- •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
9.2Условные числовые характеристики
Для зависимых двухмерных величин могут быть определены условные законы распределения (см. (8.14 8.17)). Эти законы распределения обладают всеми свойствами безусловных законов, и на их основе по известным формулам (5.1 5.4) (после замены в них безусловных законов на условные) могут быть вычислены числовые характеристики, которые называются условными. Наибольшее практическое значение имеют условные математические ожидания.
9.2.1 Pегрессия
Условным математическим ожиданием случайной величины Х называется ее математическое ожидание, вычисленное при условии, что случайная величина Y приняла определенное значение Y = y :
(9.8)
Аналогично и для
(9.9)
Условное математическое ожидание называется регрессиейX на y, а условное математическое ожидание регрессией Y на х. Очевидно, что условные математические ожидания представляют собой некоторые функции, которых зависят от значения, взятого в условии, т.е. , а.
Графики этих зависимостей называются линиями регрессии ( см. рисунок).
Линия регрессии 1 указывает, что между величинами X, Y существует положительная корреляционная зависимость, так как при увеличении значения х более вероятны большие значения Y (среднее значение Y увеличивается), т.е. . Линия регрессии 2 указывает, что величиныX, Y не зависимы, а линия регрессии 3 - что между величинами X, Y существует отрицательная корреляционная зависимость, т.е. .
Регрессионный анализ позволяет выявить характер связи между величинами X, Y. Величины X, Y называются линейно коррелированными, если линии регрессии являются прямыми. Уравнения прямых регрессии имеют вид:
, . (9.10)
Обе прямые проходят через точку (mX, mY), которую называют центром совместного распределения величин Х и Y.
Лекция 10
10.1 Нормальный закон распределения на плоскости
Непрерывная двухмерная случайная величина (X, Y) имеет нормальное распределение, если ее плотность вероятности равна:
(10.1)
где - параметры распределения.
Если составляющие X, Y двумерной нормально распределенной случайной величины некоррелированы, то они и независимы, т.е при.
.
Итак, для нормальных случайных величин понятия независимости и некоррелированности равносильны.
10.2 Закон распределения функции двух случайных величин
Рассмотрим функцию двух случайных аргументов .Необходимо определить закон распределения случайной величины Y по известному закону распределения двумерной случайной величины (Х1, Х2) и виду преобразования . Функция распределения G(y) величины Y определяется по формуле
, (10.2)
где совместная плотность вероятности величин X1 и X2.
В формуле (10.2) интегрирование производится по области D, которая определяется из условия . Форма области D зависит от вида функции . В случае, когда , область интегрирования имеет вид, показанный на рисунке,
и функция распределения суммы двух случайных величин определяется по формуле
. (10.3)
Дифференцируя это выражение по y, получим плотность распределения величины Y:
. (10.4)
Если величины X1 и X2 независимы, то
. (10.5)
В случае, когда складываются независимые случайные величин, говорят о композиции законов распределения. Произвести композицию двух законов распределения – это значит найти закон распределения суммы двух независимые случайные величин, распределенных по этим законам (см. (10.5)).