- •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.
Моделирование нормальных случайных величин
Простейшие, но неточные методы моделирования основываются на центральной предельной теореме. Именно, если сложить много независимых одинаково распределённых величин с конечной дисперсией, то сумма будет распределена примерно нормально. Например, если сложить 12 независимых базовых случайных величин, получится грубое приближение стандартного нормального распределения. Тем не менее, с увеличением слагаемых распределение суммы стремится к нормальному.
Использование точных методов предпочтительно, поскольку у них практически нет недостатков. В частности, преобразование Бокса — Мюллера является точным, быстрым и простым для реализации методом генерации.
Центральная предельная теорема
Нормальное распределение часто встречается в природе. Например, следующие случайные величины хорошо моделируются нормальным распределением:
отклонение при стрельбе
погрешности измерений
рост живых организмов
Такое широкое распространение закона связано с тем, что он является предельным законом, к которому приближаются многие другие (например, биномиальный).
Доказано, что сумма очень большого числа случайных величин, влияние каждой из которых близко к 0, имеет распределение, близкое к нормальному. Этот факт является содержанием центральной предельной теоремы.
Обозначение |
|
Параметры |
μ - коэффициент сдвига (вещественное число) σ > 0 - коэффициент масштаба (вещественный, строго положительный) |
Носитель |
|
Плотность вероятности |
|
Функция распределения |
|
Математическое ожидание |
|
Медиана |
|
Мода |
|
Дисперсия |
|
Коэффициент асимметрии |
|
Коэффициент эксцесса |
|
Информационная энтропия |
|
Производящая функция моментов |
|
Характеристическая функция |
|
Обозначения просто так добавил, вдруг пригодится.
I b Законы равномерного распределений
В задачах практики встречаются непрерывные СВ, о которых заранее известно, что их возможные значения лежат в пределах некоторого определенного интервала. Кроме того известно, что в пределах этого интервала все значения СВ обладают одной и той же плотностью вероятности. О таких случайных величинах говорят, что они распределяются по закону равной вероятностиили закону равномерной плотности. [5]
Приведем пример случайной величины, распределенной с равномерной вероятностью.
Поезда метрополитена идут с интервалом 2 мин. Пассажир выходит на платформу в некоторый момент времени. Время Т,в течение которого ему придется ждать поезда, представляет собой СВ, распределенную с равномерной плотностью на участке (0, 2) минут.
Рассмотрим СВ X, подчиненную закону равномерной плотности на участке от а до в (см. рисунок 5.6). Плотность этой величины f (x) постоянна и равна с на отрезке (а, в); вне этого отрезка она равна нулю:
(5.29)
Так как площадь, ограниченная кривой распределения, равна единице: c (в-а)=1. Отсюда получаем:c=1/(в-а).
Поэтому плотность распределения f (x) примет вид:
(5.30)
Рисунок 5.6 — График равномерной плотности распределения
Эта формула и выражает закон равномерного распределения вероятностей (закон равномерной плотности) на участке (а, в).
Напишем выражение для функции распределения F (x), которая выражается площадью, ограниченной кривой распределения и осью абсциссы, лежащей левее точки х (рисунок 5.6):
(5.31)
График функции распределения F (x) приведен на рисунке 5.7.
Основные числовые характеристики СВ X на участке от а до в:
— математическое ожидание величины X:
Рисунок 5.7 — Функция распределения
— дисперсия величины X:
— среднее квадратическое отклонение:
Найдем вероятность попадания СВ X распределенной по закону равномерной плотности, на участок (х1, х2), представляющий собой часть участка (а, в) (рисунок 5.8).
Рисунок 5.8 — Вероятность попадания величины X на участок(х1, х2)
Геометрически, как это видно из рисунка 5.8, вероятность представляет собой заштрихованную площадь и равна: