- •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
1.2 Основные понятия
Случайное явление – это явление, которое при неоднократности воспроизведения одного и того же опыта протекает каждый раз по-иному, непредсказуемым образом.
Опыт – воспроизводимая совокупность условий, в которых фиксируется тот или иной результат.
Случайное событие – всякий факт, который в опыте со случайным исходом может произойти или не произойти. Обозначение: А, В, С, ….
Вероятность случайного события – количественная мера объективной возможности его осуществления.
1.3 Аксиомы теории вероятностей
Рассмотрим некоторый опыт. Каждый исход опыта обозначим элементарным событием , гдеn - число исходов данного опыта. Множество всех возможных исходов опыта образуют - универсальное множество опыта или пространство элементарных событий.
Тогда любое случайное событие А, возможное в данном опыте, есть некоторое подмножество универсального множества :
,
где m - число исходов, благоприятных событию A.
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 к событию А называют событиеА, состоящее в невыполнении А, т.е. оно происходит всегда, когда не происходит A.
Событие С называется суммой событий А и В, , если оно происходит тогда, когда происходит либо А, либо В, либо оба одновременно (хотя бы одно событие).
Событие С называется произведением событий А и В , , если С происходит тогда, когда происходят и А и В одновременно.
События А и В несовместны, если они не могут произойти одновременно, т.е. А∙В= .
События Ai (i = 1, 2, ..., n) образуют полную группу, если они попарно несовместны и в сумме образуют достоверное событие.
При преобразовании выражений можно пользоваться следующими тождествами:
.
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:
1.4 Непосредственный подсчет вероятностей
События А1 …Аn называются случаями, если они обладают следующими свойствами:
события А1 …Аn несовместны,;
события А1 …Аn образуют полную группу, ;
события А1 …Аn равновозможны,.
Пусть некоторый опыт сводится к схеме случаев, тогда вероятность события А в этом опыте равна отношению числа благоприятных случаев к общему числу случаев:
, (1.3)
где m – число случаев Аi благоприятных событию А, т.е. входящих в множество А = А1 …Аm ;
n – число всех возможных случаев.
Доказательство. Очевидно, что A = A1 +A2 + …+ Am.
Так как Аi несовместимы, то определим вероятность события A по второй аксиоме:
Формула (1.3) называется классическим определением вероятности и использовалась как определение вероятности с XVII по XIX в. При определении значений m, n в (1.3) могут оказаться полезными следующие формулы из комбинаторики.
1.5 Основные комбинаторные формулы
Пусть имеется множество X = {x1, x2, .., xn}, состоящее из n различных элементов. (n, r)-выборкой называется множество, состоящее из r элементов, взятых из множества X.
Упорядоченной называется выборка, для которой важен порядок следования элементов. Если каждый элемент множества X может извлекаться несколько раз, то выборка называется выборкой с повторениями.
Число упорядоченных (n, r)-выборок (размещений) с повторениями и без повторений A(n,r) равно
, (1.4)
. (1.5)
Если r=n, то размещения без повторений называются перестановками, т.е. это расположение элементов исходного множества в определенном порядке. Число перестановок из n элементов равно
. (1.6)
Пустое множество можно упорядочить только одним способом: P0 = 0! = 1.
Число неупорядоченных (n, r)-выборок (сочетаний) с повторениями и без повторений равно
, (1.7)
. (1.8)
Число различных разбиений множества из n элементов на k непересекающихся подмножеств, причем в 1-м подмножестве r1 элементов, во 2-м r2 элементов и т.д., а n = r1 + r2 +... + rk, равно
. (1.9)