- •Учреждение образования Белорусский государственный университет информатики и радиоэлектроники
- •Общие сведения Сведения об эумк
- •Методические рекомендации по изучению дисциплины
- •Рабочая учебная программа
- •Учреждение образования
- •«Белорусский государственный университет
- •Информатики и радиоэлектроники»
- •Пояснительная записка
- •Содержание дисциплины
- •2. Перечень тем практических занятий, их содержание и объем в часах
- •3. Литература
- •3.2 Дополнительная
- •4. Контрольные работы, их характеристика
- •5. Учебно-методическая карта дисциплины
- •Теоретический раздел Лекция 1
- •1.1 Введение
- •1.2 Основные понятия
- •1.3 Аксиомы теории вероятностей
- •1.4 Непосредственный подсчет вероятностей
- •1.5 Основные комбинаторные формулы
- •Лекция 2
- •2.1 Геометрическое определение вероятностей
- •2.2 Теоремы сложения вероятностей
- •2.3 Условная вероятность
- •2.4 Зависимые и независимые события
- •2.5 Теоремы умножения вероятностей
- •2.6 Вероятность безотказной работы сети
- •Лекция 3
- •3.1 Формула полной вероятности
- •3.2 Формула Байеса
- •3.3 Теорема о повторении опытов
- •Формула Пуассона
- •Формулы Муавра-Лапласа
- •Лекция 4
- •4.1 Случайные величины. Закон распределения вероятностей
- •4.2 Функция распределения
- •4.3 Ряд распределения
- •4.4 Плотность распределения
- •Лекция 5
- •5.1 Числовые характеристики случайной величины
- •5.1.1 Математическое ожидание
- •5.1.2 Начальные моменты
- •5.1.3 Центральные моменты
- •5.1.4 Дисперсия
- •5.1.5 Среднее квадратическое отклонение
- •5.1.6 Мода
- •5.1.7 Медиана
- •6.2 Типовые законы распределения непрерывных случайных величин
- •6.2.1 Равномерное распределение
- •6.2.2 Экспоненциальное распределение
- •6.2.3 Нормальное распределение
- •Лекция 7
- •7.1. Закон распределения функции случайного аргумента
- •7.1.1 Монотонно возрастающая функция
- •7.1.2 Монотонно убывающая функция
- •7.1.3 Немонотонная функция
- •7.2 Числовые характеристики функции случайного аргумента
- •7.2.1 Характеристическая функция случайной величины
- •Лекция 8
- •8.1 Двухмерные случайные величины. Двухмерный закон распределения
- •8.1.1 Двухмерная функция распределения
- •8.1.2 Матрица распределения
- •8.1.3 Двухмерная плотность распределения
- •8.2 Зависимые и независимые случайные величины
- •8.3 Условные законы распределения
- •Лекция 9
- •9.1 Числовые характеристики двухмерных величин
- •9.1.1 Смешанные начальные моменты
- •9.1.2 Смешанные центральные моменты
- •9.1.3 Корреляционный момент
- •9.1.4 Коэффициент корреляции
- •9.2Условные числовые характеристики
- •9.2.1 Pегрессия
- •Лекция 10
- •10.1 Нормальный закон распределения на плоскости
- •10.2 Закон распределения функции двух случайных величин
- •10.3 Многомерные случайные величины
- •10.3.1 Функция распределения
- •10.3.2 Плотность распределения
- •10.3.3 Числовые характеристики
- •11.2.2 Теорема о дисперсии суммы
- •11.3 Числовые характеристики произведения случайных величин
- •11.3.1 Теорема о математическом ожидании произведения
- •11.3.2 Теорема о дисперсии произведения
- •Лекция 12
- •12.1 Закон больших чисел
- •12.1.1 Неравенство Чебышева
- •12.1.2 Теорема Чебышева
- •12.1.3 Теорема Бернулли
- •12.2 Центральная предельная теорема
- •Лекция 13
- •13.1 Математическая статистика. Основные понятия
- •13.2 Оценка закона распределения
- •13.2.1 Эмпирическая функция распределения
- •13.2.2 Статистический ряд распределения
- •13.2.3 Интервальный статистический ряд
- •13.2.4 Гистограмма
- •Лекция 14
- •14.1 Точечные оценки числовых характеристик
- •14.1.1 Оценка математического ожидания
- •14.1.2 Оценка начального момента
- •14.1.3 Оценка дисперсии
- •14.1.4 Оценка центрального момента
- •14.1.5 Оценка вероятности
- •14.2 Оценка параметров распределения
- •14.3 Интервальные оценки числовых характеристик
- •14.3.1 Доверительный интервал для математического ожидания
- •14.3.2 Доверительный интервал для дисперсии
- •14.3.3 Доверительный интервал для вероятности
- •Лекция 15
- •15.1 Проверка статистических гипотез
- •15.1.1 Проверка гипотезы о равенстве вероятностей
- •15.2 Критерии согласия
- •15.2.1 Критерий Пирсона
- •15.2.2 Критерий Колмогорова
- •Лекция 16
- •16.1 Статистическая обработка двухмерных случайных величин
- •16.1.1 Оценка корреляционного момента
- •16.2.1 Гипотеза о равенстве математических ожиданий
- •16.2.2 Гипотеза о равенстве дисперсий
- •16.2.3 Гипотеза о равенстве законов распределения
- •Лекция 17
- •17.1 Оценка регрессионных характеристик
- •17.1.1 Метод наименьших квадратов
- •Практический раздел Контрольные работы Указания по выбору варианта
- •Контрольная работа №1. Теория вероятностей Задача 1. Случайные события. Вероятность события Условия вариантов задачи
- •Методические указания
- •Основные комбинаторные формулы
- •Примеры
