- •Тема 1. Вероятностные пространства 30
- •Тема 2. Основные вероятностные схемы испытаний 60
- •Тема 3. Случайные величины 87
- •Тема 4. Математическая статистика 140
- •Введение Место теории вероятностей и математической статистики в современной математической науке и их роль в экономических исследованиях
- •Особенности изучения теории вероятностей и математической статистики менеджером
- •Краткие сведения
- •Тема 1. Вероятностные пространства Лекция 1. Пространство случайных событий
- •Основные понятия теории вероятностей
- •Случайные события
- •Понятие случайного эксперимента
- •Пространство элементарных событий
- •Наступление события, благоприятствующие исходы
- •Совместные (совместимые), несовместные (несовместимые) события
- •Достоверное и невозможное события
- •Алгебра событий Операции над событиями (сумма, разность, произведение)
- •Свойства операций над событиями
- •Алгебра и сигма-алгебра событий
- •Общее определение вероятности
- •Классическое определение вероятности события. Случаи равновероятных исходов
- •Статистическое определение вероятности события. Случаи неравновероятных исходов
- •Геометрические вероятности
- •Аксиоматическое построение теории вероятностей
- •, Т.Е. Вероятность достоверного события равна единице;
- •Вероятность события , заключающееся в том, что наступит одно из попарно несовместных событий ( ), составляет
- •Полная группа событий
- •Условная вероятность
- •Формула умножения вероятностей
- •Формула сложения вероятностей
- •Независимость событий
- •Простейшие свойства вероятностей
- •Свойства условных вероятностей
- •Формула полной вероятности. Формула Байеса
- •Контрольные вопросы к теме №1
- •Тема 2. Основные вероятностные схемы испытаний Лекция 2. Основные формулы вычисления вероятностей
- •Классическая вероятностная схема
- •Правила суммы и произведения
- •Схемы выбора. Основные понятия комбинаторики
- •Выбор без возвращения, с учетом порядка
- •Выбор без возвращения, без учета порядка
- •Выбор с возвращением и с учетом порядка
- •Выбор с возвращением и без учета порядка
- •Урновая схема
- •Наивероятнейшее число наступления событий в схеме Бернулли
- •Предельные теоремы для схемы Бернулли
- •Локальная теорема Муавра–Лапласа
- •Интегральная теорема Муавра – Лапласа
- •Теорема Пуассона
- •Понятие потока событий
- •Полиномиальная схема
- •Понятие цепи Маркова
- •Однородные цепи Маркова
- •Равенство Маркова
- •Предельные вероятности
- •Контрольные вопросы к теме №2
- •Тема 3. Случайные величины Лекция 3. Одномерные случайные величины
- •Непрерывные и дискретные случайные величины
- •Закон распределения случайной величины
- •Функция распределения случайной величины и ее свойства
- •Свойства функции распределения
- •Числовые характеристики непрерывных случайных величин Математическое ожидание случайной величины, его вероятностный смысл и свойства
- •Свойства математического ожидания
- •Дисперсия случайной величины и ее свойства
- •Среднеквадратическое отклонение
- •Начальные и центральные моменты
- •Основные примеры распределений дискретной случайной величины
- •Биномиальное распределение, его математическое ожидание, дисперсия
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывные случайные величины Функция и плотность распределения вероятностей
- •Числовые характеристики непрерывных случайных величин
- •Основные примеры распределений непрерывной случайной величины Равномерное распределение
- •Показательное распределение
- •Нормальное распределение
- •Свойства функции Гаусса
- •Центральная предельная теорема
- •Вероятность попадания нормальной случайной величины в заданный интервал
- •Функция Лапласа и ее свойства
- •Вычисление вероятности заданного отклонения. Правило «трех сигм»
- •Лекция 4. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двумерной случайной величины
- •Свойства совместной функции распределения двумерной случайной величины
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Условное математическое ожидание
- •Независимые случайные величины
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Линейная регрессия. Метод наименьших квадратов
- •Распределение 2
- •Распределение Стьюдента
- •Распределение Фишера
- •Предельные теоремы теории вероятностей Закон больших чисел. Неравенство Чебышева. Теорема Чебышева
- •Контрольные вопросы к теме №3
- •Тема 4. Математическая статистика Лекция 5. Основы математической статистики
- •Выборочный метод и его основные понятия
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин
- •Полигон и гистограмма
- •Эмпирическая функция распределения и ее свойства
- •Свойства эмпирической функции распределения
- •Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок
- •Выборочные среднее и дисперсия
- •Надежность и доверительный интервал
- •Определение доверительных интервалов Доверительный интервал для математического ожидания нормального распределения при известной дисперсии
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- •Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- •Проверка статистических гипотез
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки
- •Критерий согласия Пирсона о виде распределения
- •Элементы теории корреляции
- •Выборочные уравнения регрессии
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель
- •Обратная модель
- •Степенная модель
- •Показательная модель
- •Цепи Маркова Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода
- •Равенство Маркова
- •Цепи Маркова с непрерывным временем
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Предельные вероятности
- •Контрольные вопросы к теме №4
- •Экзаменационные вопросы
- •Литература
- •Теория вероятностей и математическая статистика
- •Технический редактор т.В. Жибуль
- •220007, Г. Минск, ул. Московская, 17.
