- •Учебно-методический комплекс Учебной дисциплины «Теория вероятностей и математическая статистика» Цикла ен по специальности
- •080107 «Налоги и налогообложение»
- •Рабочая учебная программа утверждаю:
- •Основание
- •Раздел 1. Элементы теории вероятностей
- •Раздел 2. Математическая статистика
- •2. Краткое изложение материала (сокращенный курс лекций)
- •Тема 1.Элементы комбинаторики
- •1.1. Размещения
- •1.2. Понятие факториала
- •1.3. Размещения с повторениями
- •1.4. Сочетания
- •Сочетания с повторениями
- •1.6. Перестановки
- •1.7. Перестановки с повторениями
- •1.8. Правила комбинаторики
- •Тема 2.Элементы теории вероятностей
- •2.1. Определение вероятности и свойства, вытекающие из её определения. Классификация событий. Диаграммы Венна
- •Полную группу можно определить так: если
- •2.2. Правила сложения и умножения вероятностей. Зависимые и независимые события
- •Тема 3. Формулы полной вероятности и байеса
- •Необходимо определить вероятность события а и переоценить вероятности событий Hi с учетом полной информации о событии а.
- •Тема 4. Дискретные случайные величины.
- •4.1. Определение дискретной случайной величины.
- •4.2.Числовые характеристики.
- •4.3. Математические операции над случайными величинами.
- •4.4. Распределения Бернулли и Пуассона.
- •4.5. Гипергеометрическое распределение.
- •5. Непрерывные случайные величины.
- •5.1. Функция распределения и плотность распределения непрерывной случайной величины.
- •5.2. Нормальное распределение
- •6. Вариационные ряды и их характеристики
- •6.1.Понятие вариационного ряда. Виды вариационных рядов.
- •6.2. Числовые характеристики вариационного ряда
- •7. Выборочный метод и статистическое оценивание
- •7.1. Основные понятия и определения выборочного метода
- •7.2. Статистическое оценивание
- •7.3. Ошибки выборки
- •Формулы расчёта ошибки выборки для собственно-случайного отбора
- •7.4. Определение численности (объема) выборки
- •Формулы расчёта необходимой численности выборки для собственно-случайного отбора
- •7.5. Интервальное оценивание
- •Тема 8. Проверка статистических гипотез
- •Статистическая проверка гипотез
- •3. Методические указания к выполнению курсовой работы, а также методические указания в целом
- •Задачи к теме 1 «Комбинаторика».
- •Задачи к теме 2 «Основные теоремы теории вероятностей».
- •Задачи к теме 3 «Формулы полной вероятности и Байеса».
- •Задачи к теме 4 «Законы распределения дискретных случайных величин».
- •Задачи к теме 5 «Законы распределения непрерывных случайных величин».
- •Задачи к теме 6 «Вариационные ряды и их характеристики».
- •Задачи к теме 7 «Выборочный метод и статистическое оценивание».
- •Задачи к теме 8 «Статистическая проверка гипотезы».
- •5. Контроль знаний (тесты, билеты, вопросы для экзамена, зачета) тесты
- •Тема 1. Комбинаторика
- •Тема 2. Основные определения, понятия и теоремы теории вероятностей
- •Тема 3. Формулы полной вероятности и Байеса
- •Тема 4. Случайные величины
- •Тема 5 . Закон больших чисел
- •Тема 6. Вариационный ряд и его числовые характеристики
- •Тема 7. Выборочный метод и его значение в экономических исследованиях
- •Тема 8. Статистическая проверка гипотез
- •Экзаменационные билеты
- •Вопросы к экзамену (зачету)
- •Раздел 1. Элементы теории вероятностей
- •Раздел 2. Математическая статистика
- •6. Сведения о ппс
- •7. Деловые игры и хозяйственные ситуации, используемые при проведении практических занятий
- •Дополнительный материал Глоссарий
- •Статистические таблицы
Тема 3. Формулы полной вероятности и байеса
Часто мы начинаем анализ вероятностей имея предварительные, априорные значения вероятностей интересующих нас событий. Затем из источников информации, таких как выборка, отчет, опыт и т.д. мы получаем дополнительную информацию об интересующем нас событии. Имея эту новую информацию, мы можем уточнить, пересчитать значения априорных вероятностей. Новые значения вероятностей для тех же интересующих нас событий будут уже апостериорными (послеопытными) вероятностями. Теорема Байеса дает нам правило для вычисления таких вероятностей.
