- •Содержание
- •Введение
- •Глава 1 Основные понятия.
- •1.1Вводные понятия.
- •1.2Непосредственный подсчёт вероятностей
- •1.3Частота или статическая вероятность.
- •Глава 2Аксиоматика теории вероятности. Правила умножения и сложения и их свойства.
- •2.1Элементарные сведения из теории множеств.
- •2.2Аксиомы теории вероятностей и их следствия. Правило сложения вероятностей.
- •2.3Комбинаторика. Классические модели. Примеры.
- •2.4Геометрическая модель.
- •2.5Условная вероятность события. Правило умножения вероятностей.
- •2.6Формула полной вероятности.
- •2.7Теорема гипотез (Формула Бейеса).
- •Глава 3Случайные величины, их законы распределения.
- •3.1Понятие случайной величины. Законы распределения. Ряд распределения дискретной случайной величины.
- •3.2Функция распределения случайной величины. Её свойства.
- •3.3Функция распределения дискретной с. В. Индикатор события.
- •3.4Непрерывная случайная величина. Плотность распределения.
- •Глава 4Числовые характеристики случайных величин.
- •4.1Роль и назначение числовых характеристик. Математическое ожидание случайной величины.
- •4.2 Моменты. Дисперсия. Среднее квадратичное отклонение.
- •Глава 5Некоторые важные для практики распределения дискретных с. В.
- •5.1Аппарат производящей функции.
- •5.2Испытания Бернулли.
- •5.3Биноминальное распределение.
- •5.4Распределение Пуассона.
- •5.5Геометрическое распределение.
- •5.6Гипергеометрическое распределение.
- •Глава 6Некоторые важные для практики распределения непрерывных случайных величин.
- •6.1Равномерное распределение.
- •6.2Показательное распределение.
- •6.3Нормальное распределение.
- •6.4Гамма - распределение и распределение Эрлана.
- •Глава 7Системы случайных величин (случайные векторы).
- •7.1Понятие о системе случайных величин.
- •7.2Функция распределения системы двух случ. Величин.
- •7.3Система двух дискретных случ. Величин. Матрица распределения.
- •7.4Система двух непрерывных случ. Величин. Совместная плотность распределения.
- •7.5Зависимые и независимые случ. Величины. Условные законы распределения.
- •7.6Числовые характеристики системы двух с.В. Ковариация и коэффициент корреляции.
- •7.7Условные числовые характеристики системы случайных величин (х,у). Регрессия.
- •7.8Закон распределения и числовые характеристики n-мерного случайного вектора.
- •Лекции « Теория вероятности и математическая статистика »
- •Раздел 2
- •«Математическая статистика.» Глава 8Основы математической теории выборочного метода.
- •8.1Понятие о выборочном методе. Способы образования выборочной совокупности.
- •8.2Характеристики генеральной и выборочной совокупности.
- •8.3Эмпирическая функция распределения.
- •Глава 9Статистическое оценивание параметров распределения.
- •9.1Понятие об оценке параметров.
- •9.2Основные свойства оценок.
- •1) Несмещенность
- •2) Эффективность
- •3) Состоятельность
- •9.3Оценка математического ожидания и дисперсии по выборке.
- •9.4Метод наибольшего правдоподобия.
- •9.5Распределение средней арифметической для выборок из нормальной совокупности. Распределение Стьюдента.
- •9.6Распределение дисперсии в выборках из нормальной генеральной совокупности. Распределение Пирсона.
- •9.7Понятие доверительного интервала. Доверительная вероятность.
- •9.8 Построение доверительного интервала для математического ожидания при известной .
- •9.9Построение доверительного интервала для математического ожидания при неизвестной .
- •9.10Построение доверительного интервала для дисперсии.
- •Глава 10Проверка статистических гипотез.
- •10.1Понятие статистической гипотезы. Общая постановка задачи проверки гипотез.
- •10.2Проверка гипотезы о равенстве центров распределений двух нормальных генеральных совокупностей при известном .
