
- •Содержание
- •Введение
- •Глава 1 Основные понятия.
- •1.1Вводные понятия.
- •1.2Непосредственный подсчёт вероятностей
- •1.3Частота или статическая вероятность.
- •Глава 2Аксиоматика теории вероятности. Правила умножения и сложения и их свойства.
- •2.1Элементарные сведения из теории множеств.
- •2.2Аксиомы теории вероятностей и их следствия. Правило сложения вероятностей.
- •2.3Комбинаторика. Классические модели. Примеры.
- •2.4Геометрическая модель.
- •2.5Условная вероятность события. Правило умножения вероятностей.
- •2.6Формула полной вероятности.
- •2.7Теорема гипотез (Формула Бейеса).
- •Глава 3Случайные величины, их законы распределения.
- •3.1Понятие случайной величины. Законы распределения. Ряд распределения дискретной случайной величины.
- •3.2Функция распределения случайной величины. Её свойства.
- •3.3Функция распределения дискретной с. В. Индикатор события.
- •3.4Непрерывная случайная величина. Плотность распределения.
- •Глава 4Числовые характеристики случайных величин.
- •4.1Роль и назначение числовых характеристик. Математическое ожидание случайной величины.
- •4.2 Моменты. Дисперсия. Среднее квадратичное отклонение.
- •Глава 5Некоторые важные для практики распределения дискретных с. В.
- •5.1Аппарат производящей функции.
- •5.2Испытания Бернулли.
- •5.3Биноминальное распределение.
- •5.4Распределение Пуассона.
- •5.5Геометрическое распределение.
- •5.6Гипергеометрическое распределение.
- •Глава 6Некоторые важные для практики распределения непрерывных случайных величин.
- •6.1Равномерное распределение.
- •6.2Показательное распределение.
- •6.3Нормальное распределение.
- •6.4Гамма - распределение и распределение Эрлана.
- •Глава 7Системы случайных величин (случайные векторы).
- •7.1Понятие о системе случайных величин.
- •7.2Функция распределения системы двух случ. Величин.
- •7.3Система двух дискретных случ. Величин. Матрица распределения.
- •7.4Система двух непрерывных случ. Величин. Совместная плотность распределения.
- •7.5Зависимые и независимые случ. Величины. Условные законы распределения.
- •7.6Числовые характеристики системы двух с.В. Ковариация и коэффициент корреляции.
- •7.7Условные числовые характеристики системы случайных величин (х,у). Регрессия.
- •7.8Закон распределения и числовые характеристики n-мерного случайного вектора.
- •Лекции « Теория вероятности и математическая статистика »
- •Раздел 2
- •«Математическая статистика.» Глава 8Основы математической теории выборочного метода.
- •8.1Понятие о выборочном методе. Способы образования выборочной совокупности.
- •8.2Характеристики генеральной и выборочной совокупности.
- •8.3Эмпирическая функция распределения.
- •Глава 9Статистическое оценивание параметров распределения.
- •9.1Понятие об оценке параметров.
- •9.2Основные свойства оценок.
- •1) Несмещенность
- •2) Эффективность
- •3) Состоятельность
- •9.3Оценка математического ожидания и дисперсии по выборке.
- •9.4Метод наибольшего правдоподобия.
- •9.5Распределение средней арифметической для выборок из нормальной совокупности. Распределение Стьюдента.
- •9.6Распределение дисперсии в выборках из нормальной генеральной совокупности. Распределение Пирсона.
- •9.7Понятие доверительного интервала. Доверительная вероятность.
- •9.8 Построение доверительного интервала для математического ожидания при известной .
- •9.9Построение доверительного интервала для математического ожидания при неизвестной .
- •9.10Построение доверительного интервала для дисперсии.
- •Глава 10Проверка статистических гипотез.
- •10.1Понятие статистической гипотезы. Общая постановка задачи проверки гипотез.
- •10.2Проверка гипотезы о равенстве центров распределений двух нормальных генеральных совокупностей при известном .
- •10.3Проверка гипотезы о равенстве центров распределения нормальных генеральных совокупностей при неизвестном .
- •10.5Проверка гипотез о законе распределения. Критерий согласия .
- •10.6Вычисление объёма выборки.
- •Глава 11Основы дисперсионного анализа.
- •11.1Основная идея дисперсионного анализа.
- •11.2Однофакторный комплекс.
- •11.3Двухфакторный комплекс.
- •11.4Дисперсионный анализ с равным числом наблюдения в ячейке.
- •11.5Дисперсионный анализ с неравным числом наблюдений в ячейке.
- •Глава 12Основы корреляционного анализа.
- •12.1О связях функциональных, стохастических, статистических и корреляционных.
- •12.2Определение формы связи. Понятие регрессии.
- •12.3 Поле корреляции.
- •12.4Линейная регрессия. Понятие о способе наименьших квадратов.
- •12.5Кривые регрессии. Нелинейная регрессия.
- •12.6Измерение тесноты связи. Эмпирическое корреляционное отношение.
Глава 7Системы случайных величин (случайные векторы).
7.1Понятие о системе случайных величин.
Примеры систем с. в.:
1. Точка приземления космического аппарата (Х- широта, У- долгота)
(Х, У) – система с.в.
