- •Лекция 1. Основные понятия теории вероятности
- •Вопросы для самопроверки
- •Лекция 2. Теоремы о вероятностях
- •Теорема умножения вероятностей
- •Краткая классификация событий
- •Теорема о полной вероятностей
- •Теорема (формула) Байеса
- •Теорема сложения вероятностей
- •Принцип практической невозможности редких событий
- •Вопросы для самопроверки
- •Лекция 3. Случайные величины
- •Дискретная случайная величина
- •Числовые характеристики случайных величин
- •Характеристики положения
- •Характеристики разброса
- •Характеристики формы
- •Свойства математического ожидания
- •Свойства дисперсии
- •Правило "3-х сигм"
- •Вопросы для самопроверки
- •Лекция 4. Распределение Бернулли, Пуассона, Лапласа Распределение Бернулли
- •Биномиальные коэффициенты
- •Распределение Пуассона
- •Вопросы для самопроверки
- •Лекция 5. Распределение Лапласа
- •И нтегральная теорема Лапласа
- •Три основных формы интегральной теоремы Лапласа
- •Вопросы для самопроверки
- •Лекция 6. Непрерывная случайная величина
- •Нормальный закон распределения Гаусса
- •Показательный или экспоненциальный закон распределения
- •Квантили распределения
- •Вопросы для самопроверки
- •Лекция 7. Предельные теоремы теории вероятностей
- •Закон больших чисел
- •Центральная предельная теорема
- •Композиция распределений случайных величин
- •Функции случайного аргумента
- •Вопросы для самопроверки
- •Лекция 8. Система случайных величин
- •Закон распределения дискретной двумерной случайной величины
- •Характеристики дискретной двумерной случайной величины
- •Закон распределения непрерывной двумерной случайной величины
- •Характеристики непрерывной двумерной величины
- •Двумерный нормальный закон
- •Вопросы для самопроверки
- •Лекция 9. Проблемы математической статистики
- •Способы составления выборочных подсовокупностей
- •Статистичекое оценивание
- •Вопросы для самопроверки
- •Лекция 10. Свойства статистических оценок
- •Оценка параметров распределения
- •Статистические критерии
- •Вопросы для самопроверки
- •Лекция 11. Критерии согласия Критерий согласия Пирсона
- •Критерий согласия Колмогорова – Смирнова
- •Интервальные оценки характеристик и параметров
- •Вопросы для самопроверки
- •Лекция 12. Проверка статистических гипотез Распределение Стьюдента
- •Интервальная оценка для математического ожидания
- •Проверка гипотезы о равенстве центров двух совокупностей
- •Сравнение двух дисперсий
- •Вопросы для самопроверки
- •Лекция 13. Дисперсионный анализ
- •Ранговый дисперсионный анализ Краскала–Уоллиса
- •Время появления реакции в 4-х группах
- •Ранжированнае данные
- •Дополнение к выводу формул Краскала–Уоллиса
- •Вопросы для самопроверки
- •Лекция 14. Регрессионный анализ
- •Метод наименьших квадратов (мнк)
- •Пример расчета мнк-оценок параметров
- •Оценка тесноты принятой формы связи.
- •Однофакторная линейная зависимость
- •Нелинейные двухпараметрические модели
- •Вопросы для самопроверки
- •Лекция 15. Проблема значимости и адекватности регрессионной модели Оценка значимости регрессионной модели
- •Оценка значимости корреляционной связи
- •Проверка адекватности модели
- •Коэффициент ранговой корреляции Спирмена
- •Вывод формулы для коэффициента ранговой корреляции Спирмена
- •Вопросы для самопроверки
- •Лекция 16. Линейный регрессионный анализ в стандартизованных переменных
- •Способы составления многофакторных моделей
- •Коэффициенты частной корреляции
- •Вывод формул для дисперсий коэффициентов регрессии и расчетных значений
- •Вопросы для самопроверки
Функции случайного аргумента
Рассмотрим закон распределения и характеристики функции Y = (X) случайного аргумента X. Распределение X считается известным.
