- •Учреждение образования Белорусский государственный университет информатики и радиоэлектроники
- •Общие сведения Сведения об эумк
- •Методические рекомендации по изучению дисциплины
- •Рабочая учебная программа
- •Учреждение образования
- •«Белорусский государственный университет
- •Информатики и радиоэлектроники»
- •Пояснительная записка
- •Содержание дисциплины
- •2. Перечень тем практических занятий, их содержание и объем в часах
- •3. Литература
- •3.2 Дополнительная
- •4. Контрольные работы, их характеристика
- •5. Учебно-методическая карта дисциплины
- •Теоретический раздел Лекция 1
- •1.1 Введение
- •1.2 Основные понятия
- •1.3 Аксиомы теории вероятностей
- •1.4 Непосредственный подсчет вероятностей
- •1.5 Основные комбинаторные формулы
- •Лекция 2
- •2.1 Геометрическое определение вероятностей
- •2.2 Теоремы сложения вероятностей
- •2.3 Условная вероятность
- •2.4 Зависимые и независимые события
- •2.5 Теоремы умножения вероятностей
- •2.6 Вероятность безотказной работы сети
- •Лекция 3
- •3.1 Формула полной вероятности
- •3.2 Формула Байеса
- •3.3 Теорема о повторении опытов
- •Формула Пуассона
- •Формулы Муавра-Лапласа
- •Лекция 4
- •4.1 Случайные величины. Закон распределения вероятностей
- •4.2 Функция распределения
- •4.3 Ряд распределения
- •4.4 Плотность распределения
- •Лекция 5
- •5.1 Числовые характеристики случайной величины
- •5.1.1 Математическое ожидание
- •5.1.2 Начальные моменты
- •5.1.3 Центральные моменты
- •5.1.4 Дисперсия
- •5.1.5 Среднее квадратическое отклонение
- •5.1.6 Мода
- •5.1.7 Медиана
- •6.2 Типовые законы распределения непрерывных случайных величин
- •6.2.1 Равномерное распределение
- •6.2.2 Экспоненциальное распределение
- •6.2.3 Нормальное распределение
- •Лекция 7
- •7.1. Закон распределения функции случайного аргумента
- •7.1.1 Монотонно возрастающая функция
- •7.1.2 Монотонно убывающая функция
- •7.1.3 Немонотонная функция
- •7.2 Числовые характеристики функции случайного аргумента
- •7.2.1 Характеристическая функция случайной величины
- •Лекция 8
- •8.1 Двухмерные случайные величины. Двухмерный закон распределения
- •8.1.1 Двухмерная функция распределения
- •8.1.2 Матрица распределения
- •8.1.3 Двухмерная плотность распределения
- •8.2 Зависимые и независимые случайные величины
- •8.3 Условные законы распределения
- •Лекция 9
- •9.1 Числовые характеристики двухмерных величин
- •9.1.1 Смешанные начальные моменты
- •9.1.2 Смешанные центральные моменты
- •9.1.3 Корреляционный момент
- •9.1.4 Коэффициент корреляции
- •9.2Условные числовые характеристики
- •9.2.1 Pегрессия
- •Лекция 10
- •10.1 Нормальный закон распределения на плоскости
- •10.2 Закон распределения функции двух случайных величин
- •10.3 Многомерные случайные величины
- •10.3.1 Функция распределения
- •10.3.2 Плотность распределения
- •10.3.3 Числовые характеристики
- •11.2.2 Теорема о дисперсии суммы
- •11.3 Числовые характеристики произведения случайных величин
- •11.3.1 Теорема о математическом ожидании произведения
- •11.3.2 Теорема о дисперсии произведения
- •Лекция 12
- •12.1 Закон больших чисел
- •12.1.1 Неравенство Чебышева
- •12.1.2 Теорема Чебышева
- •12.1.3 Теорема Бернулли
- •12.2 Центральная предельная теорема
- •Лекция 13
- •13.1 Математическая статистика. Основные понятия
- •13.2 Оценка закона распределения
- •13.2.1 Эмпирическая функция распределения
- •13.2.2 Статистический ряд распределения
- •13.2.3 Интервальный статистический ряд
- •13.2.4 Гистограмма
- •Лекция 14
- •14.1 Точечные оценки числовых характеристик
- •14.1.1 Оценка математического ожидания
- •14.1.2 Оценка начального момента
- •14.1.3 Оценка дисперсии
- •14.1.4 Оценка центрального момента
- •14.1.5 Оценка вероятности
- •14.2 Оценка параметров распределения
- •14.3 Интервальные оценки числовых характеристик
- •14.3.1 Доверительный интервал для математического ожидания
- •14.3.2 Доверительный интервал для дисперсии
- •14.3.3 Доверительный интервал для вероятности
- •Лекция 15
- •15.1 Проверка статистических гипотез
- •15.1.1 Проверка гипотезы о равенстве вероятностей
- •15.2 Критерии согласия
- •15.2.1 Критерий Пирсона
- •15.2.2 Критерий Колмогорова
- •Лекция 16
- •16.1 Статистическая обработка двухмерных случайных величин
- •16.1.1 Оценка корреляционного момента
- •16.2.1 Гипотеза о равенстве математических ожиданий
- •16.2.2 Гипотеза о равенстве дисперсий
- •16.2.3 Гипотеза о равенстве законов распределения
- •Лекция 17
- •17.1 Оценка регрессионных характеристик
- •17.1.1 Метод наименьших квадратов
- •Практический раздел Контрольные работы Указания по выбору варианта
