- •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
Свойства функции (x)
x |
x |
||||
0 |
|
|
1 |
|
0.3989 |
|
|
|
|||
|
|
||||
|
|
|
2 |
||
lim |
x 0 |
||||
x |
|
|
|
|
|
4 0.001
СФУ Т.В. Крупкина |
32 |
Интегральная приближенная формула |
||||||||
Муавра –Лапласа |
|
|
|
|
|
|||
|
|
|
|
x2 |
|
x2 x1 |
, |
|
lim p x1 m np |
|
|||||||
n |
|
npq |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
1 |
x |
e |
t 2 |
|
x |
|
|
|
2 dt t dt |
|
|||||
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
Интегральную приближенную формулу Муавра –
Лапласа |
применяют |
при |
n > 30, 0.1 p 0.9, nрq > 9. |
33 |
|
|
СФУ Т.В. Крупкина |
Свойства функции Ф(x)
x x 1
lim x 0
x
lim x 1
x
0 21
3.8 0.99993.8 0.0001
1
2
Лекция 5.
Дискретные случайные величины
Пусть есть случайный эксперимент, ─ пространство элементарных событий.
Определение
Случайной величиной называется функция, отображающая в R.
: R
(То есть = (ω)).
Смысл: случайная величина – это числовая функция, принимающая значения случайным образом.
СФУ Т.В. Крупкина |
35 |
Дискретные распределения
Случайная величина имеет дискретное распределение, если она принимает не более чем счетное число значений.
Значения: a1, a2,…,
Вероятности значений: pi = P( = ai) > 0
|
|
pi 1. |
|
i 1 СФУ Т.В. Крупкина |
36 |
Ряд распределения
Если случайная величина имеет дискретное распределение, то рядом распределения
называется соответствие ai pi, которое имеет вид :
a1 a2 a3 … P p1 p2 p3 …
СФУ Т.В. Крупкина |
37 |
Биномиальное распределение B(n, p)
Случайная величина имеет биномиальное распределение с параметрами n и p, где 0 p 1, если принимает значения 0, 1, 2, …n с вероятностями P{ = k} = Cnk pk q n –k.
Случайная величина с таким распределением имеет смысл числа успехов в n испытаниях схемы
Бернулли |
с вероятностью успеха |
p. |
|||
|
0 |
1 |
… |
k |
… n |
P |
qn |
npqn –1 |
|
Cnk pk qn –k |
pn |
СФУ Т.В. Крупкина |
38 |
Пример
Распределение вероятностей биномиально распределенной случайной величины для n = 10 и p = 0.2
СФУ Т.В. Крупкина |
39 |
Распределение Пуассона P
Сл. в. имеет распределение Пуассона с параметром , где >0, если принимает значения 0, 1, 2,… с вероятностями
P k k e k!
0 |
1 |
… |
k |
k |
… |
|
P e |
e |
… |
|
e |
… |
|
|
|
|
k! |
|
|
СФУ Т.В. Крупкина |
40 |
Функция распределения
Определение
Функцией распределения случайной величиныназывается функция F (x),
при каждом x R равная
F (x) = P{ < x}.
СФУ Т.В. Крупкина |
41 |