- •Государственное образовательное учреждение высшего профессионального образования
- •Кафедра информатики и прикладной математики математика ч. 2 Теория вероятностей и элементы математической статистики
- •Санкт-Петербург
- •Информация о дисциплине
- •1.1. Предисловие
- •Содержание дисциплины и виды учебной работы
- •Объем дисциплины и виды учебной работы
- •Перечень видов практических занятий и контроля:
- •2. Рабочие учебные материалы
- •2.1. Рабочая программа (объем 150 часов) Введение
- •Раздел 1. Случайные события (50 часов)
- •Тематический план дисциплины для студентов очно-заочной формы обучения
- •Тематический план дисциплины для студентов заочной формы обучения
- •2.3. Структурно-логическая схема дисциплины
- •Математика ч.2. Теория вероятностей и элементы математической статистики Теория
- •Раздел 1 Случайные события
- •Раздел 3 Элементы математической статистики
- •Раздел 2 Случайные величины
- •2.5. Практический блок
- •2.6. Балльно-рейтинговая система
- •Информационные ресурсы дисциплины
- •Библиографический список Основной:
- •3.2. Опорный конспект по курсу “ Математика ч.2. Теория вероятностей и элементы математической статистики” введение
- •Раздел 1. Случайные события
- •1.1. Понятие случайного события
- •1.1.1. Сведения из теории множеств
- •1.1.2. Пространство элементарных событий
- •1.1.3. Классификация событий
- •1.1.4. Сумма и произведение событий
- •1.2. Вероятности случайных событий.
- •1.2.1. Относительная частота события, аксиомы теории вероятностей. Классическое определение вероятности
- •1.2.2. Геометрическое определение вероятности
- •Вычисление вероятности события через элементы комбинаторного анализа
- •1.2.4. Свойства вероятностей событий
- •1.2.5. Независимые события
- •1.2.6. Расчет вероятности безотказной работы прибора
- •Формулы для вычисления вероятности событий
- •1.3.1. Последовательность независимых испытаний (схема Бернулли)
- •1.3.2. Условная вероятность события
- •1.3.4. Формула полной вероятности и формула Байеса
- •Раздел 2. Случайные величины
- •2.1. Описание случайных величин
- •2.1.1. Определение и способы задания случайной величины Одним из основных понятий теории вероятности является понятие случайной величины. Рассмотрим некоторые примеры случайных величин:
- •Чтобы задать случайную величину, надо указать ее закон распределения. Случайные величины принято обозначать греческими буквами ,,, а их возможные значения – латинскими буквами с индексамиxi,yi,zi.
- •2.1.2. Дискретные случайные величины
- •Рассмотрим события Ai , содержащие все элементарные события , приводящие к значению XI:
- •Пусть pi обозначает вероятность события Ai :
- •2.1.3. Непрерывные случайные величины
- •2.1.4. Функция распределения и ее свойства
- •2.1.5. Плотность распределения вероятности и ее свойства
- •2.2. Числовые характеристики случайных величин
- •2.2.1. Математическое ожидание случайной величины
- •2.2.2. Дисперсия случайной величины
- •2.2.3. Нормальное распределение случайной величины
- •2.2.4. Биномиальное распределение
- •2.2.5. Распределение Пуассона
- •Раздел 3. Элементы математической статистики
- •3.1. Основные определения
- •Гистограмма
- •3.3. Точечные оценки параметров распределения
- •Основные понятия
- •Точечные оценки математического ожидания и дисперсии
- •3.4. Интервальные оценки
- •Понятие интервальной оценки
- •Построение интервальных оценок
- •Основные статистические распределения
- •Интервальные оценки математического ожидания нормального распределения
- •Интервальная оценка дисперсии нормального распределения
- •Заключение
- •Глоссарий
- •4. Методические указания к выполнению лабораторных работ
- •Библиографический список
- •Лабораторная работа 1 описание случайных величин. Числовые характеристики
- •Порядок выполнения лабораторной работы
- •Лабораторная работа 2 Основные определения. Систематизация выборки. Точечные оценки параметров распределения. Интервальные оценки.
