- •Тема 1: Случайные события. Классификация событий
- •2. Классическое определение вероятности. Свойства вероятности события
- •3. Статистическое определение вероятности события и условия его применимости
- •Лекция 2 Тема 2: Основные теоремы
- •1. Сумма событий. Теорема сложения вероятностей и её следствия
- •2. Зависимые и независимые события. Произведение событий. Условная вероятность. Теорема умножения вероятностей
- •3. Формула полной вероятности. Формула Байеса
- •Лекция 3 Тема 3: Повторные независимые испытания Тема 4: Дискретные случайные величины
- •1. Повторные независимые испытания. Формула Бернулли
- •2. Асимптотическая формула Пуассона и условия ее применимости
- •3. Локальная теорема Муавра-Лапласа и условия ее применимости
- •4. Интегральная теорема Муавра-Лапласа, её следствия и условия их применимости
- •5. Понятие случайной величины и ее описание. Дискретная случайная величина и ее закон (ряд) распределения.
- •Лекция 4 Тема 4: Дискретные случайные величины
- •1. Математические операции над дискретными случайными величинами
- •2. Математическое ожидание, дисперсия и среднее квадратическое отклонение дискретной случайной величины, их свойства
- •3. Математическое ожидание и дисперсия числа m и частости m/n наступлений события в п повторных независимых испытаниях
- •4. Биномиальный закон распределения и закон Пуассона
- •Лекция 5 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
- •1. Функция распределения случайной величины, ее свойства и график
- •2. Непрерывная случайная величина (нсв). Плотность вероятности нсв, ее определение и свойства
- •3. Равномерный (прямоугольный) закон распределения и его числовые характеристики.
- •Лекция 6 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
- •1. Нормальный закон распределения
- •2. Формулы для определения вероятностей: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило трех сигм
- •3. Центральная предельная теорема. Понятие о теореме Ляпунова
- •Лекция 7 Тема 6: Двумерные (n-мерные) случайные величины
- •1. Понятие двумерной (n-мерной) случайные величины
- •2. Условные распределения и их нахождение по таблице распределения
- •3. Понятие о функции распределения и плотности вероятности двумерной случайной величины
- •4. Ковариация и коэффициент корреляции
- •Лекция 8 Тема 6: Двумерные (n-мерные) случайные величины Тема 7: Закон больших чисел
- •1. Двумерное нормальное распределение. Условное математическое ожидание и условная дисперсия
- •2. Лемма Чебышева (неравенство Маркова) Неравенство Чебышева и его частные случаи для случайной величины, распределенной по биномиальному закону, и для частости события
- •3. Неравенство Чебышева для средней арифметической случайных величин. Теорема Чебышева и ее значение
- •4. Закон больших чисел. Теорема Бернулли и ее практическое значение
- •Лекция 9 Тема 8. Выборочный метод. Общие вопросы
- •1. Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда
- •2. Генеральная и выборочная совокупности. Основная задача выборочного метода
- •3. Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность
- •Лекция 10 Тема 9: Оценка доли признака и генеральной средней
- •1. Оценка генеральной доли и генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность оценок
- •2. Оценка генеральной средней по собственно-случайной выборке
- •2. Оценка генеральной дисперсии по собственно-случайной выборке. Исправленная выборочная дисперсия
- •3. Понятие доверительного интервала и доверительной вероятности оценки
- •4. Средняя квадратическая ошибка выборки при оценке генеральной доли и генеральной средней
- •5. Определение необходимого объема повторной и бесповторной выборок
- •Лекция 11 Тема 10: Элементы статистической проверки гипотез
- •1. Статистическая гипотеза и статистический критерий
- •2. Построение теоретического закона распределения по опытным данным. Понятие о критериях согласия
- •3. Критерий согласия 2 Пирсона и схема его применения
- •Лекция 12 Тема 11: Элементы теории корреляции
- •1. Функциональная, статистическая и корреляционная зависимости. Основные задачи теории корреляции
- •2. Линейная корреляция. Уравнения прямых регрессии для парной корреляции
- •3. Оценка тесноты связи. Коэффициент корреляции (выборочный), его определение и свойства
- •4. Коэффициент детерминации и корреляционное отношение.
- •5. Проверка значимости уравнения регрессии
4. Интегральная теорема Муавра-Лапласа, её следствия и условия их применимости
Теорема (интегральная теорема Муавра-Лапласа). Если вероятность р наступления события A в каждом испытании постоянна и отличается от 0 и 1, то вероятность того, что число m наступления событие А в п независимых повторных испытаниях заключено в пределах от a до b (включительно), при достаточно большом числе п приближенно равна
,
где ; и .
