- •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
Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
Реализация намеченного действия, приводящая к некоторому результату, называется экспериментом (опытом). Если, исходя из условий, описывающих эксперимент, его результат предсказуем, то такой эксперимент является детерминированным. (Пример: подброшенный вверх камень обязательно упадет вниз. Повышение жизненного уровня вызывает рост потребления товаров. Поломка системного блока выводит из строя компьютер.)
Эксперимент считается случайным, если он может закончиться любым из некоторой совокупности известных результатов, но до осуществления эксперимента нельзя сказать каким именно. ТВ исследует именно случайные эксперименты, вернее модели экспериментов со случайными исходами. При этом рассматриваются только такие эксперименты, которые можно повторять (воспроизводить) при неизменном комплексе условий произвольное число раз (по крайней мере теоретически). Будем рассматривать событие как результат испытания. Примеры:1. Стрелок стреляет по мишени, разделенной на несколько частей. Выстрел – это испытание, попадание в определенную область мишени – событие. 2. Извлечение шара из урны – испытание, появление шара определенного цвета – событие. 3. Сдача экзамена – испытание (случайный эксперимент), получение оценки – событие.
Пространство элементарных событий.
Пусть в результате испытания наступает одно и только одно из событий
События называют элементарными событиями (элементарными исходами). Множество всех элементарных событий, которые могут появиться в испытании, называют пространством элементарных событий , а сами элементарные события – точками пространства .
Пространство элементарных событий обычно считается заданным, если указаны все его элементы. Пример: Для эксперимента с подбрасыванием игральной кости пространство элементарных событий образует совокупность элементарных исходов {1,2,3,4,5,6}; при подбрасывании монеты {О,Р}.
Из элементарных исходов можно составить более сложное событие. Иными словами, каждое случайное событие А определяется как подмножество в множестве элементарных событий . При этом те элементарные события из , при которых событие А наступает (т.е. принадлежит подмножеству А) называют благоприятствующими событию А (благоприятствующие исходы). Говорят, что событие А произошло, если результатом эксперимента явился элементарный исход , принадлежащий А (А). Пример: При подбрасывании игральной кости событию “выпадение четного числа очков” благоприятствуют элементарные исходы {2,4,6}. Сдаче экзамена благоприятствует получение 3, 4 или 5 баллов.
Совместные и несовместные события.
Два события называются совместными в данном опыте, если появление одного из них не исключает появления другого. Примеры: попадание в неразрушаемую цель двумя различными стрелками, выпадение одинакового числа очков на двух кубиках.
Два события называются несовместными (несовместимыми) в данном опыте, если они не могут произойти вместе при одном и том же испытании. Несколько событий называются несовместными, если они попарно несовместны. Примеры несовместных событий: а) попадание и промах при одном выстреле; б) из ящика с деталями наудачу извлечена деталь – события “извлечена стандартная деталь” и “извлечена нестандартная деталь” в) разорение фирмы и получение ею прибыли.
Другими словами, события А и В совместны, если соответствующие множества А и В имеют общие элементы, и несовместны если соответствующие множества А и В не имеют общих элементов.
При определении вероятностей событий часто используется понятие равновозможных событий. Несколько событий в данном опыте называются равновозможными, если по условиям симметрии есть основание считать, что ни одно из них объективно не является более возможным, чем другие (выпадение герба и решки, появление карты любой масти, выбор шара из урны и т.п.)