- •Введение
- •Раздел I. Введение в теорию вероятностей
- •Понятие о случайном событии
- •Классическое определение вероятности
- •Относительная частота. Статистическое определение вероятности.
- •Геометрическая вероятность
- •Свойства вероятностей Сложение вероятностей несовместимых событий
- •Умножение вероятностей
- •Сложение вероятностей совместимых событий
- •Формула полной вероятности
- •Основные формулы комбинаторики
- •Дискретные и непрерывные случайные величины. Понятие «случайные величины»
- •Закон распределения случайной величины
- •Теоретические распределения вероятностей
- •Биномиальное распределение
- •Распределение Пуассона
- •Числовые характеристики дискретных случайных величин
- •Нормальное распределение
- •Вопросы для самопроверки:
- •Раздел II. Основные понятия и термины биологической статистики Генеральная совокупность и выборка
- •Непреднамеренный отбор. Метод последовательных номеров. Случайный и механический методы отбора
- •Признаки и показатели
- •Правила ранжирования
- •Способы группировки первичных данных.
- •Схемы (модели) научного исследования
- •Однофакторная и многофакторная модель Контрольные и экспериментальные группы
- •Метод автоконтроля
- •Метод дублирования
- •Метод последовательного пополнения групп
- •Численность контрольных и экспериментальных групп
- •Научные гипотезы
- •Направленные гипотезы
- •Статистические критерии
- •Параметрические критерии
- •Непараметрические критерии
- •Уровни статистической значимости
- •1 Рода.
- •Вопросы для самопроверки
- •Раздел III. Статистические методы обработки экспериментальных данных
- •Проверка гипотезы о законе распределения
- •Χ2 Пирсона
- •Описательные статистики Концепция сжатия экспериментальных данных
- •Показатели центральной тенденции. Средние.
- •Медиана
- •Персентили
- •Показатели изменчивости
- •Стандартизованные данные
- •Показатели асимметрии и эксцесса
- •Эксцесс
- •Работа с качественными переменными Количественная оценка результатов эксперимента.
- •Вопросы для самопроверки:
- •Сравнение двух независимых групп т критерий Стьюдента
- •Критерии согласия для дисперсий
- •U критерий Маана-Уитни
- •Сравнение качественных признаков Критерий χ2
- •Сравнение долей
- •Точный тест Фишера
- •Сравнение более двух независимых групп Однофакторный дисперсионный анализ Фишера
- •Критерий Краскела-Уоллиса
- •Сравнение двух зависимых групп Парный т критерий Стьюдента
- •Парный критерий т – Вилкоксона
- •Критерий x2r Фридмана
- •Тест Мак-Немара
- •Корреляционный анализ
- •Вычисление и интерпретация параметров парной линейной корреляции
- •Условия применения и ограничения корреляционно анализа
- •Вычисление и интерпретация параметров парной линейной корреляции
- •Измерение связи количественных признаков
- •Измерение связи порядковых признаков
- •Измерение связи номинальных признаков
- •Относительный риск. Отношение шансов
- •Статистическая оценка надежности параметров парной корреляции
- •Частная корреляция
- •Факторный анализ
- •Вопросы для самопроверки:
- •Регрессионный анализ
- •Метод наименьших квадратов
- •Выбор формы функциональной зависимости
- •Применение парного линейного уравнения регрессии
- •Корреляционно-регрессионные модели (крм) и их применение в анализе и прогнозе.
- •Логистическая регрессия
- •Анализ динамических изменений Применение метода наименьших квадратов при исследовании тенденции развития
- •Анализ циклических изменений
- •Метод обычных средних
- •Метод корригирования средних
- •Метод отношения фактических данных
- •Ошибки, допускаемые при количественной характеристике сезонных колебаний
- •Кластерный анализ
- •Иерархическое дерево
- •Меры расстояния
- •Правила объединения или связи
- •Метод k средних
- •Выбор между параметрическими и непараметрическими тестами: легкая ситуация.
- •Выбор между параметрическими и непараметрическими тестами: сложные случаи.
- •Выбор между параметрическим и непараметрическим тестом: насколько это на самом деле влияет на результат?
- •Одно или двухсторонняя p-оценка?
- •Парный или непарный тест?
- •Тест Фишера или хи-квадрат?
- •Регрессия или корреляция?
