- •Тема 1. Вероятностные пространства 30
- •Тема 2. Основные вероятностные схемы испытаний 60
- •Тема 3. Случайные величины 87
- •Тема 4. Математическая статистика 140
- •Введение Место теории вероятностей и математической статистики в современной математической науке и их роль в экономических исследованиях
- •Особенности изучения теории вероятностей и математической статистики менеджером
- •Краткие сведения
- •Тема 1. Вероятностные пространства Лекция 1. Пространство случайных событий
- •Основные понятия теории вероятностей
- •Случайные события
- •Понятие случайного эксперимента
- •Пространство элементарных событий
- •Наступление события, благоприятствующие исходы
- •Совместные (совместимые), несовместные (несовместимые) события
- •Достоверное и невозможное события
- •Алгебра событий Операции над событиями (сумма, разность, произведение)
- •Свойства операций над событиями
- •Алгебра и сигма-алгебра событий
- •Общее определение вероятности
- •Классическое определение вероятности события. Случаи равновероятных исходов
- •Статистическое определение вероятности события. Случаи неравновероятных исходов
- •Геометрические вероятности
- •Аксиоматическое построение теории вероятностей
- •, Т.Е. Вероятность достоверного события равна единице;
- •Вероятность события , заключающееся в том, что наступит одно из попарно несовместных событий ( ), составляет
- •Полная группа событий
- •Условная вероятность
- •Формула умножения вероятностей
- •Формула сложения вероятностей
- •Независимость событий
- •Простейшие свойства вероятностей
- •Свойства условных вероятностей
- •Формула полной вероятности. Формула Байеса
- •Контрольные вопросы к теме №1
- •Тема 2. Основные вероятностные схемы испытаний Лекция 2. Основные формулы вычисления вероятностей
- •Классическая вероятностная схема
- •Правила суммы и произведения
- •Схемы выбора. Основные понятия комбинаторики
- •Выбор без возвращения, с учетом порядка
- •Выбор без возвращения, без учета порядка
- •Выбор с возвращением и с учетом порядка
- •Выбор с возвращением и без учета порядка
- •Урновая схема
- •Наивероятнейшее число наступления событий в схеме Бернулли
- •Предельные теоремы для схемы Бернулли
- •Локальная теорема Муавра–Лапласа
- •Интегральная теорема Муавра – Лапласа
- •Теорема Пуассона
- •Понятие потока событий
- •Полиномиальная схема
- •Понятие цепи Маркова
- •Однородные цепи Маркова
- •Равенство Маркова
- •Предельные вероятности
- •Контрольные вопросы к теме №2
- •Тема 3. Случайные величины Лекция 3. Одномерные случайные величины
- •Непрерывные и дискретные случайные величины
- •Закон распределения случайной величины
- •Функция распределения случайной величины и ее свойства
- •Свойства функции распределения
- •Числовые характеристики непрерывных случайных величин Математическое ожидание случайной величины, его вероятностный смысл и свойства
- •Свойства математического ожидания
- •Дисперсия случайной величины и ее свойства
- •Среднеквадратическое отклонение
- •Начальные и центральные моменты
- •Основные примеры распределений дискретной случайной величины
- •Биномиальное распределение, его математическое ожидание, дисперсия
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывные случайные величины Функция и плотность распределения вероятностей
- •Числовые характеристики непрерывных случайных величин
- •Основные примеры распределений непрерывной случайной величины Равномерное распределение
- •Показательное распределение
- •Нормальное распределение
- •Свойства функции Гаусса
- •Центральная предельная теорема
- •Вероятность попадания нормальной случайной величины в заданный интервал
- •Функция Лапласа и ее свойства
- •Вычисление вероятности заданного отклонения. Правило «трех сигм»
- •Лекция 4. Многомерные случайные величины
- •Закон распределения вероятностей двумерной случайной величины
- •Совместная функция распределения двумерной случайной величины
- •Свойства совместной функции распределения двумерной случайной величины
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Свойства двумерной плотности вероятности
- •Условное математическое ожидание
- •Независимые случайные величины
- •Числовые характеристики системы двух случайных величин
- •Корреляционный момент
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Линейная регрессия. Метод наименьших квадратов
- •Распределение 2
- •Распределение Стьюдента
- •Распределение Фишера
- •Предельные теоремы теории вероятностей Закон больших чисел. Неравенство Чебышева. Теорема Чебышева
- •Контрольные вопросы к теме №3
- •Тема 4. Математическая статистика Лекция 5. Основы математической статистики
- •Выборочный метод и его основные понятия
- •Способы отбора
- •Вариационный ряд для дискретных и непрерывных случайных величин
- •Полигон и гистограмма
- •Эмпирическая функция распределения и ее свойства
- •Свойства эмпирической функции распределения
- •Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок
- •Выборочные среднее и дисперсия
- •Надежность и доверительный интервал
- •Определение доверительных интервалов Доверительный интервал для математического ожидания нормального распределения при известной дисперсии
- •Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- •Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- •Проверка статистических гипотез
- •Статистический критерий
- •Критическая область. Область принятия гипотезы. Критические точки
- •Критерий согласия Пирсона о виде распределения
- •Элементы теории корреляции
- •Выборочные уравнения регрессии
- •Линейная регрессия
- •Множественная линейная регрессия
- •Нелинейная регрессия
- •Логарифмическая модель
- •Обратная модель
- •Степенная модель
- •Показательная модель
- •Цепи Маркова Цепи Маркова с дискретным временем
- •Однородные цепи Маркова
- •Переходные вероятности. Матрица перехода
- •Равенство Маркова
- •Цепи Маркова с непрерывным временем
- •Уравнения Колмогорова
- •Финальные вероятности состояний системы
- •Предельные вероятности
- •Контрольные вопросы к теме №4
- •Экзаменационные вопросы
- •Литература
- •Теория вероятностей и математическая статистика
- •Технический редактор т.В. Жибуль
- •220007, Г. Минск, ул. Московская, 17.
