- •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
5.1.6 Мода
Мода случайной величины равна ее наиболее вероятному значению, т.е. то значение, для которого вероятность pi (для дискретной случайной величины) или f(x) (для непрерывных случайной величины ) достигает максимума:
.
Распределение с одним максимумом плотности распределения называется «унимодальным». Если многоугольник распределения или кривая распределения имеют более одного максимума, распределение называют «полимодальным». Если распределение обладает посередине не максимумом, а минимумом, то оно называется «антимодальным».
5.1.7 Медиана
Медиана случайной величины X равна такому ее значению, для которого выполняется условие p{X<Me} = p{X³Me}. Медиана, как правило, существует только для непрерывных случайных величин. Значение Me может быть определено как решение одного из следующих уравнений:
(5.7)
В точке Me площадь, ограниченная кривой распределения делится пополам.
5.1.8 Квантиль
Квантиль cp случайной величины X - это такое ее значение, для которого выполняется условие
p{X<cp} = F(cp) = p. (5.8)
Очевидно, что медиана – это квантиль c0,5.
Лекция 6
6.1 Типовые законы распределения дискретных случайных величин
6.1.1 Индикатор случайного события
Индикатор случайного события А – это дискретная случайная величина X, которая равна 1 при осуществлении события А и равна 0 при осуществлении А:
.
Ряд распределения вероятностей индикатора случайного события:
xi |
0 |
1 |
pi |
q |
p |
где p – вероятность осуществления А;
q =1-p – вероятность осуществления А.
Числовые характеристики индикатора случайного события:
. (6.1)
6.1.2 Геометрическое распределение
Геометрическое распределение имеет дискретная случайная величина Х, если она принимает значения 0, 1, … , с вероятностями:
, (6.2)
где p – параметр распределения (0 ≤ p ≤1), q=1-p.
Числовые характеристики геометрического распределения:
. (6.3)
Условия возникновения. Проводится ряд одинаковых независимых опытов до первого появления некоторого события А. Случайная величина Х – число проведенных безуспешных опытов до первого появления события А.
6.1.3 Биномиальное распределение
Биномиальное распределениеимеет дискретная случайная величинаX, если она принимает значения 0, 1, … ,nсо следующими вероятностями:
, (6.4)
где n, p – параметры распределения (0 ≤ p ≤1), q=1 - p.
Числовые характеристики биномиального распределения:
. (6.5)
Условия возникновения. Проводится n одинаковых независимых , в каждом из которых событие А появляется с вероятностью р. Случайная величина Х – число опытов, в которых произошло событие А (см. теорему о повторении опытов).
6.1.4 Распределение Пуассона
Распределение Пуассонаимеет дискретная случайная величинаХ, если она принимает значения 0, 1, … ,со следующими вероятностями:
, (6.6)
где a – параметр распределения (a >0 ).
Числовые характеристики пуассоновской случайной величины:
. (6.7)
Условия возникновения:
1). Распределение Пуассона является предельным случаем биномиального, когда число опытов n неограниченно увеличивается, а вероятность p события A в одном опыте стремится к 0, так что существует предел (см. формулу (3.10)).
2). Случайная величина Х – число событий пуассоновского потока поступивших в течение интервала , причем параметр а = , где - интенсивность потока.
Рассмотрим временную ось, на которой будем отмечать моменты возникновения случайных событий (например, отказы компонентов в сложном техническом устройстве, заявки на обслуживание и т.п.). Последовательность таких моментов называется потоком случайных событий.
Поток случайных событий называется стационарным, если число событий, приходящихся на интервал , в общем случае не зависит от расположения этого участка на временной оси и определяется только его длительностью, т.е. среднее число событий в единице времени (интенсивность потока) постоянно.
Поток случайных событий называется ординарным, если вероятность попадания в некоторый участок t двух и более случайных событий значительно меньше, чем вероятность попадания 1-го события.
В потоке отсутствует последействие, если вероятность попадания событий на участок не зависит от того, сколько событий попало на другие участки, не пересекающиеся с данным.
Поток случайных событий называется пуассоновским или простейшим, , если он является стационарным, ординарным и без последействия.