- •Задача 2. Теоремы сложения и умножения вероятностей Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 3. Формула полной вероятности. Формула Байеса Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 4. Формула Бернулли Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 5. Дискретная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 6. Непрерывная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 7. Закон распределения функции случайного аргумента Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 8. Двухмерные случайные величины Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 9. Числовые характеристики суммы и произведения случайных величин Условия вариантов задачи
- •Методические указания
- •Примеры
- •Контрольная работа №2. Математическая статистика Задача 10. Обработка одномерной выборки Условие задачи
- •Методические указания
- •Оценка закона распределения
- •Точечные оценки числовых характеристик
- •Интервальные оценки числовых характеристик
- •Проверка статистических гипотез
- •Примеры
- •Задача 11. Обработка двухмерной выборки Условие задачи
- •Методические указания
- •Оценка регрессионных характеристик
- •Примеры
- •8,74746;
- •8,86278
14.3 Интервальные оценки числовых характеристик
Пусть для параметра Q получена из опыта несмещенная оценка . Оценим возможную ошибку, возникающую при замене параметраQ его оценкой . Возьмем достаточно большую вероятностьγ, такую, что событие с вероятностью γ можно считать практически достоверным, и найдем такое значение ε, для которого
. (14.20)
Тогда диапазон практически возможных значении ошибки, возникающей при замене Q на , будет ±ε; большие по абсолютной величине ошибки будут появляться только с малой вероятностью. Равенство (14.19) означает, что с вероятностьюγ неизвестное значение параметра Q попадает в интервал
. (14.21)
Доверительным называется интервал , в который с заданной вероятностью (надежностью) g попадают значения параметра Q. Вероятность g выбирается близкой к 1: 0,9; 0,95; 0,975; 0,99.
Очевидно, что для построения доверительного интервала должен быть известен закон распределения величины . Затруднение состоит в том, что закон распределения оценкизависит от закона распределения величиныX и, следовательно, от его неизвестных параметров (в частности, и от самого параметра Q ). Для решения этой проблемы воспользуемся тем, что величина представляет собой, как правило, суммуn независимых одинаково распределенных случайных величин и, согласно центральной предельной теореме, при достаточно большом n (), ее закон распределения можно считать асимптотически нормальным. В этом случае, приближенный, основанный на нормализации закона точечной оценки, доверительный интервал будет иметь вид:
где – значение аргумента функции Лапласа, т.е. Ф(z) = .
Если закон распределения случайной величины является нормальным и это известно до опыта, то для построения доверительных интервалов для математического ожидания и дисперсии существуют точные формулы, которые могут быть использованы при любом объеме выборки.
14.3.1 Доверительный интервал для математического ожидания
Доверительный интервал для математического ожидания. Интервал для математического ожидания случайной величиныX с неизвестным законом распределения при достаточно большом объеме выборки имеет вид
, (14.22)
где - значение аргумента функции Лапласа, т.е. Ф(z) =
Если случайная величина X распределена по нормальному закону с параметрами mx и sx , то величина распределена по закону Стьюдента с (n - 1) степенью свободы.
Распределение Стьюдента с k степенями свободы имеет следующую плотность распределения:
(14.23)
где - гамма-функция.
В этом случае точный доверительный интервал с надежностью для математического ожидания нормальной случайной величины по имеет вид:
(14.24)
где - значение, взятое из таблицы распределения Стьюдента.
14.3.2 Доверительный интервал для дисперсии
Доверительный интервал для дисперсии. Интервал для дисперсии случайной величиныX с неизвестным законом распределения при достаточно большом объеме выборки имеет вид
, (14.25)
где – значение аргумента функции Лапласа, т.е. Ф(z) = .
Если случайная величина X распределена по нормальному закону с параметрами mx и sx , то величина распределена по законус (n-1) степенью свободы и точный доверительный интервал с надежностью для дисперсии имеет вид
(14.26)
где – значения, взятые из таблицы распределения .
Формулы (14.24, 14.26) можно использовать при любом объеме выборки n, так как эти интервалы построены на основе знания точных законов распределения величин, связывающихQ и . Кроме этого, если случайная величинаX распределена по нормальному закону и ее дисперсия известна, то точный интервалдля математического ожидания при любом объеме выборкиn определяют по формуле (14.22), заменив в ней оценку СКО его точным значением.