- •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
Лекция 6.
Непрерывные распределения
Случайная величина имеет непрерывное распределение, если существует неотрицательная функция f (x) такая, что для любого x0 R функция распределения представима в виде
x0
F x0 f x dt
При этом функция f (x) называется плотностью распределения случайной величины .
СФУ Т.В. Крупкина |
42 |
Геометрический смысл функции распределения
СФУ Т.В. Крупкина |
43 |
Равномерное распределение R [a, b]
|
|
0, |
x a,b |
f |
x |
1 |
|
|
|
|
, x a,b |
|
|
b a |
|
0, |
|
x a |
||
F x |
x a |
, |
a x b |
||
|
|
|
|||
|
|
||||
|
|
|
|
|
|
|
b a |
|
x b |
||
|
|
1, |
|
СФУ Т.В. Крупкина |
44 |
Нормальное распределение N (a, )
f x a, (x) |
|
|
1 |
|
e |
|
x a 2 |
|||
|
|
|
|
2 2 |
|
|||||
|
2 |
|
||||||||
|
|
|
|
|
|
|
||||
|
|
|
1 |
|
|
x |
|
|
t a 2 |
|
F x a, (x) |
|
|
|
e |
2 2 dt |
|||||
|
2 |
|
||||||||
|
|
|
|
|
|
|
СФУ Т.В. Крупкина |
45 |
Нормальное распределение N (a, )
Графики нормальных плотностей имеют симметричную, колоколообразную форму.
а – это величина, которая характеризует положение кривой плотности на оси абсцисс.
Изменение приводит к изменению формы кривой плотности, с увеличением кривая делается менее островершинной и более растянутой вдоль оси абсцисс.
СФУ Т.В. Крупкина |
46 |
Кривые плотностей N(a, σ) с различными а и σ
СФУ Т.В. Крупкина |
47 |
Плотность и функция распределения |
|
||||||||||||
N(0,1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ProbabilityDensityFunction |
|
|
|
|
|
Probability DistributionFunction |
|
|
|
|
|
|
|
y=normal(x;0;1) |
|
|
|
|
|
|
p=inormal(x;0;1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
1,0 |
|
|
|
|
|
|
0,5 |
|
|
|
|
|
|
0,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,6 |
|
|
|
|
|
|
0,3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,4 |
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
0,1 |
|
|
|
|
|
|
0,2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
0,0 |
|
|
|
|
|
|
0,0 |
|
|
|
|
|
|
-3 |
-2 |
-1 |
0 |
1 |
2 |
3 |
-3 |
-2 |
-1 |
0 |
1 |
2 |
3 |
Многомерные СВ
n – мерной случайной величиной называется вектор (ω)=( 1(ω),2(ω), … , n(ω)),
компонентами которого являются одномерные случайные величины.
Функцией распределения n–мерной случайной величины называется функция
F 1, 2,…, n(x1, x2, …, xn)= P( 1 < x1, …, n < xn)
СФУ Т.В. Крупкина |
49 |
Лекция 7.
Числовые характеристики
Математическим ожиданием M сл. вел. с
дискретным распределением, задаваемым законом распределения P( =xi) = pi, называется число
n
M xi pi
i1
Смысл: Математическое ожидание – это среднее значение случайной величины.
СФУ Т.В. Крупкина |
50 |
Математическое ожидание н.сл.в.
Математическим ожиданием M непрерывно распределенной сл. в. с с плотностью распределения f (x) называется число
M x f x dx.
Математическое ожидание существует, если M|ξ| < ∞.