2. Успеваемость студента характеризуется системой из n случайных величин Х1, Х2, …, Хn – оценками по пятибалльной системе.
3. и т. д.
Геометрически систему (Х, У) можно изобразить совокупностью точек с координатами Х и У.
Опр. Случайным вектором системы (Х, У) называется вектор, начинающийся в начале координат заканчивающийся в точке с координатами (Х,У).
Аналогично:
7.2Функция распределения системы двух случ. Величин.
Опр. Функцией распределения (или «совместной функцией распределения») системы двух случ. величин (Х,У) называется вероятность выполнения двух неравенств:
X<x; Y<y: F(x,y) = P{ X<x; Y<y}
С
войства
функции распределения:
1. F(x,y) – неубывающая функция обоих аргументов, т.е.
при х2>x1 F(x2,y) F(x1,y)
при y2>y1 F(x,y1) F(x,y2)
2. Если хотя бы один из аргументов обращается в -, функция распределения равна нулю:
F(x, -)=F(-,y)=F(-,-)=0
3. Если оба аргумента равны +, функция распределения равна единице:
F(+,+)=1
4. Если один из аргументов обращается в +, функция распределения F(x,y) становится равной функции распределения случ. величины соответствующей другому аргументу:
где F1(x) и F2(у) – функции распределения с.в. Х и У соответственно:
F1(x)=P{X<x} F2(y)=P{Y<y}
7.3Система двух дискретных случ. Величин. Матрица распределения.
Х: { x1, x2,…, xn} Y: { y1, y2,…, ym}
Pij=P{X=xi; Y=yj}
Опр. Матрицей распределения двух дискретных сл. величин называется прямоугольная таблица, в которой записаны все вероятности pij(i=1, …,n; j=1,…,m).
7.4Система двух непрерывных случ. Величин. Совместная плотность распределения.
Опр. Система двух с.в. называется
непрерывной, если её функция
распределения F(x,y)
есть непрерывная функция, дифференцируемая
по каждому из аргументов, у которой
существует вторая смешанная производная
.
Обе составляющие системы Х и У представляют собой непрерывные с. величины.
Опр. Плотностью распределения (совместной плотностью) для системы двух непрерывных с.в. (Х,У) назовем предел отношения вероятности попадания случайной точки (Х,У) в элементарный прямоугольник, примыкающий к точке (х,у), к площади этого прямоугольника, когда оба эти размера стремятся к нулю.
Свойства плотности распределения:
f (x,y) 0
Опр. Геометрически совместная плотность f(x,y) системы двух с.в. (Х,У) изображается поверхностью распределения.
Опр. Элементом вероятности называется вероятность попадания с.в. (Х,У) в элементарный прямоугольник со сторонами dx и dy.
P{(x,y)dS}=f(x,y)dxdy
Замечание:
Для того, чтобы получить плотность распределения одной из величин, входящих в систему, надо проинтегрировать совместную плотность в бесконечных пределах по аргументу, соответствующему другой случайной величине.
7.5Зависимые и независимые случ. Величины. Условные законы распределения.
Опр. Две с.в. Х и У называются независимыми, если независимы все связанные с ними события.
Замечание: Так как зависимость и независимость событий всегда зависимы, то зависимость и независимость с.в. также всегда взаимны.
Другое опр. Две с.в. называются независимыми, если закон распределения каждой из них не зависит от того, какое значение приняла другая.
Функция распределения:
F(x,y)=P{X<x; Y<y}=P{X<x}P{Y<y}, т.к. {X<x} и {Y<y} независимы
pij=P{X=xi}P{Y=yj}=pxipyj
Плотность распределения независимых с.в.:
где f1(x) – плотность распределения с.в. Х
f2(x) - плотность распределения с.в. У
Опр. Уловным законом распределения одной из величин (Х,У), входящих в систему, называется её закон распределения, вычисленный при условии, что другая с.в. приняла определенное значение.
Функция распределения для любых с.в.:
F(x,y)=P{X<x;Y<y}=P{X<x}P{Y<y|X<x}=P{Y<y}P{X<x|Y<y}=
=F1(x)P{Y<y|X<x}
Опр. Условной функцией распределения с.в. У называется условная вероятность P{Y<y|X<x}, т.е. вероятность события {Y<y} при условии, что величина Х приняла значение меньше, чем х.
P{Y<y|X<x}=F2(y|X<x)
Тогда F(x,y)=F1(x)F2(y,X<x)= F2(y)F1(x,Y<y)
Теорема умножения плотностей:
Рассмотрим систему двух зависимых непрерывных с.в. (Х,У) и докажем, что их совместная плотность равна произведению плотности одной из них на условную плотность другой при заданном значении первой:
f(x,y)=f1(x)f2(y|x)=f2(y)f(x|y)
Док-во:
Рассмотрим элемент вероятности f(x,y)dxdy, т.е. вероятность попадания:
A
1={X(x,x+dx)}
A2={Y(y,y+dy)}
f(x,y)dxdy=P(A1)P(A2|A1)=P{X(x,x+dx)}P(Y(y+dy)|X(x+dx)}
Теперь: dx и dy 0
F(x,y) dx dy=f1(x) dx f2(y|dx) dy f(x,y)=f1(x) f2(y|x)
Свойства условной вероятности:
f2(y|x)0
f1(x|y)0