- •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 11. Введение в
математическую статистику
Математическая статистика – это раздел математики который занимается разработкой методов сбора, описания и анализа экспериментальных результатов наблюдений, массовых случайных явлений.
Фундаментальными понятиями математической статистики являются
генеральная совокупность и выборка.
СФУ Т.В. Крупкина |
82 |
Основные понятия
|
Совокупность наблюдаемых случайных |
|
величин Х = (Х1, ..., Хn) называется выборкой, |
|
сами величины Xi , i =1,..., n, – элементами |
|
выборки, а их число n – ее объемом. |
Реализации выборки Х будем обозначать строчными буквами х = (x1,..., xn).
Статистической моделью <F> называется класс распределений, допустимых для выборки.
Простая выборка
Таким образом, мы рассматриваем генеральную совокупность как случайную величину , а выборку – как n – мерную случайную величину ( 1, …, n), компоненты которой независимы и одинаково распределены (так же, как ).
Такие выборки называются простыми.
Эмпирическая функция распределения
Эмпирической функцией распределения
называется случайная функция от Fn(x), вычисляемая по формуле
Fn x nn ,
где νn – число элементов выборки Х, значения которых меньше х.
Свойства эмпирической функции распределения
Пусть Fn(x) – эмпирическая функция распределения, построенная по выборке Х из распределения , и F (x) – соответствующая теоретическая функция.
Тогда:
1) M[Fn (x)] F (x)
p
2) Fn (x) F (x)
Группировка выборки
При большом объеме выборки ее элементы объединяют в группы, представляя результаты опытов в виде группированного статистического ряда.
Для этого интервал, содержащий все элементы выборки, разбивается на k непересекающихся интервалов длины h. Результаты сводятся в таблицу, называемую таблицей частот группированной выборки.
Параметры группировки
Разность между максимальным и минимальным элементами выборки называется размахом выборки R.
Число интервалов k находится из условия
2k –1 ≈ n,
где n – объем выборки.
Длину интервала h находят по формуле
h = R/k.
Все интервалы имеют одинаковую длину.
Графические характеристики выборки
Если на каждом интервале построить прямоугольник с высотой ni/h, получим
гистограмму.
Кривая, соединяющая середины верхних оснований гистограммы, называется полигоном
(частот).
Полигон — непрерывная функция (ломаная).
Гистограмма и плотность
Гистограмма относительных частот является статистическим аналогом плотности распределения генеральной совокупности.
СФУ Т.В. Крупкина |
90 |
Лекция 12.
Числовые характеристики выборки
Выборочное среднееВыборочная дисперсия
Выборочная исправленная дисперсияВыборочное среднеквадратическое отклонение
Выборочный начальный момент порядка lВыборочный центральный момент порядка l
СФУ Т.В. Крупкина |
91 |