- •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
3. Математическое ожидание и дисперсия числа m и частости m/n наступлений события в п повторных независимых испытаниях
Математическое ожидание и дисперсия числа т и частости появлений события при n повторных независимых испытаниях могут быть также вычислены и по формулам:
. |
(16) |
. |
(17) |
Теорема 1. Математическое ожидание случайной величины Х, распределенной по биномиальному закону, равно M(X)=np, а ее дисперсия равна D(X)=npq.
Доказательство. Представим случайную величину Х как сумму n независимых случайных величин Х= Х1+ Х2+…+ Хk+…+ Хn , где случайная величина Хk выражает число наступлений события А в k-ом испытании (k = 1, 2, … , n) и имеет закон распределения
|
Xk: |
xi |
0 |
1 |
pi |
q |
p |
Вычислим математическое ожидание M(Xk) = x1p1 + x2p2 = 0q+1p = p и дисперсию
D(Xk) = (x1-p)2p1 + (x2-p)2p2 = (0-p)2q + (1-p)2p = p2q + q2p = pq (p+q) = pq .
Следовательно, M(X)= M(X1)+ M(X2)+…+ M(Xn) = p+ p+…+ p = np ,
D(X)= D(X1)+ D(X2)+…+ D(Xn) = pq + pq +…+ pq = npq . Теорема доказана.
Следствие. Математическое ожидание частости события в n независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью p, равно p, то есть , а ее дисперсия рана .
Доказательство.
Если Х –дискретная случайная величина, распределенная по биномиальному закону, то частость события есть . Следовательно,
, .
4. Биномиальный закон распределения и закон Пуассона
Определение 1. Дискретная случайная величина Х имеет биномиальный закон распределения с параметрами p и n, если она принимает значения 0, 1, 2, … , m, … , n с вероятностями
,
где 0<p<1, q=1-p, m = 0, 1, 2, … , n . Ряд распределения биномиального закона имеет вид:
X: |
xi |
0 |
1 |
2 |
|
m |
|
n |
pi |
qn |
|
|
|
|
|
pn |
Заметим, что
.
Вспоминая формулу Бернулли, можно сделать вывод о том, что биномиальный закон распределения является законом распределения числа X=m наступлений события А в n независимых испытаниях, в каждом из которых событие А может произойти с одной и той же вероятностью p.
Теорема 1. Математическое ожидание случайной величины Х, распределенной по биномиальному закону, равно M(X)=np, а ее дисперсия равна D(X)=npq.
Доказательство. Представим случайную величину Х как сумму n независимых случайных величин Х= Х1+ Х2+…+ Хk+…+ Хn , где случайная величина Хk выражает число наступлений события А в k-ом испытании (k = 1, 2, … , n) и имеет закон распределения
|
Xk: |
xi |
0 |
1 |
pi |
q |
p |
Вычислим математическое ожидание M(Xk) = x1p1 + x2p2 = 0q+1p = p и дисперсию
D(Xk) = (x1-p)2p1 + (x2-p)2p2 = (0-p)2q + (1-p)2p = p2q + q2p = pq (p+q) = pq .
Следовательно, M(X)= M(X1)+ M(X2)+…+ M(Xn) = p+ p+…+ p = np,
D(X)= D(X1)+ D(X2)+…+ D(Xn) = pq + pq +…+ pq = npq. Теорема доказана.
Определение 2. Дискретная случайная величина Х имеет закон распределения Пуассона с параметром , если она принимает значения 0, 1, 2, … , m, … (бесконечное но счетное множество значений) с вероятностями
,
где m = 0, 1, 2, … . Ряд распределения закона Пуассона имеет вид:
|
X: |
Xi |
0 |
1 |
2 |
|
m |
|
pi |
e- |
e- |
|
|
|
|
Заметим, что .
Теорема 2. Математическое ожидание и дисперсия случайной величины Х, распределенной по закону Пуассона, равны параметру , т. е. M(X)= и D(X)= .
Доказательство. Вычислим математическое ожидание случайной величины Х по формуле .
.
Дисперсию случайной величины Х вычисляем по формуле
.
.
Следовательно, D(X) = (2 + ) - 2 = . Теорема доказана.
Замечание 1. При достаточно больших значениях n и малых значениях p при условии, что произведение np , закон распределения Пуассона является хорошим приближением биномиального закона. Так как при этом вероятность p наступления события А в каждом испытании мала, то закон распределения Пуассона часто называют законом редких явлений.