
- •Лекция 1. Основные понятия теории вероятности
- •Вопросы для самопроверки
- •Лекция 2. Теоремы о вероятностях
- •Теорема умножения вероятностей
- •Краткая классификация событий
- •Теорема о полной вероятностей
- •Теорема (формула) Байеса
- •Теорема сложения вероятностей
- •Принцип практической невозможности редких событий
- •Вопросы для самопроверки
- •Лекция 3. Случайные величины
- •Дискретная случайная величина
- •Числовые характеристики случайных величин
- •Характеристики положения
- •Характеристики разброса
- •Характеристики формы
- •Свойства математического ожидания
- •Свойства дисперсии
- •Правило "3-х сигм"
- •Вопросы для самопроверки
- •Лекция 4. Распределение Бернулли, Пуассона, Лапласа Распределение Бернулли
- •Биномиальные коэффициенты
- •Распределение Пуассона
- •Вопросы для самопроверки
- •Лекция 5. Распределение Лапласа
- •И нтегральная теорема Лапласа
- •Три основных формы интегральной теоремы Лапласа
- •Вопросы для самопроверки
- •Лекция 6. Непрерывная случайная величина
- •Нормальный закон распределения Гаусса
- •Показательный или экспоненциальный закон распределения
- •Квантили распределения
- •Вопросы для самопроверки
- •Лекция 7. Предельные теоремы теории вероятностей
- •Закон больших чисел
- •Центральная предельная теорема
- •Композиция распределений случайных величин
- •Функции случайного аргумента
- •Вопросы для самопроверки
- •Лекция 8. Система случайных величин
- •Закон распределения дискретной двумерной случайной величины
- •Характеристики дискретной двумерной случайной величины
- •Закон распределения непрерывной двумерной случайной величины
- •Характеристики непрерывной двумерной величины
- •Двумерный нормальный закон
- •Вопросы для самопроверки
- •Лекция 9. Проблемы математической статистики
- •Способы составления выборочных подсовокупностей
- •Статистичекое оценивание
- •Вопросы для самопроверки
- •Лекция 10. Свойства статистических оценок
- •Оценка параметров распределения
- •Статистические критерии
- •Вопросы для самопроверки
- •Лекция 11. Критерии согласия Критерий согласия Пирсона
- •Критерий согласия Колмогорова – Смирнова
- •Интервальные оценки характеристик и параметров
- •Вопросы для самопроверки
- •Лекция 12. Проверка статистических гипотез Распределение Стьюдента
- •Интервальная оценка для математического ожидания
- •Проверка гипотезы о равенстве центров двух совокупностей
- •Сравнение двух дисперсий
- •Вопросы для самопроверки
- •Лекция 13. Дисперсионный анализ
- •Ранговый дисперсионный анализ Краскала–Уоллиса
- •Время появления реакции в 4-х группах
- •Ранжированнае данные
- •Дополнение к выводу формул Краскала–Уоллиса
- •Вопросы для самопроверки
- •Лекция 14. Регрессионный анализ
- •Метод наименьших квадратов (мнк)
- •Пример расчета мнк-оценок параметров
- •Оценка тесноты принятой формы связи.
- •Однофакторная линейная зависимость
- •Нелинейные двухпараметрические модели
- •Вопросы для самопроверки
- •Лекция 15. Проблема значимости и адекватности регрессионной модели Оценка значимости регрессионной модели
- •Оценка значимости корреляционной связи
- •Проверка адекватности модели
- •Коэффициент ранговой корреляции Спирмена
- •Вывод формулы для коэффициента ранговой корреляции Спирмена
- •Вопросы для самопроверки
- •Лекция 16. Линейный регрессионный анализ в стандартизованных переменных
- •Способы составления многофакторных моделей
- •Коэффициенты частной корреляции
- •Вывод формул для дисперсий коэффициентов регрессии и расчетных значений
- •Вопросы для самопроверки
Вопросы для самопроверки
1. Сформулируйте задачу Бернулли, приведите ее другие названия.
2. Опишите особенности распределения Бернулли в зависимости от ее параметров.
3. Приведите расчетные формулы для основных характеристик распределения Бернулли.