- •10.3Проверка гипотезы о равенстве центров распределения нормальных генеральных совокупностей при неизвестном .
- •10.5Проверка гипотез о законе распределения. Критерий согласия .
- •10.6Вычисление объёма выборки.
- •Глава 11Основы дисперсионного анализа.
- •11.1Основная идея дисперсионного анализа.
- •11.2Однофакторный комплекс.
- •11.3Двухфакторный комплекс.
- •11.4Дисперсионный анализ с равным числом наблюдения в ячейке.
- •11.5Дисперсионный анализ с неравным числом наблюдений в ячейке.
- •Глава 12Основы корреляционного анализа.
- •12.1О связях функциональных, стохастических, статистических и корреляционных.
- •12.2Определение формы связи. Понятие регрессии.
- •12.3 Поле корреляции.
- •12.4Линейная регрессия. Понятие о способе наименьших квадратов.
- •12.5Кривые регрессии. Нелинейная регрессия.
- •12.6Измерение тесноты связи. Эмпирическое корреляционное отношение.
Глава 12Основы корреляционного анализа.
12.1О связях функциональных, стохастических, статистических и корреляционных.
В природе всё взаимосвязано. Связи между различными явлениями сложны и многообразны. При изучении мы их классифицируем.
В технике и естествознании речь часто идет о функциональной зависимости.
Опр. Функциональной называется зависимость между переменными x и y, когда каждому значению х поставлено в однозначное соответствие определённое значение у.
Пример: Зависимость между р и V газа. (Закон Бойля-Мариотта).
В реальном мире многие явления происходят в обстановке действия многочисленных факторов, влияние каждого из которых ничтожно, а число их велико. В этих случаях связь теряет свою строгую функциональность и изучаемая физическая система переходит не в определённое состояние, а в одно из возможных для неё состояний.Здесь речь может идти лишь о так называемой стохастической связи.
Опр. Стохастической называется связь, состоящая в том, что одна случайная переменная реагирует на изменение другой изменением своего закона распределения.
В практике статистических исследований часто рассматривается частный случай стохастической связи, называемой статистической.
Опр. Статистической называется связь, состоящая в том, что условное мат. ожидание одной случайной величины является функцией значения, принимаемого другой случайной величиной, т.е.
M(Yx)=f(x)
Замечание: Поскольку понятие статистической зависимости относится к осредненным условиям, прогнозы не могут быть безошибочными. Применяя некоторые вероятностные методы, можно вычислить, что ошибка не выйдет за некоторые рамки.
Для определения статистической связи нужно знать:
у словное мат. ожидание
аналитический вид двумерного распределения (Х,Y)
Сделав это по небольшой по объёму выборке, мы можем прийти к серьёзным ошибкам.
Поэтому идут на упрощение, переходя от условного мат. ожидания к условному среднему значению,т.е.
- мат. ожидание Y при условии Х=х
Опр: Зависимость между одной случайной переменной и условным средним значением другой случайной переменой называется корреляционной зависимостью.
Замечание: Вопрос о том, что принять за зависимую переменную, а что за независимую, следует решать применительно к каждому конкретному случаю.
12.2Определение формы связи. Понятие регрессии.
Определить форму связи – это значит выявить механизм получения зависимой случ. переменной.
При изучении статистических зависимостей форму связи можно характеризовать функцией регрессии (линейной, квадратичной, показательной и т.д.)
Опр. Условное мат. ожидание случ. переменной Y, рассматриваемое как функция х, т.е.
называется функцией регрессии случ. переменной Y по Х и наоборот.
Пример.
Точность прогноза определяется дисперсией условного распределения:
или
Пример.
Для характеристики формы связи при изучении корреляционной зависимости пользуются понятием кривой регрессии.
Опр. Кривой регрессии Y по Х называется условное среднее значение случ. переменной Y, рассматриваемой как функция от х,т.е.
Средняя погрешность прогноза по кривой регрессии определяется мат. ожиданием квадрата разности между измеренной величиной и вычисленной по формуле кривой регрессии:
Ошибка минимальная при минимальности , что соответствует тому, когда