Если X – дискретная величина, заданная своим рядом распределения, то ряд распределения функции составляется просто заменой xi на yi = (xi):
X |
х1 |
х2 |
х3 |
… |
хk |
|
|
Y |
(х1) |
(х2) |
(х3) |
… |
(хk) |
Вер. |
p1 |
p2 |
p3 |
… |
pk |
|
|
Вер. |
p1 |
p2 |
p3 |
… |
pk |
Осталось расположить значения yi в порядке возрастания; вероятности повторяющихся значений yi надо складывать.
Пример. Дан ряд распределения X. Составим ряд распределения Y = X2.
X |
–1 |
0 |
1 |
2 |
|
|
Y |
1 |
0 |
1 |
4 |
|
|
Y |
0 |
1 |
4 |
р |
0,2 |
0,5 |
0,2 |
0,1 |
|
|
р |
0,2 |
0,5 |
0,2 |
0,1 |
|
|
q |
0,5 |
0,4 |
0,1 |
С вычислением характеристик функции нет никаких проблем, причем можно даже не составлять ряд распределения Y:
М(у) = (xi)pi .
Для вышеприведенного примера можно найти математическое ожидание функции, предварительно составив ее ряд распределения:
М(у) = yj qj = 00,5 + 10,4 + 40,1 = 0,8;
или же непосредственно по исходному ряду для аргумента X:
М(у) = (xi)2 pi = (–1)20,2 + 020,5 + 120,2 + 220,1 = 0,8.
Дисперсия функции и моменты 3-го и 4-го порядков вычисляются по обычным формулам: D(y) = M(y2) – (М(у))2 , m3(y) = M(y3), m4(y) = M(y4).
Пусть теперь X – непрерывная величина, заданная функцией плотности вероятности fx(x). Как и для дискретного случая, характеристики функции Y = (X) можно вычислять непосредственно, не составляя функций распределения для Y:
.
Однако, иногда требуется, зная распределение X, получить в явном виде функции распределения для Y. Обычно нам известна функция плотности вероятности fx(x) аргумента X. Какой вид имеет функция плотности вероятности fу(у) для Y = (X) ?
Здесь нам понадобится также функция обратного преобразования X = (Y), которая всегда существует для монотонной ветви преобразования Y = (X). Известно, что или .
Запишем двумя способами формулу для вероятности попадания случайной величины в дифференциально малую окрестность:
.
Отсюда получаем .
Пример. Логнормальное распределение.
Случайная величина распределена по логарифмически нормальному закону, если ее логарифм y = ln x расределен номально. Основна область применеия логнормального закону – социологические и экономические исследованиня. В частности, этим законом хорошо описывается распределение таких экономических показателей, как доход, заработная плата, потребительский спрос и т.п. Логнормальное распределение внешне очень похоже на гамма-распределение и, как гамма-распределение, используется для описания сущестенно положительных величин х > 0.
Если случайная величина y = ln x распределена нормально с характеристиками 0 = М(у) и 02 = D(x), то этот факт кратко обозначается, как у ~ N(0; 0). При этом величина х имеет логнормальное распределение с этими же параметрами, что кратко обозначается как x ~ (0; 0). Требование положительности х > 0 можно заменить на более общее условие х > 0 и рассматривать логнормальное распределение разностей (х – 0): y = ln (х ‑ 0). Такое обобщенное логнормальное распределение обозначается (0; 0; 0) и используется в случаях, когда известно, что случайная величина х по своему смыслу не может быть меньше некоторого граничного значения 0 .
Функцию плотности вероятности (дифференциальную функцию) логнормального распределения получим из следующих соображений. Пусть fу(y) – дифференциальная функция нормального закона для y = ln (х – 0):
.
Тогда есть вероятность попадания случайной величины у в интервал (y, y + dy), или величины х в интервал (х, х + dх). Отсюда получаем функцию плотности вероятности логнормального закона в виде:
Графики этой функции для разних значений параметров 0 , 0 , (0 =0) приведены на рис. 7.2.
Рис. 7.2. Графики дифференциальной функции логнормального распределения 1 – (0 =3; 0 =0,8), 2 – (0 =3,5; 0 =0,8), 3 – (0 =4,5; 0 =0,8), 4 – (0 =4,5; 0 =0,5)
Характеристики 0 = М(у), 02 = D(y) связаны с аналогичными характеристиками исходного показателя х = М(х), х2 = D(х) следующими соотношениями:
, или, наоборот, .