4. Укажите область применения асимптотических формул Пуассона и Лапласа.
5. Приведите формулу Пуассона и укажите область применения этого распределения. Что такое "реккурентная формула"?
6. Опишите особенности распределения Пуассона в зависимости от параметра.
7. Приведите расчетные формулы для основных характеристик распределения Пуассона.
Лекция 5. Распределение Лапласа
Для n > 30, nр 5, nq 5 распределение Бернулли практически точно аппроксимируется асимптотической формулой Лапласа:
,
где
обозначено
.
Эта аппроксимация называется "локальной теоремой Лапласа".
На рис. 5.1. для сравнения приведены полигоны распределений Бернулли и Лапласа для р = 0,3; n = 10 и n = 20. Даже для таких небольших значений n соответствие очень хорошее (здесь np = 3 и np = 6) .
|
|
Рис. 5.1. Сравнение распределений Бернулли и Лапласа
Функция (t) – затабулирована и называется "дифференциальной функцией Лапласа", или же функцией "стандартизованного нормального распределения Гаусса". Дело в том, что (как выяснилось впоследствии) Лаплас открыл частный случай более общего закона природы, который Гаусс назвал "нормальным". Так получилось, что в русском языке слово "нормальный" имеет совершенно другой смысл, чем для немца Гаусса, но это новое понятие не противоречит сути, поскольку "нормальное распределение" действительно является неким стандартным устойчивым законом природы, к которому при определенных условиях приближаются другие законы распределения.
Ф
ункция
(t)
имеет некоторые особенности, которые
учтены при составлении таблиц. Во-первых,
эта функция – четная, (график ее
симметричен относительно оси ординат),
поэтому таблицы составлены только для
неотрицательных значений t;
для отрицательных t
используется
соотношение четности (–t) = (t).
Во-вторых, функция – неотрицательна и
имеет горизонтальную асимптоту – ось
абсцисс; иными словами, при увеличении
t значения
(t)
приближаются к нулю, поэтому таблицы
составлены только до значений t 5;
так: (3) = 0,00443;
(4) = 0,00013;
(5) = 0,00001;
для больших значений аргумента
(t) 0.
Максимальное значение функции достигается
при t =0
и равно (0) = 0,3989.
Характерные особенности дифференциальной
функции Лапласа изображены на рис. 5.2.
И нтегральная теорема Лапласа
Для
больших n
вычисление
вероятностей отдельных значений m
лишено особого смысла, т.к. даже для
самого вероятного значения – моды
получается
– очень малое число при большом n.
В
практических задачах для больших n
требуется находить вероятности попадания
случайной величины в некоторые интервалы
P(m1 m m2),
т.е. вычислять вероятности не одного
значения m,
а вероятности всех целых значений m
из интервала
[m1 ,
m2]:
.
Рассмотрим приращение tm при увеличении m на единицу:
.
Оказывается,
.
Лаплас
ввел и затабулировал функцию
,
которая называется "интегральной
функцией Лапласа".
Теперь
вероятность попадания случайной величины
m в
интервал [m1 , m2]
можно записать, как разность значений
интегральной функции Лапласа на краях
этого интервала:
.
Это утверждение называется "интегральной теоремой Лапласа".
Ф
ункция
Ф(t)
имеет некоторые особенности, которые
учтены при составлении таблиц. Во-первых,
эта функция – нечетная, (график ее
центрально симметричен относительно
начала ординат), поэтому таблицы
составлены только для неотрицательных
значений t;
для отрицательных t
используется
соотношение нечетности Ф(–t) = –Ф(t).
Во-вторых, функция Ф(t)
– возрастающая и имеет горизонтальные
асимптоты – Фmin = –0,5
и Фmax = 0,5;
иными словами, при увеличении t
значения Ф(t)
приближаются к 0,5, поэтому таблицы
составлены только до значений t 5;
так: Ф(3) = 0,49865; Ф(4) = 0,49997;
Ф(5) = 0,5000; для еще больших значений
аргумента Ф(t) = 0,5.
Значение функции при t =0
равно нулю Ф(0) = 0. Характерные
особенности интегральной функции
Лапласа изображены на рис. 5.3.