- •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. Разъясните понятие "случайное событие".
2. Что такое "вероятность"?
3. Какие известны способы определения вероятности?
4. Что такое "невозможное событие"?
5. Что такое "универсум", привести синонимы.
6. Что такое "совместные" и "несовместные" события?
7. Перечислить основные операции с событиями.
8. Что такое "противоположные события", как связаны их вероятности?
9. Что такое "полная группа несовместных событий"?
10. Как геометрически изображаются события с разной вероятностью?
11. Что такое "элементарные исходы"?
12. Привести статистическое определение вероятности.
13. Привести классическое определение вероятности.
14. Какие есть еще способы определения вероятностей?
15. Сформулировать аксиому сложения.
16. Что такое "условная вероятность"?
17. Что такое "независимые события"
Лекция 2. Теоремы о вероятностях
Вероятности исходных простых событий определяются одним из описанных выше способов (см. лекцию 1), вероятности прочих утверждений уже рассчитываются с помощью теорем.
Теорема умножения вероятностей
Проще всего эта теорема формулируется и доказывается для частного случая независимых событий:
Вероятность совместного появления нескольких независимых событий равна произведению их вероятностей р(АВ) = рАрВ .
Н
а
студенческом жаргоне теорема формулируется
так: "Вероятность произведения событий
равна произведению их вероятностей"
– запоминается легче, но требуются
дополнительно пояснить смысл словосочетания
"произведение событий", и уточнить,
для всех ли событий справедливо такое
утверждение.
Рассмотрим две урны с разным количеством шаров (n1 и n2) и разным количеством белых шариков (m1 и m2) среди них (рис. 2.1). Достаем по одному шарику из каждой урны. Какова вероятность, что они оба белые?
Общее количество элементантарных исходов при извлечении шаров одновременно из двух урн равно n = n1 n2 (каждый шарик из 1-й урны сочетается с каждым шариком из второй урны). Число элементарных исходов, при которых появляются два белых шарика, равно m = m1 m2 (каждый белый шарик из 1-й урны сочетается с каждым белым шариком из второй урны). Обозначим через А – появление белого шарика из 1-й урны, через В – из 2-й. Эти события – независимые. Тогда получается
(утверждение теоремы умножения вероятностей для независимых событий).
Для зависимых событий теорема умножения формулируется так:
Вероятность совместного появления двух событий равна произведению вероятности одного из них на условную вероятность другого.
p(AB) = p(A)p(B|A) или p(AB) = p(B)p(A|B)
Сразу отметим, что выражения "одно и другое событие" не эквивалентно понятиям "первое и второе событие" – здесь порядок не важен.
Р
ассмотрим
следующий набор элементарных исходов
(рис. 2.2). Общее их количество – n,
из них в m
исходах появляется признак А, в k
исходах появляется признак В, в l
исходах появляются совместно А и В.
Вероятности этих событий: pA = m/n , pB = k/n , pAB = l/n .
Что означает отношение l/m ? В знаменателе дроби стоит количество исходов с признаком А, а в числителе – сколько из этих исходов дополнительно имеют признак В. Следовательно, указанное отношение представляет собой условную вероятность pB|A = l/m . Аналогично, pА|В = l/k .
Тогда получаем: pAB = l/n = m/n l/m = pApB|A .
Аналогично: pAB = l/n = k/n l/k = pBpA|B .
Что и требовалось доказать.
Внешний вид теоремы умножения зависит от типа событий.
