- •Пример.
- •Определение случайного события.
- •Несовместные события.
- •Вероятность случайного события.
- •Свойства вероятности
- •Классическое определение вероятности события
- •Пример.
- •Основные формулы теории вероятностей Независимость случайных событий.
- •Правило умножения вероятностей
- •Вероятность суммы событий.
- •Некоторые формулы комбинаторики. Правило сложения.
- •Правило умножения.
- •Пример.
- •Размещения и перестановки
- •Сочетания
- •Формула Пуассона
- •Формула полной вероятности.
- •Случайная величина.
- •Пример.
- •Дискретные случайные величины.
- •Непрерывные случайные величины.
- •Числовые характеристики случайных величин.
- •Свойства дисперсии.
- •Некоторые законы распределения. Биномиальный закон распределения.
- •Закон распределения Пуассона.
- •Полиномиальное распределение
- •Пример.
- •Равномерный закон распределения случайной величины.
- •Нормальный закон распределения случайной величины (закон Гаусса).
- •Стандартная форма нормального закона распределения.
- •Распределение «хи-квадрат».
- •График распределения.
- •Показательный (экспоненциальный) закон распределения.
- •Структурные характеристики распределения случайной величины.
- •Медиана.
- •Квантиль.
- •Системы случайных величин.
- •Свойства функции распределения.
- •Свойства плотности вероятности.
- •Математическое ожидание и дисперсия системы случайных величин.
- •Дисперсия двумерной случайной величины.
- •Условное математическое ожидание.
- •Свойства коэффициента корреляции.
- •Функции случайных величин. Функции одной случайной величины.
- •Функция двух случайных величин.
- •Случайные функции.
- •Свойства математического ожидания случайной функции.
- •Свойства дисперсии случайной функции.
- •Свойства корреляционной функции.
- •Свойства взаимной корреляционной функции.
- •Свойства корреляционной функции стационарной случайной функции.
- •Математическая статистика. Выборочный метод.
- •Свойства эмпирической функции распределения.
- •Статистические оценки параметров распределения. Точечные оценки.
- •Метод моментов.
- •Метод наибольшего правдоподобия.
- •Распределение дискретной случайной величины.
- •Распределение непрерывной случайной величины.
- •Распределение выборочных характеристик.
- •Пример 1.
- •Пример 2.
- •3.Распределение выборочной дисперсии.
- •Доверительные интервалы.
- •Проверка статистических гипотез.
- •1.Понятие статистической гипотезы.
- •Проверкa гипотезы о равенствt средних двух нормальных распределений с известными дисперсиями.
- •Двухвыборочный t-тест с одинаковыми и различными дисперсиями.
- •Двухвыборочный f-тест для дисперсий.
- •Парный двухвыборочный t-тест для средних значений.
- •Дисперсионный анализ.
- •Двухфакторный дисперсионный анализ без повторений и с повторениями
Закон распределения Пуассона.
При тех же условиях, что в предыдущем пункте, таблица вида
Х |
0 |
1 |
… |
n-1 |
n |
p |
P0 |
P1 |
… |
pn-1 |
pn |
где вероятности pх определяются по формуле Пуассона , определяет закон распределения Пуассона.
Здесь - интенсивность. В зависимости от интенсивности можно построить разные законы распределения Пуассона.
Полиномиальное распределение
Производятся n испытаний (опытов), каждое из которых может иметь k исходов (А1, А2, …, Аk – последовательность событий с вероятностями p1, p2, …, pk).
Вероятность того, что событие А1 наступит m 1 раз, событие А2 - m 2 раз, …, событие Аk - m k раз, можно вычислить, используя следующую формулу:
Рn(m 1, m 2,…, m n)= .
Формула определяет полиномиальный закон распределения вероятностей.
Формула Бернулли есть частный случай полиномиального распределения.
Пример.
Бросание монеты n=10 раз. Найти вероятность того, что герб выпадет ровно 2 раза.
Пусть А – выпадение герба, - выпадение цифры.
Тогда Р(А)=p=1/2, Р( )=1-p=q=1-1/2=1/2.
По формуле Бернулли:
.
По формуле полиномиального распределения:
.
Равномерный закон распределения случайной величины.
Случайная величина Х распределена равномерно на отрезке , если она имеет плотность вероятности вида:
С, если
и
0, если .
Нормальный закон распределения случайной величины (закон Гаусса).
Случайная величина распределена нормально, если она имеет функцию плотности вероятности вида:
.
Нормальный закон широко используется в практической деятельности в силу теоремы, в соответствии с которой сумма случайных величин при увеличении числа слагаемых распределена нормально даже в том случае, если слагаемые имеют распределение, отличное от нормального.
В практической деятельности на результат воздействует множество факторов.
Стандартная форма нормального закона распределения.
Случайная величина Х приводится к безразмерному виду путём её нормировки на величину стандартного отклонения . Помимо этого, желательно сместить математическое ожидание в начало координат.
Переходят к случайной величине Z следующим образом:
При этом справедливо:
М[Z]= 0, D[Z]=1
Тогда стандартная форма нормального закона распределения -
Плотность вероятности симметрична относительно оси ординат.
.
F(x)=
- переменная интегрирования.
Для вычислительных целей используется функция Лапласа
.
Функция Лапласа связана с функцией распределения следующим образом:
F(z)=0,5+
=
=
Распределение «хи-квадрат».
Рассматриваются случайные величины , , …, .
Случайная величина называется хи-квадрат.
При этом случайные величины , , …, распределены нормально с параметрами N (0, 1).
Закон распределения случайной величины называется -распределением с k степенями свободы.
С увеличением k закон распределения случайной величины стремится к нормальному распределению.
Закон называется предельным.
t-распределение Стьюдента.
Имеются две случайные величины: Х и Y. Случайная величина Х распределена нормально с параметрами N (0, 1). Случайная величина Y распределена по закону « хи-квадрат».
Закон распределения случайной величины, в соответствии с которым распределена величина , называется законом t-распределения Стьюдента с k степенями свободы.
В пределе этот закон стремится к нормальному, то есть с увеличением k t-распределение Стьюдента приближается к нормальному.
F-распределение Фишера.
Пусть Х1 и Х2 - две случайные величины, которые распределены в соответствии с -распределением.
- случайная величина распределена по закону F-распределения Фишера с k1 и k2 степенями свободы.