- •Контрольная работа №1. Теория вероятностей Задача 1. Случайные события. Вероятность события Условия вариантов задачи
- •Методические указания
- •Основные комбинаторные формулы
- •Примеры
- •Задача 2. Теоремы сложения и умножения вероятностей Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 3. Формула полной вероятности. Формула Байеса Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 4. Формула Бернулли Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 5. Дискретная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 6. Непрерывная случайная величина Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 7. Закон распределения функции случайного аргумента Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 8. Двухмерные случайные величины Условия вариантов задачи
- •Методические указания
- •Примеры
- •Задача 9. Числовые характеристики суммы и произведения случайных величин Условия вариантов задачи
- •Методические указания
- •Примеры
- •Контрольная работа №2. Математическая статистика Задача 10. Обработка одномерной выборки Условие задачи
- •Методические указания
- •Оценка закона распределения
- •Точечные оценки числовых характеристик
- •Интервальные оценки числовых характеристик
- •Проверка статистических гипотез
- •Примеры
- •Задача 11. Обработка двухмерной выборки Условие задачи
- •Методические указания
- •Оценка регрессионных характеристик
- •Примеры
- •8,74746;
- •8,86278
Формула Пуассона
Если количество испытаний велико , а вероятность события мала , так что и, то используетсяформула Пуассона:
. (3.10)
Формулы Муавра-Лапласа
Если количество испытаний n велико, вероятности p и q не малы, так что выполняются следующие условия:
,
то применяются приближенныеформулы Муавра-Лапласа:
- локальная (3.11)
где ;
- интегральная , (3.12)
где ,,
-функция Лапласа.
Доказательство формул (3.11) и (3.12) будет приведено в лекции 12 (Центральная предельная теорема).Функции итабулированы. При использовании таблиц следует помнить, чтоявляется четной, а функция Лапласа - нечетной.
Лекция 4
4.1 Случайные величины. Закон распределения вероятностей
Под случайной величиной (СВ) понимается величина, которая в результате опыта со случайным исходом принимает то или иное значение, причем заранее, до опыта, неизвестно, какое именно.
Случайные величины будем обозначать большими буквами: X, Y, Z; их значения – соответствующими малыми буквами: x, y, z, а X - множество возможных значений величины X.
Примеры случайных величин:
1. Опыт – бросок одной игральной кости; случайные величины Х – число выпавших очков; X = {0,1,2,3,4,5,6}.
2. Опыт - работа ЭВМ до первого отказа; случайные величины X – время наработки на отказ; X =(0,].
В зависимости от вида множества X случайные величины могут быть дискретными и непрерывными.
Случайная величина (СВ) Х называется дискретной, если множество X - счетное, т.е. его элементы можно расположить в определенном порядке и пронумеровать.
Случайная величина Х называется непрерывной (недискретной), если множество X - несчетное.
Законом распределения случайной величины Х называется любая функция (правило, таблица и т.п.), устанавливающая соответствие между значениями случайной величины и вероятностями их наступления и позволяющая находить вероятности всевозможных событий, связанных со случайной величиной.
4.2 Функция распределения
Функцией распределения F(x) случайной величины X называется вероятность того, что она примет значение меньшее, чем аргумент функции x:
. (4.1)
Свойства функции распределения:
1. F(-¥ ) = 0.
2. F(+¥ ) = 1.
3. F(x1) £ F(x2), при x1 < x2.
Доказательство.
A={X<x1}, B={x1X<x2}, C={X<x2}, тогда
C=A+B, p(C)=p(A)+p(B), p(C)=F(x2), p(A)=F(x1), F(x2)=F(x1)+p(B), p(B)0 F(x1) F(x2).
4. Вероятность попадания значения случайной величины X в интервал:
. (4.2)
Доказательство.
p(x1£ X < x2) =p(B)=p(C)-p(A)= F(x2) - F(x1).
Проиллюстрируем эти свойства с помощью наглядной геометрической интерпретации. Для этого рассмотрим случайную величину как случайную точку Х на оси ОХ, которая в результате опыта может занять то или иное положение.
Тогда функция распределения F(x) есть вероятность того, что случайная точка Х в результате опыта попадет левее точки х. Увеличиваем х, перемещая точку вправо по оси абсцисс, очевидно, что при этом вероятность выполнения неравенства X<x убывать не может (свойство 3). При уменьшении х до - – событие X<x становится невозможным, т.е. F(-) = 0 (свойство 1). При увеличении х до +¥ - достоверным, т.е. F(+¥) = 1(свойство 2).
Функция распределения используется при рассмотрении как дискретных, так и непрерывных случайных величин.