Урновая схема
Классическая схема, несмотря на свою ограниченность, пригодна для решения ряда сугубо практических задач, общую схему которых можно охарактеризовать следующим образом: рассмотрим множество элементов, состоящее из двух непересекающихся подмножеств из и элементов. Например, множество шаров, из которых – белые, а – черные. Эти шары находятся в урне, из которой извлекается шаров. Требуется найти вероятность того, что сред этих шаров окажется белых, причем отношение будет близко к , т.е. достоверно ли представление о генеральной совокупности, полученное по выборке. В самом деле, в описанной ситуации каждая выборка не имеет предпочтения по отношению к любой другой, т.е. все они равновозможны.
Обозначим через событие «в выборке объема имеется белых шаров». Число всех возможных выборок объема из множества элементов равно числу сочетаний . Выясним число элементарных исходов благоприятствующих событию : из белых шаров можно выбрать штук способами, а из черных шаров можно выбрать штук способами. Таким образом, число элементарных исходов благоприятствующих событию равно . Следовательно, вероятность того, что сред этих шаров окажется белых, причем отношение будет близко к , равна:
.
Схема независимых испытаний Бернулли
Серия повторных независимых испытаний, в каждом из которых данное событие имеет одну и ту же вероятность , не зависящую от номера испытания, называется схемой Бернулли. Таким образом, в схеме Бернулли для каждого испытания имеются только два исхода: событие (успех), вероятность которого и событие (неудача), вероятность которого .
Рассмотрим задачу: в условиях схемы Бернулли необходимо определить вероятность того, что при проведении независимых испытаний, в испытаниях наступит событие , если вероятность его наступления в каждом испытании равна .
Определим вначале вероятность того, что в первых испытаниях событие наступит, а в остальных испытаниях не наступит. Вероятность такого события можно получить по формуле вероятности произведения независимых событий , где .
Это лишь одна из возможных комбинаций, когда событие произошло только в первых испытаниях. Для определения искомой вероятности нужно перебрать все возможные комбинации. Их число равно числу сочетаний из элементов по , т.е. .
Таким образом, вероятность того, что событие наступит в любых испытаниях, определяется по формуле Бернулли:
.
Наивероятнейшее число наступления событий в схеме Бернулли
Число наступлений события называется наивероятнейшим, если оно имеет наибольшую вероятность по сравнению с вероятностями наступления любое другое количество раз.
Теорема. Наивероятнейшее число наступлений события в независимых испытаниях заключено между числами и .
Доказательство. По формуле Бернулли при :
.
Следовательно, вероятность будет больше, меньше или равна вероятности в зависимости от того, какое из трех соотношений будет выполняться:
, |
, |
. |
Если переписать эти соотношения в более простом виде:
, |
, |
, |
То приходим к выводу, что:
, если ;
, если ;
, если .
Следовательно, вероятность при возрастает, а при – убывает. В случае, когда не является целым числом, для наивероятнейшего числа наступлений события (обозначим его ) должно выполняться неравенство , что возможно при , т.е. при . В то же время, должно выполняться неравенство , что возможно при , т.е. при . Таким образом, .
Заметим, что разность между и равна единице, значит, в большинстве случаев число единственно. Если – целое число, то наивероятнейших чисел два: и . В этом случае, поскольку , то, а .