- •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
16.1.1 Оценка корреляционного момента
Оценка корреляционного момента. Состоятельная несмещенная оценка корреляционного момента равна
(16.5)
где xi, yi - значения, которые приняли случайные величины X, Y в i-м опыте;
- средние значения случайных величин X и Y соответственно.
16.1.2 Оценка коэффициента корреляции
Оценка коэффициента корреляции. Состоятельная оценка коэффициента корреляции равна
(16.6)
где - оценки среднеквадратического отклонения случайных величин X и Y соответственно.
16.1.3 Доверительный интервал для коэффициента корреляции
Доверительный интервал для коэффициента корреляции с надежностью γ для случая двумерного нормального распределения имеет вид:
, (16.7)
где ;;
- значение аргумента функции Лапласа, т.е. Ф(z) = .
Если объем выборки достаточно выборки велик (n > 50 ), то закон распределения оценки коэффициента корреляции можно считать асимптотически нормальным и доверительный интервал построить по формуле:
(16.8)
16.2 Статистические критерии двухмерных случайных величин
16.2.1 Гипотеза об отсутствии корреляционной зависимости
Предполагается, что двухмерная случайная величина (X, Y) распределена по нормальному закону. Если модуль точечной оценки коэффициента корреляции, вычисленный по исходной двумерной выборке случайной величины (X, Y), не велик (), то гипотеза об отсутствии корреляционной зависимости между величинамиX и Y может быть проверена следующий образом.
1. Формулируется гипотеза:
H0: ;
H1: .
Здесь - теоретический коэффициент корреляции.
2. Вычисляется оценка коэффициента корреляции по формуле (16.6)
3. Если объем выборки не велик ( n < 50 ), определяется значение критерия
, (16.9)
который распределен по закону Стьюдента с (n-2) степенями свободы, если гипотеза H0 верна.
4. По заданному уровню значимости вычисляется доверительная вероятность и из таблицы Стьюдента выбирается критическое значение .
5. Если , то гипотеза H0 отклоняется, а следовательно, величины X, Y коррелированы. В противном случае гипотеза H0 принимается.
3*. Если объем выборки велик (n > 50 ), то определяется значение критерия
, (16.10)
который распределен практически по нормальному закону, если гипотеза H0 верна.
4*. По заданному уровню значимости из таблицы функции Лапласа определяется критическое значение , т.е..
5*. Если , то гипотезаH0 отклоняется, а следовательно, величины X, Y коррелированы. В противном случае гипотеза H0 принимается.
16.2.1 Гипотеза о равенстве математических ожиданий
Пусть ,- независимые случайные выборки из генеральных совокупностей случайных величинX и Y. Вычислены оценки математических ожиданий величин X и Y
которые оказались приблизительно равны.
Формулируется двухальтернативная гипотеза:
H0: , т.е. математические ожидания величин X и Y равны.
H1: .
Для проверки данной гипотезы используется t-критерий. t-критерий служит для сравнения двух средних значений из нормально распределенных генеральных совокупностей в предположении, что дисперсии σX и σY равны, хотя и неизвестны.
В качестве критерия используем величину
. (16.11)
При сделанных предпосылках (нормальная закон распределения величин X и Y и равенство дисперсий) и в предположении, что гипотеза Н0 верна, величина Т удовлетворяет распределению Стьюдента с степенями свободы.
Поэтому критическая область может быть установлена следующим образом. Для заданного уровня значимости α по таблице распределения Стьюдента определяем значение . Если вычисленное (согласно (16.11)) значениеT удовлетворяет неравенству , то гипотезуН0 отвергают.
По отношению к предпосылке «нормальной распределенности» t-критерий не очень чувствителен. Его можно применять, если статистические распределения обеих выборок не имеют нескольких вершин (т.е. унимодальные) и не слишком ассиметричны. Предпосылка σX = σY во многих случаях может быть обоснована на содержательном уровне; а гипотезу σX = σY можно проверить по F-критерию (см. ниже).