- •В.В. Нешитой
- •Методы статистического анализа
- •На базе
- •Обобщенных распределений
- •Предисловие
- •Введение
- •I. Случайные события и их вероятности
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •II. Основные теоремы теории вероятностей
- •2.1. Теорема сложения вероятностей (несовместных событий)
- •2.2. Теорема умножения вероятностей (независимых событий)
- •2.3. Формула полной вероятности
- •2.4. Теорема гипотез (формула Бейеса)
- •III. Дискретные случайные величины
- •3.1. Закон распределения вероятностей дискретной случайной величины
- •3.2. Числовые характеристики дискретной случайной величины
- •3.2.1. Математическое ожидание
- •3.2.2. Свойства математического ожидания
- •3.2.3. Дисперсия дискретной случайной величины
- •3.2.4. Свойства дисперсии
- •3.2.5. Среднее квадратическое отклонение
- •3.2.6. Одинаково распределенные взаимно независимые случайные величины
- •3.2.7. Моменты (начальные, центральные) дискретной случайной величины
- •4.2. Плотность распределения
- •4.3. Числовые характеристики непрерывных случайных величин
- •4.4. Примеры непрерывных распределений
- •4.4.1. Нормальный закон
- •5.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •5.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •5.4. Метод моментов для точечной оценки параметров распределения
- •5.5. Метод наибольшего правдоподобия
- •VI. Обобщенные распределения. Системы непрерывных распределений
- •6.1. Методы построения обобщенных распределений
- •6.2. Построение системы непрерывных распределений методом обобщения
- •6.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •6.4. Распределения функций случайного аргумента
- •6.5. Три основные и три дополнительные системы непрерывных распределений в. Нешитого
- •VII. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •7.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •7.2. Метод наибольшего правдоподобия
- •7.3. Классический метод моментов
- •7.3.3. Симметричные распределения Ic-iiIc типов
- •7.3.4. Критерии для классификации кривых по методу моментов
- •7.4. Универсальный метод моментов
- •7.4.1. Законы распределения суммы независимых случайных величин
- •7.4.2. Центральная предельная теорема для трех систем непрерывных распределений
- •7.4.3. Законы распределения среднего выборочного
- •7.5. Общий устойчивый метод
- •VIII. Выравнивание и прогнозирование статистических распределений
- •8.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •8.2. Построение выравнивающей кривой распределения по статистическим данным
- •8.2.1. Выравнивание по классическому методу моментов
- •8.2.2. Выравнивание по универсальному методу моментов
- •8.2.3. Выравнивание по общему устойчивому методу
- •8.2.4. Выравнивающее распределение суммы независимых случайных величин
- •8.2.5. Выравнивающее распределение среднего выборочного
- •8.3. Прогнозирование распределений
- •8.3.1. Первая система непрерывных распределений
- •8.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу
- •8.3.3. Показатели стабильности и качества выборки
- •Iх. Статистический анализ точности и стабильности технологических процессов на базе обобщенных распределений
- •9.1. Показатели состояния технологического процесса
- •9.2. Пример статистической обработки результатов замера контролируемого параметра по программе
- •Контрольный листок Деталь №_____(название) ø50 мм ±0,012 Точность си 0,002 Дата________ Время_______
- •Отклонения от номинального размера детали «nn» ø50 ±0,012
- •Показатели статистического распределения ( )
- •9.3. Экономическая эффективность применения обобщенных распределений
- •9.4. Особенности применения статистических методов в области строительства
- •Х. Надежность как особый критерий качества
- •10.1. Некоторые показатели надежности для невосстанавливаемых объектов
- •Плотность распределения отказов
- •Интенсивность отказов
- •Гамма-процентный ресурс
- •10.2. Вычисление показателей надежности по обобщенным распределениям
- •Результаты наблюдений о наработке до отказа двигателей панелевозов (ti – пробег до отказа в тыс. Км.; mi – число панелевозов, имеющих наработку ti)
- •Показатели статистического распределения (snr2v97)
- •Логарифмическое распределение типа 1.1 с параметрами
- •XI. Временные (динамические) ряды
- •11.1. Методы выделения тренда
- •11.2. Построение кривых роста для выравнивания временных рядов
- •11.2.1. Построение кривых роста с заданными свойствами
- •11.2.2. Метод обобщения
- •11.2.3. Кривые роста на базе обобщенных распределений
- •11.3. Оценивание параметров кривых роста
- •11.3.1. Уравнение прямой
- •11.3.2. Экспонента
- •11.3.3. Обобщенная кривая роста
- •11.4. Прогнозирование временных рядов
- •11.4.1. Параметрический метод прогнозирования
- •11.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по методу моментов
- •Номограмма для установления типа выравнивающего распределения и нахождения оценок параметров k, u по общему устойчивому методу
- •Значения квантили в зависимости от уровня вероятности и числа степеней свободы r
- •Приложение 5
- •Литература
- •Содержание
1.4. Основные формулы комбинаторики
Используются для вычисления вероятностей событий.