Определение доверительных интервалов Доверительный интервал для математического ожидания нормального распределения при известной дисперсии
Пусть количественный признак X генеральной совокупности распределен нормально, причем среднее квадратическое отклонение этого распределения известно. Требуется оценить неизвестное математическое ожидание a по выборочному среднему . Найдем доверительные интервалы, покрывающие параметр a с надежностью .
Будем рассматривать выборочное среднее , как случайную величину (т.к. меняется от выборки к выборке), и выборочные значения , как одинаково распределенные независимые случайные величины (эти числа также меняются от выборки к выборке). Другими словами, математическое ожидание каждой из этих величин равно a и среднее квадратическое отклонение – . Так как случайная величина X распределена нормально, то и выборочное среднее также распределено нормально. Параметры распределения равны:
.
Потребуем, чтобы выполнялось соотношение , где – заданная надежность.
Используем формулу .
Заменим X на и на и получим:
,
где .
Выразив из последнего равенства , получим:
.
Так как вероятность P задана и равна , окончательно имеем:
.
Смысл полученного соотношения – с надежностью можно утверждать, что доверительный интервал покрывает неизвестный параметр a, причем точность оценки равна .
Таким образом, задача решена. Число определяется из равенства ; по таблице функции Лапласа находят аргумент , которому соответствует значение функции Лапласа, равное .
Следует отметить два момента: 1) при возрастании объема выборки n число убывает и, следовательно, точность оценки увеличивается, 2) увеличение надежности оценки приводит к увеличению (так как функция Лапласа – возрастающая функция) и, следовательно, к возрастанию , то есть увеличение надежности оценки влечет за собой уменьшение ее точности.
Если требуется оценить математическое ожидание с наперед заданной точностью и надежностью , то минимальный объем выборки, который обеспечит эту точность, находят по формуле , следующей из равенства .
Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
Пусть количественный признак X генеральной совокупности распределен нормально, причем среднее квадратическое отклонение этого распределения неизвестно. Требуется оценить неизвестное математическое ожидание с помощью доверительных интервалов.
Оказывается, что по данным выборки можно построить случайную величину , которая имеет распределение Стьюдента с степенями свободы. В последнем выражении – – выборочное среднее, – исправленное среднее квадратическое отклонение, – объем выборки; возможные значения случайной величины T мы будем обозначать через t. Плотность распределения Стьюдента имеет вид:
,
где некоторая постоянная, выражающаяся через гамма–функции. Как видно, распределение Стьюдента определяется параметром n – объемом выборки (или, что то же самое – числом степеней свободы ) и не зависит от неизвестных параметров . Поскольку – четная функция от t , то вероятность выполнения неравенства определяется следующим образом:
.
Заменив неравенство в круглых скобках двойным неравенством, получим выражение для искомого доверительного интервала:
Итак, с помощью распределения Стьюдента найден доверительный интервал , покрывающий неизвестный параметр a с надежностью . По таблице распределения Стьюдента и заданным n и можно найти , и, используя найденные по выборке и , можно определить доверительный интервал.
Пример. Количественный признак X генеральной совокупности распределен нормально. По выборке объема n=16 найдены генеральное среднее и исправленное среднее квадратическое отклонение . Требуется оценить неизвестное математическое ожидание при помощи доверительного интервала с надежностью 0,95.
Решение. Найдем по таблице распределения Стьюдента, используя значения . Этот параметр оказывается равным 2,13. Найдем границы доверительного интервала:
.
То есть с надежностью 0,95 неизвестный параметр a заключен в доверительном интервале .
Можно показать, что при возрастании объема выборки n распределение Стьюдента стремится к нормальному. Поэтому практически при n>30 можно вместо него пользоваться нормальным распределением. При малых n это приводит к значительным ошибкам.