- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
2.6 Понятие о моментах случайной величины.
Кроме перечисленных ранее параметров случайной величины в теории вероятностей используется ещё ряд характеристик, каждая из которых описывает то или иное свойство распределения. В качестве таких характеристик чаще всего применяют так называемые моменты.
Понятие момента широко применяется в механике для описания распределения масс (статические моменты, моменты инерции и т.д.). Совершенно теми же приёмами пользуются в теории вероятностей для описания основных свойств распределения случайной величины. Чаще всего применяются на практике моменты двух видов: начальные и центральные.
Начальным моментом s-го порядка д.с.в. Х называется сумма вида:
s[X] = x pi.
Для н.с.в. Х начальным моментом s- го порядка называется интеграл
s[X] = x2f(x)dx.
Нетрудно убедиться, что основная характеристика положения- математическое ожидание- представляет собой не что иное, как первый начальный момент случайной величины Х.
Пользуясь знаком математического ожидания, можно написать общую формулу начального момента s-го порядка, справедливую как для д.с.в., так и для н.с.в:
s[X] = M[Xs],
Иначе говоря, начальным моментом s-го порядка случайной величины Х называется математическое ожидание s- ой степени этой случайной величины.
Введем новое понятие «центрированной случайной величины».
Пусть имеется случайная величина Х с математическим ожиданием mx (такое обозначение математического ожидания часто используется наряду с M(X)).
Центрированной случайной величиной, соответствующей величине Х, называется отклонение случайной величины Х от ее математического ожидания:
= Х - mx
Нетрудно убедиться, что математическое ожидание центрированной случайной величины равно нулю, так как:
M[ ] = M[X- mx] = (xi – mx)pi = xi pi - mx pi = =mx – mx = 0.
Аналогично и для н.с.в.
Моменты центрированной случайной величины носят название центральных моментов.
Таким образом, центральным моментом порядка s случайной величины Х называется математическое ожидание s- ой степени соответствующей центрированной случайной величины:
s[X] = M[ s] = M[(X – mx)s] .
Для д.с.в. s-й центральный момент выражается суммой
s = (xi – mx)2pi,
а для н.с.в. – интегралом
s = (x – mx)sf(x)dx.
Несложно заметить, что формула второго центрального момента идентична формуле дисперсии случайной величины.
2.7. Основные свойства математического ожидания
и дисперсии .
Свойства математического ожидания:
1. Математическое ожидание постоянной величины есть сама постоянная: М(С) = С.
2. Математическое ожидание произведения постоянной величины на случайную величину равно произведению постоянной величины на математическое ожидание случайной величины:
М(Сх) = сМ(х).
3. Математическое ожидание суммы нескольких случайных величин равно сумме математических ожиданий этих величин:
М xi = M(xi).
4. Математическое ожидание суммы постоянной и случайной величины равно сумме постоянной величины и математического ожидания случайной величины:
M(C + x) = C + M (x).
5. Математическое ожидание произведения независимых случайных величин равно произведению их математических ожиданий:
M(xy) = M(x)M(y).