- •1.3 Основные теоремы теории вероятности
- •2 Случайные величины и способы их задания. Числовые характеристики случайных величин и из свойства
- •2.1 Случайные величины и способы их задания
- •2.2 Числовые характеристики св и их свойства
- •3 Нормальный закон распределения случайных величин
- •4 Выборка. Основные определения математической статистики. Полигон и гистограмма
- •5 Статистические оценки параметров распределения. Точность и надежность оценок. Интервальные оценки параметров распределения случайных величин
- •5.1 Статистические оценки параметров распределения
- •5.2 Интервальные оценки. Точность и надежность оценки
- •6 Определение случайного процесса и случайной функции. Характеристики случайных функций: мат. Ожидание, дисперсия и корреляционная функция
- •6.1 Определение случайного процесса и случайной функции
- •6.2 Характеристики случайных функций
- •Практика
- •1 Формулы полной вероятности и Байеса
- •1.1 Полная вероятность
- •1.2 Формула Байеса
- •2 Формула Бернулли. Локальная и интегральная теоремы Лапласа
- •2.1 Формула Бернулли
- •2.2 Локальная и интегральная теоремы Лапласа
3 Нормальный закон распределения случайных величин
Теорема Ляпунова. Если СВ образована суммированием большого количества независимых факторов (других СВ), причем влияние факторов на всю сумму мало, то эта СВ будет близка к нормальному закону распределения.
Большинство реальных СВ имеют распределение, близкое к нормальному.
СВ Х распределена по нормальному закону, если ее дифференциальная функция имеет следующий вид:
Если М и σ — произвольные числа, то распределение называется общим.
Если М=0 и σ =1, то распределение называется нормально нормированным.
Свойства кривой (дифференциальной функции) нормального распределения (кривая Гаусса):
1) определена на всей оси Ох;
2) положительна f(x)>0;
3) стремится к нулю при |x→∞|
4) симметрична относительно прямой х=М
5) имеет экстремум (максимум) при х=М
Интегральная функция нормального распределения
Общая:
Нормированная:
Вероятность попадания нормально распределенной СВ в заданный интервал [α; β] вычисляется по формуле:
Правило трех сигм. Вероятность того, что нормально распределенная СВ в результате опыта отклонится в обе стороны от своего мат. ожидания на величину, большую, чем 3σ, равна 0,0027, т.е. практически равна нулю.
Для количественной оценки степени отклонения некоторого распределения от нормального закона используются следующие характеристики:
1) асимметрия (искажение по горизонтали)
μ3 — центральный момент 3-го порядка
2) эксцесс (искажение по вертикали; характеризуется остроконечностью)
4 Выборка. Основные определения математической статистики. Полигон и гистограмма
Математическая статистика решает две большие группы задач:
1) сбор и группировка экспериментальных данных;
2) анализ собранных данных.
Выборкой ху называется совокупность объектов, отобранных для анализа.
Выборка осуществляется из генеральной совокупности.
Чтобы получить объективные данные по выборке, необходимо, чтобы она была репрезентативной.
Исходные данные вначале имеют вид значений признака ху, у=1,2,..,n.
В дальнейшем результате измерения обрабатываются с целью получения статистического распределения.
Диапазон изменения х разбивается на k интервалов с шагом h:
(xi, ni), i=1,2,..,k — статистическое распределение частоты.
(xi, wi), i=1,2,..,k — статистическое распределение относительной частоты (приблизительно равно закону распределения вероятностей).
Эмпирической функцией называется относительная частота события х<X.
F*(х) является аналогом и оценкой интегральной функции распределения вероятностей и стремится к ней при n→∞.
Полигон частот ломаная, соединяющая точки на плоскости (xi, ni), i=1,2,..,k.
Полигон относительных частот ломаная, соединяющая точки на плоскости (xi, wi), i=1,2,..,k.
Гистограмма частот — ступенчатая фигура, состоящая из прямоугольников с основаниями h (шаг) и высотами .
Площадь гистограммы частот равна объему выборки!!!
Гистограммой относительных частот называется фигура, состоящая из прямоугольников с основаниями h и высотами .
Площадь гистограммы относительных частот равна единице!!!
Гистограмма относительных частот является аналогом и оценкой дифференциальной функции распределения вероятностей.