- •Демонстрационная презентация курса
- •Лекция 1. Введение в теорию вероятностей
- •Равновозможные исходы
- •Классическое определение вероятности
- •Формулы комбинаторики
- •Выбор без возвращения
- •Выбор без возвращения
- •Статистическое определение
- •Статистическое определение
- •Лекция 2. Основания теории вероятностей
- •Событиями мы будем называть некоторые наборы элементарных исходов, то есть подмножества множества Ω.
- •Элементарные события
- •Комбинации событий
- •Сумма (объединение) событий
- •Противоположное событие
- •Вероятность в дискретном пространстве
- •Несчетное множество исходов
- •Аксиоматическое определение вероятности
- •Лекция 3.
- •Условная вероятность
- •Теорема сложения
- •Теорема умножения для двух событий
- •Теорема (формула полной вероятности)
- •Теорема (формула Байеса)
- •Лекция 4. Схемы испытаний
- •Теорема (формула Бернулли)
- •Предельные теоремы для схемы Бернулли
- •Теорема Пуассона
- •Приближенная формула Пуассона
- •Локальная приближенная формула
- •Свойства функции (x)
- •Интегральная приближенная формула
- •Свойства функции Ф(x)
- •Лекция 5.
- •Дискретные распределения
- •Ряд распределения
- •Биномиальное распределение B(n, p)
- •Пример
- •Распределение Пуассона P
- •Функция распределения
- •Лекция 6.
- •Геометрический смысл функции распределения
- •Равномерное распределение R [a, b]
- •Нормальное распределение N (a, )
- •Нормальное распределение N (a, )
- •Кривые плотностей N(a, σ) с различными а и σ
- •Плотность и функция распределения
- •Многомерные СВ
- •Лекция 7.
- •Математическое ожидание н.сл.в.
- •Математическое ожидание функции случайной величины
- •Дисперсия случайной величины
- •Числовые характеристики
- •Начальные и центральные моменты
- •Лекция 8. Линейная зависимость
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Смысл коэффициента корреляции
- •Уравнение линейной регрессии
- •Формулы уравнения линейной регрессии
- •Лекция 9. Условные распределения
- •Нахождение условной функции распределения
- •Условная плотность
- •Условное математическое ожидание
- •Регрессия
- •Корреляционное отношение
- •Лекция 10. Предельные теоремы
- •Сходимость по вероятности
- •Закон больших чисел (ЗБЧ)
- •Закон больших чисел
- •ЗБЧ в форме Чебышева
- •ЗБЧ в форме Бернулли
- •ЗБЧ в форме Хинчина
- •Центральная предельная теорема (ЦПТ)
- •Центральная предельная теорема для независимых одинаково распределенных сл. в.
- •Зависимость от числа слагаемых
- •Практическое значение ЦПТ
- •Лекция 11. Введение в
- •Основные понятия
- •Простая выборка
- •Эмпирическая функция распределения
- •Свойства эмпирической функции распределения
- •Группировка выборки
- •Параметры группировки
- •Графические характеристики выборки
- •Гистограмма и плотность
- •Лекция 12.
- •Числовые характеристики выборки
- •Способ получения выборочных формул
- •Замечание
- •Выборочное среднее
- •Выборочная дисперсия
- •Выборочный начальный момент порядка l
- •Выборочный центральный момент порядка l
- •Лекция 13. Распределение выборочных характеристик
- •Плотность распределения χ2 при разных k
- •Распределение Стьюдента
- •Плотность распределения Стьюдента
- •Распределение Фишера
- •Теорема Фишера
- •Теорема
- •Лекция 14. Точечное оценивание параметров
- •Точечные оценки
- •Несмещенность
- •Несмещенные оценки в N(a,σ)
- •Состоятельность
- •Оптимальность
- •Нижняя граница дисперсий
- •Эффективность
- •Оценка максимального правдоподобия
- •Метод максимального правдоподобия
- •Метод моментов
- •Лекция 15. Интервальное оценивание параметров
- •Уровень значимости α
- •Схема построения доверительного интервала
- •Доверительный интервал для параметра a распределения N(a, σ)
- •Квантили нормального распределения
- •Доверительный интервал для параметра a (при неизвестном σ) :
- •Доверительный интервал для параметра σ распределения N(a, σ)
- •Асимптотический доверительный интервал
- •Лекция 16. Проверка статистических гипотез
- •Проверка гипотезы
- •Критическая область
- •Если значение статистики попадает критическую область, то H0 отвергается.