- •Понятие статистической гипотезы о виде распределения
- •Порядок выполнения лабораторной работы
- •Ячейка Значение Ячейка Значение
- •5. Методические указания к выполнению контрольной работы Задание на контрольную работу
- •Методические указания к выполнению контрольной работы События и их вероятности
- •Случайные величины
- •Среднее квадратическое отклонение
- •Элементы математической статистики
- •6. Блок контроля освоения дисциплины
- •Вопросы для экзамена по курсу « Математика ч.2. Теория вероятностей и элементы математической статистики»
- •Продолжение таблицы в
- •Окончание таблицы в
- •Равномерно распределенные случайные числа
- •Содержание
- •Раздел 1. Случайные события………………………………………. 18
- •Раздел 2 . Случайные величины ..………………………… ….. 41
- •Раздел 3. Элементы математической статистики ............... . 64
- •4. Методические указания к выполнению лабораторных
- •5. Методические указания к выполнению контрольной
Построение интервальных оценок
Доверительный интервал задается своими концами и. Однако найти функцииииз условия (3.23) невозможно, поскольку закон распределения этих функций зависит от закона распределенияξи, следовательно, зависит от неизвестного параметра. Используют следующий прием, позволяющий в ряде случаев построить доверительный интервал. Подбирается такая функция, чтобы:
- ее закон распределения был известен и не зависел от неизвестного параметра ;
- функция была непрерывной и строго монотонной по.
Тогда для любого βможно выбрать два числаитак, чтобы выполнялось равенство
. (3.24)
Отсюда находят икак квантили функции распределения. Границы искомого доверительного интервала выражают через найденные квантили и выборочные данные, используя для этого соотношения, связывающие новую и старую случайные величины.
Если плотность распределения случайной величины симметрична, то доверительный интервал симметричен относительно точечной оценки , и для нахождения границ доверительного интервала вместо условия (3.23) можно использовать соотношение (3.21).
Основные статистические распределения
Построение разного рода оценок и статистических критериев часто основывается на использовании ряда специальных распределений случайных величин.
Нормальное распределение.Случайная величинаимеет нормальное распределение с параметрамии, что обозначается как, если плотность вероятности этой случайной величины имеет вид
. (3 .25)
График плотности вероятности случайной величины, имеющей нормальное распределение, представлен на рисунке 3.5, на котором видно, что максимум функции находится в точке .
Поскольку нормальное распределение подробно изучается в курсе теории вероятностей, напомним свойства нормальной случайной величины, которые будут использоваться в дальнейшем.
Рис. 3.5
1) ,.
2) Случайная величина называется центрированной, если ее математическое ожидание равно нулю. Для того чтобы центрировать случайную величину, надо вычесть из нее математическое ожидание:
.
Случайная величина называется нормированной, если ее дисперсия равна единице, а математическое ожидание равно нулю.
Для того чтобы нормировать случайную величину, надо ее поделить на среднее квадратическое отклонение:
.
Центрированная и нормированная нормальная случайная величина называется стандартной. Таким образом, стандартной будет случайная величина
~ . (3.26)
Вероятность попадания случайной величины в интервал (α,β) вычисляется по формуле
, (3.27)
где - интеграл вероятности, представляющий собой функцию распределения стандартной нормально распределенной случайной величины. Интеграл вероятности табулирован. Его значения приведены в таблице В Приложения.
Для стандартной нормальной случайной величины и симметричного промежутка формула (3.27) принимает следующий вид:
. (3.28)
Распределение (хи-квадрат).Если,независимые стандартные нормальные случайные величины, то говорят, что случайная величина
(3.29)
имеет распределение хи-квадрат с степенями свободы, что обозначается как. Графики плотности вероятности для двух значений степени свободы приведены на рис.3.6.
Рис. 3.6
С увеличением числа степеней свободы плотность вероятности стремится к нормальной. Приплотность вероятности постоянно убывает, а приимеет единственный максимум,,.
Распределение Стьюдента. Пусть,,,- независимые стандартные нормальные случайные величины. Тогда случайная величина
(3.30)
имеет распределение Стьюдента с степенями свободы, что обозначается как, при этом
, .
На рис.3.7 приведены кривые стандартного нормального распределения (кривая 1) и плотности распределения Стьюдента (кривая 2).
Рис. 3.7
При плотность распределения Стьюдента стремится к плотности стандартной нормальной случайной величины.
На практике, как правило, используется не плотность вероятности, а квантиль распределения. Напомним, что квантилью порядка (или уровня) непрерывной случайной величиныназывается такое ее значение, которое удовлетворяет равенству,
где - функция распределения, а- заданное значение вероятности. Рис.3.8 поясняет понятие квантили порядка.
Рис. 3.8
Следующая теорема устанавливает свойства основных выборочных характеристик, вычисленных по выборке, соответствующих нормальному распределению.
Теорема Фишера. Пусть - случайная выборка из генеральной совокупности , тогда выборочное среднее и несмещенная выборочная дисперсия независимы, и при этом
1) случайная величина имеет распределение ;
2) случайная величина имеет распределение ;
3) случайная величина имеет распределение .
Доказательство теоремы приведено в [2].