(х) – функция Лапласа, табулированная в приложении II .
Условия применения:
n – велико, а p и q – не очень малы, так что npq20 .
Пользуясь таблицей, можно применять свойства функции (х):
Функция (х) является нечетной, т.е. (-х)= -(х).
Функция (х) возрастает на R.
(х)1 при + . Практически можно считать, что (х)1 уже при x>4.
Рассмотрим следствия интегральной теоремы Муавра-Лапласа.
Следствие. Если вероятность р наступления события A в каждом испытании постоянна и отличается от 0 и 1, то при достаточно большом числе п независимых повторных испытаний вероятность того, что:
а) число m наступлений события А отличается от среднего значения пp не более, чем на величину >0 (по абсолютной величине), приближенно равна
;
б) частость события А заключена в пределах от до (включительно), приближенно равна
, где и ;
в) частость события А отличается от его вероятности p не более чем на величину >0 (по абсолютной величине), приближенно равна
.
Условия применения формул совпадают с условиями применения интегральной теоремы Муавра-Лапласа:
n – велико, а p и q – не очень малы, так что npq20 .
Доказательство.
а) неравенство m-np равносильно двойному неравенству np- m np+ . Следовательно, по интегральной формуле Муавра-Лапласа
.
5. Понятие случайной величины и ее описание. Дискретная случайная величина и ее закон (ряд) распределения.
Одним из фундаментальных понятий теории вероятностей является понятие случайной величины.
Под случайной величиной понимается переменная, которая в результате испытания в зависимости от случая принимает одно из возможного множества своих значений (какое именно — заранее неизвестно).
Случайные величины будем обозначать заглавными буквами латинского алфавита X, Y, Z, … , а их значения соответствующими строчными буквами x, y, z, … .
Наиболее полным описанием случайной величины является ее закон распределения.
Определение. Законом распределения случайной величины называется всякое соотношение, устанавливающее связь между возможными значениями случайной величины и соответствующими им вероятностями.
Сначала рассмотрим дискретные случайные величины (ДСВ), характеризуемые конечным или бесконечным, но счетным множеством возможных значений, и соответствующими им вероятностями рi =Р(Х = xi).
Для дискретной случайной величины закон распределения может быть задан аналитически (в виде формулы), графически и в виде таблицы.
Таблица, в которой перечислены в порядке возрастания все возможные значения случайной величины и соответствующие им вероятности, называется рядом распределения дискретной случайной величины.
|
X: |
x1 |
x2 |
|
xi |
|
xn |
p1 |
p2 |
|
pi |
|
pn |
События Х = x1, Х = x2, , Х = xn, состоящие в том, что в результате испытания случайная величина Х примет соответственно значения x1, x2, , xn, являются несовместимыми и единственно возможными, т.е. образуют полную группу событий. Следовательно, сумма их вероятностей равна 1, т.е. .
Две случайные величины называются независимыми, если закон распределения одной из них не меняется от того, какие возможные значения приняла другая величина. В противном случае случайные величины называются зависимыми.
Если говорить более строго, то случайная величина есть функция, заданная на множестве элементарных исходов.
При решении задач случайная величина, как и случайное событие, подлежит четкому определению по условию. Ее связь со случайным событием заключается в том, что принятие ею некоторого числового значения (то есть выполнение равенства Х = xi,) есть случайное событие, характеризуемое вероятностью Р(Х = xi)=рi.
Большинство задач темы связано с построением для заданной случайной величины закона распределения, т.е. таблицы вида . Решение подобных задач требует, прежде всего, четких определений случайной величины и испытания, количественный результат которого характеризуется значениями x1, x2, … , xi, … , xn.
Затем можно перейти к построению закона распределения случайной величины, а точнее — к вычислению вероятностей рi как вероятностей событий Х = xi. Здесь могут быть использованы приемы и методы, рассмотренные при решении задач в темах 1—3.
Общая схема решения задач на построение законов распределения включает:
1) введение и четкое описание случайной величины, о которой идет речь;
2) описание множества ее возможных значений x1, x2, … , xi, … , xn;
3) рассмотрение выполнения каждого из равенств Х = хi, как случайного события;
4) вычисление вероятностей этих событий с помощью основных теорем и формул;
5) проверка правильности составленного распределения с помощью равенства .
Особое внимание следует обратить на числовые характеристики случайной величины, призванные в сжатой форме выразить наиболее существенные черты распределения, в частности, на математическое ожидание и дисперсию и их свойства.