Последовательность процесса переоценки вероятностей можно схематично изобразить так:
Априорные Новая информация из Байесовский Апостериорные
вероятности каких-либо источников анализ вероятности
Пусть событие А может осуществиться лишь вместе с одним из событий Н1, Н2, Н3, ..., Нn, образующих полную группу. Пусть известны вероятности P(H1), P(H2),…P(Hi),…P(Hn). Так как события Hi образуют полную группу, то .Так же известны и условные вероятности события А: P(A/H1), P(A/H2), …P(A/Hi)…, P(A/Hn), i=1, 2, …, n. Так как заранее неизвестно с каким из событий Hi произойдет событие А, то события Hi называют гипотезами.
Необходимо определить вероятность события а и переоценить вероятности событий Hi с учетом полной информации о событии а.
Вероятность события А определяется как:
(3.1)
Эта вероятность называется полной вероятностью.
Если событие А может наступить только вместе с одним из событий Н1, Н2, Н3, ..., Нn, образующих полную группу несовместных событий и называемых гипотезами, то вероятность события А равна сумме произведений вероятностей каждого из событий Н1, Н2, ..., Нn на соответствующую условную вероятность события А.
Условные вероятности гипотез вычисляются по формуле:
или (3.2)
Это - формулы Байеса, (по имени английского математика Т.Байеса, опубликовавшего их в 1764 году) выражение в знаменателе - формула полной вероятности.
Тема 4. Дискретные случайные величины.
4.1. Определение дискретной случайной величины.
Величина, которая в результате испытания может принять то или иное значение, заранее неизвестно, какое именно, называется случайной величиной.
Дискретной случайной величиной называется такая переменная величина, которая может принимать конечную или бесконечную совокупность значений, причем принятие ею каждого из значений есть случайное событие с определенной вероятностью.
Соотношение, устанавливающее связь между отдельными возможными значениями случайной величины и соответствующими им вероятностями, называется законом распределения дискретной случайной величины. Если обозначить возможные числовые значения случайной величины Х через х, х, ......, а черезвероятность появления значения, то дискретная случайная величина полностью определяется следующей таблицей 4.1:
Таблица 4.1
-
...
p1
...
где значения х, х,...,,записываются, как правило, в порядке возрастания. Таблица называетсязакономилирядом распределениядискретной случайной величины Х. Поскольку в верхней строчке ряда распределения записаны все значения случайной величины Х, то нижняя строчка обладает тем свойством, что
(4.1)
Графическое изображение ряда распределения называется многоугольником распределения(полигоном распределения) (рис. 4.1):
Рис.4.1.
Для этого по оси абсцисс откладывают значения случайной величины, по оси ординат - вероятности значений. Полученные точки соединяют отрезками прямой. Построенная фигура и называется многоугольником распределения вероятностей.
Дискретная случайная величина может быть задана функцией распределения .
Функцией распределенияслучайной величины Х называется функция F (x), выражающая вероятность того, что Х примет значение, меньшее чем х:
(4.2)
- здесь для каждого значения х суммируются вероятности тех значений , которые лежат левее точки х.
Функция F (x) есть неубывающая функция;
Для дискретных случайных величин функция распределения F(x) есть разрывная ступенчатая функция, непрерывная слева (рис. 4.2):
F(x)
p3
p2
p1
x1x2 0 х3xj
Рис.4.2.
Вероятность попадания случайной величины Х в промежуток от до(включая) выражается формулой:
(4.3)