бернулли. Таким образом, в схеме Бернулли для каждого испытания имеются только два исхода: событие (успех), вероятность которого и событие (неудача), вероятность которого .
Вероятность того, что событие наступит в испытаниях, определяется по формуле Бернулли
.
Пример. Вероятность поражения цели стрелком при одном выстреле равна 0,8. Найти вероятность того, что при 10 выстрелах цель будет поражена 8 раз. Ответ
Случай непостоянной вероятности появления события в опытах
Мы предполагали, что вероятность наступления события в каждом из опытов постоянна. На практике часто приходится встречаться с более сложным случаем, когда опыты производятся в неодинаковых условиях, и вероятность события от опыта к опыту меняется. Например, производится серия выстрелов при изменяющейся дальности.
Способ вычисления вероятности заданного числа появлений событий в таких условиях дает общая теорема о повторении опытов.
Пусть проводится независимых опытов, в каждом из которых может появиться или не появиться некоторое событие , причем вероятность появления этого события в -м опыте равна , а вероятность его не появления соответственно . Требуется найти вероятность того, что в результате опытов событие появится ровно раз.
Решение данной задачи проводится с помощью так называемой производящей функции, имеющей вид:
.
Для того чтобы найти вероятность появления события ровно раз в серии опытов, достаточно произвести перемножение сомножителей в производящей функции. Коэффициент при члене и даст искомую вероятность .
Пример. Производится 4 независимых выстрела по одной и той же цели с различных расстояний. Вероятности попадания при этих выстрелах равны соответственно
.
Найти вероятность трех попаданий.
Решение: Составим производящую функцию
Отсюда вероятность трех попаданий равна 0,040. Легко найти и вероятности ни одного, одного, двух и четырех попаданий, выписывая коэффициенты при и .