- •Пример.
- •Определение случайного события.
- •Несовместные события.
- •Вероятность случайного события.
- •Свойства вероятности
- •Классическое определение вероятности события
- •Пример.
- •Основные формулы теории вероятностей Независимость случайных событий.
- •Правило умножения вероятностей
- •Вероятность суммы событий.
- •Некоторые формулы комбинаторики. Правило сложения.
- •Правило умножения.
- •Пример.
- •Размещения и перестановки
- •Сочетания
- •Формула Пуассона
- •Формула полной вероятности.
- •Случайная величина.
- •Пример.
- •Дискретные случайные величины.
- •Непрерывные случайные величины.
- •Числовые характеристики случайных величин.
- •Свойства дисперсии.
- •Некоторые законы распределения. Биномиальный закон распределения.
- •Закон распределения Пуассона.
- •Полиномиальное распределение
- •Пример.
- •Равномерный закон распределения случайной величины.
- •Нормальный закон распределения случайной величины (закон Гаусса).
- •Стандартная форма нормального закона распределения.
- •Распределение «хи-квадрат».
- •График распределения.
- •Показательный (экспоненциальный) закон распределения.
- •Структурные характеристики распределения случайной величины.
- •Медиана.
- •Квантиль.
- •Системы случайных величин.
- •Свойства функции распределения.
- •Свойства плотности вероятности.
- •Математическое ожидание и дисперсия системы случайных величин.
- •Дисперсия двумерной случайной величины.
- •Условное математическое ожидание.
- •Свойства коэффициента корреляции.
- •Функции случайных величин. Функции одной случайной величины.
- •Функция двух случайных величин.
- •Случайные функции.
- •Свойства математического ожидания случайной функции.
- •Свойства дисперсии случайной функции.
- •Свойства корреляционной функции.
- •Свойства взаимной корреляционной функции.
- •Свойства корреляционной функции стационарной случайной функции.
- •Математическая статистика. Выборочный метод.
- •Свойства эмпирической функции распределения.
- •Статистические оценки параметров распределения. Точечные оценки.
- •Метод моментов.
- •Метод наибольшего правдоподобия.
- •Распределение дискретной случайной величины.
- •Распределение непрерывной случайной величины.
- •Распределение выборочных характеристик.
- •Пример 1.
- •Пример 2.
- •3.Распределение выборочной дисперсии.
- •Доверительные интервалы.
- •Проверка статистических гипотез.
- •1.Понятие статистической гипотезы.
- •Проверкa гипотезы о равенствt средних двух нормальных распределений с известными дисперсиями.
- •Двухвыборочный t-тест с одинаковыми и различными дисперсиями.
- •Двухвыборочный f-тест для дисперсий.
- •Парный двухвыборочный t-тест для средних значений.
- •Дисперсионный анализ.
- •Двухфакторный дисперсионный анализ без повторений и с повторениями
Непрерывные случайные величины.
Случайная величина Х является непрерывной, если непрерывна её функция распределения F(x).
Для непрерывной случайной величины можно задать закон распределения также в виде некоторой функции, которая называется плотностью распределения, или плотность вероятности.
Функция называется плотностью распределения, или плотностью вероятности, если выполняются условия:
F(x)= ,
где F(x) - функция распределения (интегральная),
- переменная интегрирования.
2)
3)
Вероятность попадания случайной величины Х на отрезок :
Числовые характеристики случайных величин.
Случайная величина полностью определяется законом распределения. Но на практике часто достаточно знать лишь некоторые числовые характеристики, которые отражают особенности распределения случайной величины. К таким характеристикам относятся среднее значение случайной величины; отклонение от среднего значения.
Число, которое характеризует среднее значение случайной величины называется математическим ожиданием.
Математическое ожидание.
Х |
x 1 |
x 2 |
… |
x i |
… |
p |
p1 |
p 2 |
… |
pi |
… |
М[Х], mx – математическое ожидание.
М[Х]= - для дискретной случайной величины
Пример.
Х |
1 |
2 |
3 |
4 |
5 |
6 |
p |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
1/6 |
М[Х]= .
М[Х]= - для непрерывной случайной величины.
плотность распределения.
Свойства математического ожидания.
М[С]=С (С – постоянная).
М[СХ]=С М[Х].
Если есть две случайные величины: Х и Y, то М[Х+ Y]= М[Х]+ +М[Y].
Если есть две независимые случайные величины: Х и Y, то М[ХY]=М[Х]М[Y].
Дисперсия.
Дисперсия – число, которое характеризует степень отклонения случайной величины от её среднего значения (математического ожидания). Определяется как средний квадрат отклонения случайной величины.
- отклонение случайной величины от её среднего значения
D[X] =М[ 2]=М[( )2]= =М[ ]=М[ ] =М[ ]- .
Если случайная величина задана в виде таблицы, то
D[X] = .
Для непрерывной случайной величины:
D[X] = .
Свойства дисперсии.
D [С]=0.
D [СХ]=С2D[Х].
D[X+ Y]=D[Х]+D[Y]+2М[ ],
где
.
Величина М[ ] называется корреляционным моментом, или ковариацией.
К[X,Y]=М[ ].
Если случайные величины Х и Y независимы, то К[X,Y]=0 и
D[X+Y]=D[Х]+D[Y].
Некоторые законы распределения. Биномиальный закон распределения.
Пусть проводятся n опытов. В каждом опыте с одной и той же вероятностью может наступить некоторое событие А.
Рассматривается случайная величина Х – число наступления события в n опытах.
Тогда таблица вида
Х |
0 |
1 |
… |
n-1 |
n |
p |
pn0 |
pn1 |
… |
pnn-1 |
pnn |
где вероятности pnх определяются по формуле Бернулли
, определяет биномиальный закон распределения.