- •Лекция 1. Предмет теории вероятностей и математической статистики и их роль в экономике и менеджменте
- •Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
- •Пространство элементарных событий.
- •Совместные и несовместные события.
- •Операции над событиями (сумма, разность, произведение).
- •Свойства операций над событиями.
- •Алгебра и сигма-алгебра событий.
- •Лекция 3. Методы определения вероятностей событий
- •Классическое определение вероятности события. Случаи равновероятных исходов.
- •Статистическое определение вероятности события. Случаи неравновероятных исходов.
- •Геометрические вероятности.
- •Аксиоматическое построение теории вероятностей.
- •Вероятностное пространство
- •Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
- •Условная вероятность.
- •Формула умножения вероятностей.
- •Формула сложения вероятностей.
- •Независимость событий.
- •Формула полной вероятности.
- •Формула Байеса
- •Основные понятия комбинаторики.
- •Правила суммы и произведения.
- •Лекция 5. Схема независимых испытаний Бернулли
- •Случай непостоянной вероятности появления события в опытах
- •Наивероятнейшее число наступления событий в схеме Бернулли.
- •Предельные теоремы для схемы Бернулли.
- •Теорема Пуассона.
- •Понятие потока событий.
- •Локальная теорема Муавра –Лапласа.
- •Интегральная (глобальная) теорема Муавра – Лапласа.
- •Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
- •Закон распределения дискретной случайной величины.
- •Функция распределения случайной величины и ее свойства.
- •Свойства функции распределения
- •Плотность распределения вероятностей.
- •Лекция 7. Основные параметры распределений одномерных случайных величин.
- •Математическое ожидание случайной величины
- •Свойства математического ожидания:
- •Дисперсия случайной величины и ее свойства.
- •Среднее квадратическое отклонение.
- •Лекция 8. Основные законы распределений случайных величин
- •Биномиальное распределение, его математическое ожидание и дисперсия.
- •Распределение Пуассона.
- •Геометрическое распределение
- •Гипергеометрическое распределение (урновая схема)
- •Равномерное распределение.
- •Показательное распределение.
- •Лекция 9. Нормальное распределение и его свойства
- •Свойства функции Гаусса.
- •Вероятность попадания нормальной случайной величины в заданный интервал.
- •Функция Лапласа и ее свойства.
- •О тклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- •Лекция 10. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двух случайных величин
- •Свойства совместной функции распределения двух случайных величин
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Независимые случайные величины
- •Для независимых случайных величин справедливы соотношения
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Лекция 11. Предельные теоремы теории вероятностей.
- •Неравенство Чебышева
- •Теорема Чебышева.
- •Центральная предельная теорема.
- •Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
- •Выборочный метод и его основные понятия. Случайная выборка и ее объем
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин.
- •Полигон и гистограмма
- •Лекция 13. Понятие о статистических оценках случайных величин Эмпирическая функция распределения
- •Важнейшие свойства статистических оценок
- •Надежность и доверительный интервал.
- •Лекция 14. Доверительные интервалы для математического ожидания и дисперсии 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
- •Лекция 15. Проверка статистических гипотез.
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки.
- •Критерий согласия Пирсона о виде распределения.
- •Лекция 16. (уир) Понятие о регрессионном анализе
- •Понятие о регрессионном анализе
- •Выборочные уравнения регрессии.
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель.
- •Обратная модель.
- •Степенная модель.
- •Показательная модель.
- •Лекция 17 (уир). Понятие о корреляционном анализе.
- •А. Парная корреляция
- •Б. Множественная корреляция
- •Лекция 18 (уир). Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода.
- •Равенство Маркова
- •Лекция 19 (уир). Цепи Маркова с непрерывным временем.
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Лекция 20 (уир). Системы массового обслуживания.
- •Расчет характеристик систем массового обслуживания Одноканальные модели а. Одноканальная модель с отказами
- •Б. Одноканальная модель с ожиданием
- •Многоканальные модели
Наивероятнейшее число наступления событий в схеме Бернулли.
Число наступлений события называется наивероятнейшим, если оно имеет наибольшую вероятность по сравнению с вероятностями наступления любое другое количество раз.
Теорема. Наивероятнейшее число наступлений события в независимых испытаниях заключено между числами и .
Следует отметить, что наивероятнейших чисел может быть два или одно в зависимости от того, является np+p целым числом или нет. Если это число нецелое, то наивероятнейшее число (целая часть), в противном случае имеется два значения и
Предельные теоремы для схемы Бернулли.
Если число испытаний велико, формулу Бернулли применять неудобно. В этом случае можно применять приближенные формулы, точность которых увеличивается с возрастанием .
Теорема Пуассона.
Теорема: Если вероятность наступления события в каждом испытании постоянна и мала, а число независимых испытаний достаточно велико, то вероятность того, что событие наступит раз, приближенно равна
,
где .
Доказательство:
Введем обозначение , выразим отсюда и подставим это выражение в формулу Бернулли:
.
При все выражения в скобках, за исключением предпоследнего, можно принять равными единице, т.е.
.
При
,
поэтому
,
что и требовалось доказать.
Понятие потока событий.
Формула Пуассона находит применение в теории массового обслуживания. Она может рассматриваться как математическая модель простейшего потока событий с интенсивностью . Параметр представляет при этом среднее число успехов.
Потоком событий называют последовательность событий, которые наступают в случайные моменты времени. Интенсивностью потока называют среднее число событий в единицу времени. Простейшим (пуассоновским) называют поток событий, который обладает свойствами стационарности, отсутствия последействий и ординарности.
Свойство стационарности характеризуется тем, что вероятность появления событий на любом промежутке времени зависит только от числа и от длительности промежутка времени и не зависит от начала его отсчёта.
Свойство отсутствия последействия характеризуется тем, что вероятность появления событий на любом промежутке времени не зависит от того, появлялись или не появлялись события в моменты времени, предшествующие началу рассматриваемого промежутка, т.е. предыстория потока не сказывается на вероятности появления событий.
Свойство ординарности характеризуется тем, что появление двух и более событий за малый промежуток времени маловероятно по сравнению с вероятностью появления только одного события.
Если интенсивность простейшего потока известна, то вероятность появления событий за время определяется формулой
Пример простейшего потока событий. Среднее число заказов такси, поступающих на диспетчерский пункт в одну минуту, равно трем. Найти вероятность того, что за 2 минуты поступит 4 вызова.
Подставляя в вышеприведенную формулу , получим
Локальная теорема Муавра –Лапласа.
Лапласом была получена важная приближенная формула для вероятности появления события точно раз, при условии, что достаточно велико. В отличие от формулы Пуассона здесь нет ограничения на малость величины в отдельном испытании, т.е. область применимости формулы Лапласа шире.
Теорема. Вероятность того, что в условиях схемы Бернулли событие при испытаниях появится точно раз, выражается приближенной формулой Лапласа
где .
Формулу Лапласа иногда называют асимптотической формулой, поскольку доказано, что относительная ошибка формулы Лапласа стремится к нулю при .