- •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
Методические указания
Случайное событие – любой факт в опыте со случайным исходом, который может произойти или не произойти. Любое случайное событие А, возможное в данном опыте, есть некоторое подмножество универсального множества исходов этого опыта.
Событие А называется достоверным, если , т.е. происходит в каждом опыте.
Событие А называется невозможным, если , т.е. никогда не происходит в данном опыте.
Противоположным событием называется событие, которое происходит тогда, когда не происходит событиеА.
Суммой или объединением двух событий А и В (обозначается ) называется событие, состоящее в появленииили события А, или событии В, или А и В одновременно.
Произведением или пересечением двух событий А и В (обозначается ) называется событие, состоящее в появлениии события А, и события В одновременно или совместно.
Несовместными событиями А и В называются такие, которые не могут произойти одновременно в одном опыте. Для несовместных событий .
Аксиома 1. Вероятность p(А) случайного события А есть функция множества элементарных исходов, благоприятных событию А, и вероятность любого события принимает значения
, (1.1)
причем .
Аксиома 2. Вероятность суммы несовместных случайных событий равна сумме вероятностей этих событий:
(1.2)
Следствие аксиом 1 и 2: Вероятность прямого события и вероятность противоположного событиясвязаны соотношением
.(1.3)
Классическое определение вероятности: вероятность события А определяется по формуле
, (1.4)
где n – число всех возможных, равновероятных исходов данного опыта;
m – число исходов, благоприятствующих появлению события.
Геометрическое определение вероятности. Пусть в некоторую область W случайным образом бросается точка T, причем все точки области W равноправны в отношении попадания точки T.
Рис. 1.1
Тогда за вероятность попадания точки T в область A принимается отношение
, (1.5)
где S(A) и S(W) — геометрические меры (длина, площадь, объем и т.д.) областей A и W соответственно.
Основные комбинаторные формулы
При решении задач по классическому определению вероятности используются следующие комбинаторные формулы.
Размещения:
– без повторений элементов
(1.6)
– c повторением элементов
(1.7)
Формулы для размещений позволяет подсчитать количество комбинаций из n элементов по m, где комбинации будут отличаться как самими элементами, так и расположением их относительно друг друга.
Сочетания:
– без повторений элементов
. (1.8)
– с повторением элементов
(1.9)
Формулы для сочетаний позволяет подсчитать количество комбинаций из n элементов по m, где комбинации будут отличаться только самими элементами, т.е. каждая комбинация хотя бы одним элементом должна отличаться от другой.
Перестановки:
(1.10)
Формула для перестановок позволяет подсчитать количество комбинаций из n элементов, где комбинации будут отличаться только расположением их относительно друг друга.
Примеры
Пример 1.1. Какова вероятность того, что наудачу взятый телефонный номер из 7 цифр имеет все цифры различные.
Решение. Определим событие А. Событие А состоит в том, что в семизначном номере все цифры различны. Так как номер семизначный, а цифр всего 10, то общее число исходов n опыта равно числу размещений c повторением элементов из 10 по 7: . Для подсчета благоприятствующих исходов подходит формула для размещений без повторения элементов :. Тогда
.
Пример 1.2. Наудачу взяты два положительных числа x и y, причем . Найти вероятность того, чтои, если.
Решение. Подставляя значения коэффициентов в неравенства, получаем:
(1.11)
Строим на рис. 1.2 оси координат и область, которая определяет пространство элементарных событий Ω. Она задается неравенствами и на рисунке 1.2 отображается в виде прямоугольника.
Рис. 1.2.
Площадь прямоугольника . Область благоприятствующих исходов определяется неравенствами (1.11), поэтому строим на рисунке прямые, которые задаются неравенствами (1.11). Заштрихованная на рисунке 1.2 область и описывает благоприятствующие исходы (с учетом всех возможных значений), площадь этой заштрихованной трапеции равна[у. е.]. Тогда вероятность событияА равна
.