- •Классическое определение вероятности.
- •2 Основные правила и формулы комбинаторики: перестановки, размещения, сочетания.
- •Выборки элементов с повторениями
- •3 Случайные события и алгебра событий. Непосредственное вычисление вероятностей
- •4 Основные теоремы теории вероятностей.
- •Случайные величины (дискретные и непрерывные). Закон распределения дискретной случайной величины.
- •Пространство элементарных событий
- •Алгебра событий
- •Вероятность
- •Определение случайной величины
- •Классификация
- •Методы описания
- •Функция распределения вероятностей случайной величины. Плотность распределения.
- •Законы равномерного и нормального распределений
- •Свойства
- •Моделирование нормальных случайных величин
- •Центральная предельная теорема
- •I b Законы равномерного распределений
- •II b Равномерный закон распределения.
- •Вероятность попадания в заданный интервал нормальной случайной величины
- •Числовые характеристики случайных величин.
- •10 Схема повторных испытаний. Формула Бернулли. Предельные теоремы в схеме Бернулли (Пуассона, Муавра-Лапласа).
- •Предмет и основные задачи математической статистики.
- •Классификация статистической информации.
- •Классификация статистических методов
- •Понятия “генеральная совокупность”, “выборочная совокупность” и “репрезентативная совокупность ”. Способы выбора из генеральной совокупности.
- •Статистическое распределение выборки. Эмпирическая функция распределения. Графическое изображение статистического распределения.
- •Числовые характеристики распределений: мода, медиана, среднее.
- •Числовые характеристики распределений: генеральная средняя и дисперсия; выборочная средняя и дисперсия.
- •1.2.Выборочная средняя.
- •1.3. Генеральная дисперсия.
- •1.4.Выборочная дисперсия.
- •Функциональная, статистическая и корреляционная зависимости. Выборочное уравнение регрессии. Отыскание параметров выборочного уравнения прямой линии среднеквадратичной регрессии.
- •Элементы теории корреляции. Коэффициент корреляции Пирсона.
- •9 Элементы теории корреляции. Коэффициент ранговой корреляции Спирмена.
- •В каких случаях можно обойтись без ранжирования
- •10 Точечные оценки параметров распределенияи методы их нахождения. Метод моментов.
- •4.1. Точечная оценка параметров распределения
- •Преимущества и недостатки метода
- •11 Точечные оценки параметров распределения и методы их нахождения. Понятие о методе наименьших квадратов. Метод наименьших квадратов (расчёт коэффициентов)
- •Интервальные оценки. Построение доверительного интервала для оценки математического ожидания при известной дисперсии.
10 Схема повторных испытаний. Формула Бернулли. Предельные теоремы в схеме Бернулли (Пуассона, Муавра-Лапласа).
Теорема Пуассона. При большом количестве испытаний вычисления по формуле Бернулли становятся затруднительными. Однако в ряде случаев их можно заменить более простыми асимптотическими формулами. Одна из них основана на теореме Пуассона.
Если число испытаний n и p 0 так, что np , > 0, то
при любых k = 0, 1, 2, … .
Это означает, что при больших n и малых p вместо вычислений по точной формуле
можно воспользоваться приближенной формулой
.
На практике пуассоновским приближением пользуются при npq= np(1-p) < 9. Исследуем точность асимптотической формулы Пуассона на следующем примере.
Локальная теорема Муавра-Лапласа. Если npq > 9, то для расчетов используют приближение Муавра-Лапласа
,
где 0 < p < 1 , величина ограничена при n .
Требование ограниченности величины xk означает, что при n величина
k тоже должна расти вместе с величиной n. Точность формулы
растет, как с ростом величин n и k, так и по мере приближения к 0.5 величин p и q.
Исследуем точность асимптотической формулы Муавра-Лапласа на следующем примере.
Теорема Бернулли. Если - число успехов в n испытаниях Бернулли с вероятностью p успеха в одном испытании, то для любого > 0 справедливо
.
Это означает, что с ростом числа испытаний n относительная частота успехов /n приближается к вероятности p успеха в одном испытании.
Определим, сколько нужно произвести испытаний, чтобы с вероятностью, больше или равной , отклонение относительной частоты успехов /n от вероятности p было меньше . Т.е. найдем n, для которого выполняется неравенство
.
Доказано, что для числа n, которое обеспечивает выполнение этого неравенства, справедливо
,
где x - решение уравнения .
Следует обратить особое внимание на замечательный факт - искомое значение n не зависит от p!
Повторные независимые испытания называются испытаниями Бернулли, если каждое испытание имеет только два возможных исхода и вероятности исходов остаются неизменными для всех испытаний.
Обозначим эти вероятности как p и q. Исход с вероятностью p будем называть “успехом”, а исход с вероятностью q – “неудачей”.
Очевидно, что
Пространство элементарных событий для каждого испытания состоит из двух точек. Пространство элементарных событий для n испытаний Бернулли содержит точек, каждая из которых представляет один возможный исход составного опыта. Поскольку испытания независимы, то вероятность последовательности событий равна произведению вероятностей соответствующих исходов. Например, вероятность последовательности событий
{У, У, Н, У, Н, Н, Н}
равна произведению
.
Схема повторных испытаний или схема Бернулли
Под схемой Бернулли понимают конечную серию повторных независимых испытаний с двумя исходами. Вероятность появления (удачи) одного исхода при одном испытании обозначают , а непоявления (неудачи) его . Я. Бернулли установил, что вероятность ровно успехов в серии из повторных независимых испытаний вычисляется по следующей формуле:
То значение , при котором число является максимальным из множества { }, называется наивероятнейшим, и оно удовлетворяет условию
np - q m np+ p,
Формулу Бернулли можно обобщить на случай, когда при каждом испытании происходит одно и только одно из событий с вероятностью ( . Вероятность появления раз первого события и - второго и -го находится по формуле
При достаточно большой серии испытаний формула Бернулли становится трудно применимой, и в этих случаях используют приближенные формулы. Одну из них можно получить из предельной теоремы Пуассона:
Таблица значений функции имеется в приложении 3.
Математическая статистика