- •Ошибка первого рода
- •Ошибка второго рода
- •Мощность критерия
- •Лекция 17. Проверка гипотез о параметрах
- •Общая схема проверки
- •Проверка гипотез о параметрах нормального распределения
- •Гипотеза о дисперсиях.
- •Лекция 18. Проверка гипотез о виде распределения.
- •Применение критерия Колмогорова
- •Правило проверки
- •Критерий согласия Пирсона χ2
- •Статистика критерия Пирсона
- •Правило проверки
Событиями мы будем называть некоторые наборы элементарных исходов, то есть подмножества множества Ω. Говорят, что в результате эксперимента произошло событие A, если в эксперименте произошел один из элементарных исходов, входящих в множество.
СФУ Т.В. Крупкина |
11 |
Элементарные события
Достоверное событие наступает при любом исходе.
Невозможное событие не может произойти в результате эксперимента, оно не происходит никогда.
Случайное событие может произойти или не произойти в результате эксперимента, оно происходит иногда.
СФУ Т.В. Крупкина |
12 |
Комбинации событий
Рассмотрим комбинации событий, такие, как сумма, произведение, разность и т.д.
Поскольку события – это множества исходов, будем использовать соответствующие определения для множеств.
Сумма событий соответствует объединению множеств, произведение событий соответствует пересечению множеств и т.д.
СФУ Т.В. Крупкина |
13 |
Сумма (объединение) событий
Суммой событий A1 и A2 называют событие A, состоящее в осуществлении хотя бы одного из событий A1 или A2: A A1 A2 A1 A2
A2 A1
|
A Ak |
Аналогично определяется |
k |
|
СФУ Т.В. Крупкина |
14 |
Противоположное событие
Противоположным событием к событию A называют событие A,состоящее в том, что
событие A не произошло: |
A \ A |
|
A
A
СФУ Т.В. Крупкина |
15 |
Вероятность в дискретном пространстве
Чтобы определить вероятность любого события на дискретном пространстве элементарных исходов, достаточно присвоить вероятность каждому элементарному исходу. Тогда вероятность любого события определяется как сумма вероятностей входящих в него элементарных исходов.
P(A) p( i). (*)
i: i A
СФУ Т.В. Крупкина |
16 |
Несчетное множество исходов
Но множество исходов не обязательно конечно или счетно.
Пусть, например, опыт состоит в выборе точки из отрезка [0, 1]. Исходом является любая точка, а множество точек отрезка несчетно. Как ввести вероятность в этом случае?
Ответ дает аксиоматика Колмогорова.
СФУ Т.В. Крупкина |
17 |
Аксиоматическое определение вероятности
Вероятность события есть числовая функция P(A), удовлетворяющая аксиомам:
1.P A 0
2.P 1
3.Для несовместных слагаемых { A}:i
|
|
|
|
|
|
|
i |
P |
U i |
|
P |
||||
i 1 |
A |
|
|
|
A |
||
|
|
|
i 1 |
|
|
|
СФУ Т.В. Крупкина |
18 |
Лекция 3.
Исчисление вероятностей
Определение
События A и B называются независимыми, если
P AB P A P B .
СФУ Т.В. Крупкина |
19 |
Условная вероятность
Условной вероятностью события A при условии, что произошло событие B, называется число
P A | B P AB
P B
Считают, что условная вероятность определена только в случае, когда
P(B) > 0.
СФУ Т.В. Крупкина |
20 |