- •Вопросы для самопроверки:
- •Раздел IV. Работа с программой easystatistics Общие сведения о программе EasyStatistics
- •Создание новой базы данных
- •Работа с файлами
- •Копирование и вставка данных
- •Работа с фильтрами
- •Работа с переменными и строками
- •Статистические методы Описательные статистики
- •Частотный анализ
- •Сравнение независимых выборок
- •Сравнение связанных выборок
- •Дисперсионный анализ
- •Корреляционный анализ
- •Множественная регрессия
- •Проверка типа распределения эмпирических данных
- •Вероятностный калькулятор
- •Задания для самостоятельной работы с программой
- •Список рекомендуемой литературы
- •Граничные (критические) значения 2-критерия, соответствующие разным вероятностям допустимой ошибки и разным степеням свободы
- •Критические значения коэффициентов корреляции для различных степеней свободы (n - 2) и разных вероятностей допустимых ошибок
Умножение вероятностей
Два события А и В называются независимыми, если вероятность появления каждого из них не зависит от того, появилось другое событие или нет. В противном случае события А и В называют зависимыми.
Пусть в урне находятся 2 белых и 2 черных шара. Пусть событие А — вынут белый шар. Очевидно, Р (А) =0,5. После первого испытания вынутый шар кладется обратно в урну, шары перемешиваются и снова вынимается шар. Событие В — во втором испытании вынут белый шар — также имеет вероятность р (В) =0,5 , т. е. события А и В — независимые.
Предположим теперь, что вынутый шар в первом испытании не кладется обратно в урну. Тогда если произошло событие А, т. е. в первом испытании вынут белый шар, то вероятность события В уменьшается (P(В) = 1/3); если в первом испытании был вынут черный шар, то вероятность события В увеличивается (Р(В) = 2/3 ) Итак, вероятность события В существенно зависит от того, произошло или не произошло событие А; в таких случаях события А и В — зависимые.
Пусть А и В — зависимые события. Условной вероятностью РA(В) события В называется вероятность события В, найденная в предположении, что событие А уже наступило.
Если события А и В независимы, то РА(В) =Р(В).
Вероятность произведения двух зависимых событий А и В равна произведению вероятности одного из них на условную вероятность другого, найденную в предположении, что первое событие уже наступило:
Р (АВ) = Р (А)РА(В).
Р (ВА) = Р (В)РВ(А).
Р (А)РА(В) = Р (В)РB(А).
Вероятность произведения двух независимых событий А и В равна произведению вероятностей этих событий:
Р (АВ) = Р (А) Р (В).
Найти вероятность одновременного поражения цели двумя орудиями, если вероятность поражения цели первым орудием (событие А) равна 0,8, а вторым (событие В) — 0,7.
События А и В независимы, поэтому искомая вероятность Р(АВ) = 0,7 • 0,8 = 0,56.
Сложение вероятностей совместимых событий
Вероятность суммы двух совместимых событий A и В равна сумме вероятностей этих событий минус вероятность их произведения:
Р(А + В) = Р(А) + Р (В) — Р(АВ).
Вероятности попадания в цель при стрельбе первого и второго орудий соответственно равны: Р(А)=0,7 и Р(В)=0,8. Найти вероятность попадания при одном залпе (из обоих орудий) хотя бы одним из орудий.
Очевидно, события А к В совместимы и независимы. Поэтому
Р (А + В) =Р (А) +Р (В) - Р (АВ) = 0,7 + 0,8 - 0,7* 0,8 = 1,5 — 0,56 = 0,94.
Замечание. Если события А и В несовместимы, то их произведение АВ есть невозможное событие и, следовательно, Р (АВ) = 0.
Формула полной вероятности
Вероятность события А, которое может наступить лишь при условии появления одного из n попарно несовместимых событий В1, В2, ..., Вn образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Р (А) = Р (В1) PB1 (А) + Р (В2)РВ2 (А) + ... + Р (Вn)РBn(А)
Имеются три одинаковых по виду ящика. В первом находятся две белые мыши и одна серая, во втором — три белые и одна серая, в третьем — две белые и две серые мыши. Какова вероятность того, что из наугад выбранного ящика будет извлечена белая мышь?
Обозначим В1 — выбор первого ящика, В2 — выбор второго ящика, B3 — выбор третьего ящика, А — извлечение белой мыши.
Так как все ящики одинаковы, то Р (B1)= Р (B2) = Р (B3) = 1/3.
Если выбран первый ящик, то Рв1 (А) = 2/3. Аналогично Рв2 (А) =3/4, Рв3(А) = 0,5. Наконец, по формуле получаем:
В группе студентов 4 отличника, 13 хорошо успевающих и 8 слабых студентов. Результаты предшествующих экзаменационных сессий показали, что отличники получают только отличные оценки (потому они и отличники); «хорошисты», как правило, в девяти случав из десяти получают отличные или хорошие оценки; наконец слабые студенты в одном случае из пяти получают хорошие оценки.
Для сдачи экзамена выбирается один студент. Найти вероятность события А, что студент получит хорошую или отличную оценку.