Перестановки – комбинации из n различных элементов, отличающиеся лишь порядком. Число перестановок вычисляется по формуле
.
Число перестановок из n элементов по m, где каждый элемент может использоваться от 0 до m раз, равно
.
Например, при n=2, m=8, Pn,m=28 =256.
Размещения - комбинации из n различных элементов по m элементов, которые различаются либо составом элементов, либо их порядком
.
Сочетания – комбинации из n различных элементов по m элементов, различающиеся хотя бы одним элементом
.
При этом .
Пример.
В партии из N деталей М стандартных. Выбираются n деталей. Требуется найти вероятность того, что m деталей будут стандартными.
Решение. Общее число возможных исходов равно числу способов, которыми можно взять n деталей из N. Это число равно числу сочетаний из N по n, т.е. .
Найдем далее число благоприятствующих исходов. Поскольку m стандартных деталей выбираются из общего их числа М, то число таких комбинаций равно . Остальные n-m нестандартных деталей выбираются из N–M нестандартных деталей – это комбинаций. Число благоприятствующих исходов равно произведению . Следовательно,
.
Это – известное гипергеометрическое распределение .
II. Основные теоремы теории вероятностей
2.1. Теорема сложения вероятностей (несовместных событий)
Пусть А и В – несовместные события. Вероятность суммы двух несовместных событий равна сумме вероятностей этих событий
Р(А+В)=Р(А)+Р(В).
Для нескольких несовместных событий имеем
.
Для совместных событий
,
где Р(АВ) – вероятность совместного появления событий А и В.
2.2. Теорема умножения вероятностей (независимых событий)
Вероятность произведения (совмещения) двух независимых событий равна произведению вероятностей этих событий
Р(АВ)=Р(А)Р(В).
Вероятность произведения двух зависимых событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое имело место
Р(АВ)=Р(А)Р(В/А)=Р(В)Р(А/В).
Пример. В урне 2 белых и 3 черных шара. Вынимаем подряд 2 шара. Какова вероятность того, что оба шара белые, т.е. А=А1А2.
Решение. А1 – появление белого шара при 1-м испытании; А2 – появление белого шара при 2-м испытании
.
Следствие теоремы умножения вероятностей.
Вероятность появления хотя бы одного события из событий А1, А2,…,Аn, независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий
.
В частном случае, при
.
Пример. Вероятности попадания в цель каждого из трех стрелков равны: р1=0,8; р2=0,7; р3=0,9. Найти вероятность хотя бы одного попадания при одном залпе.
Решение. Вероятности промахов равны: . Следовательно,
.
2.3. Формула полной вероятности
Следствием теорем сложения и умножения вероятностей является формула полной вероятности.
Пусть некоторое событие А может произойти вместе с одним из событий Н1, Н2,…, Нn, причем последние образуют полную группу несовместных событий. Их называют гипотезами.
Приведем без доказательства формулу для вычисления вероятности события А. Она равна сумме произведений вероятности каждой гипотезы на вероятность события при этой гипотезе [2].
.
Другими словами, формула полной вероятности определяет средневзвешенную по всем гипотезам вероятность наступления некоторого события А.
Пример. Есть два набора деталей. Вероятность того, что деталь первого набора стандартна, равна 0,8, а второго – 0,9. Найти вероятность того, что взятая наудачу деталь из наудачу взятого набора стандартна, т.е. Р(А)=?
Решение. Событие Н1 – деталь взята из первого набора; Р(Н1)=1/2.
Событие Н2 - деталь взята из второго набора; Р(Н2)=1/2.
Далее, вероятность события А при первой гипотезе Р(А/Н1)=0,8; при второй гипотезе Р(А/Н2)=0,9.
Средневзвешенная вероятность события А по двум гипотезам равна
.