- •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.
Числовые характеристики непрерывных случайных величин
Для непрерывных случайных величин, так же, как и для дискретных, используют понятия математического ожидания и дисперсии.
Математическим ожиданием непрерывной случайной величины называется значение интеграла:
,
где – плотность вероятности.
Дисперсией непрерывной случайной величины называется значение интеграла:
.
Среднее квадратичное отклонение непрерывной случайной величины вычисляется как корень квадратный из дисперсии:
.
Мода ( ) непрерывной случайной величины – это такое ее значение, которому соответствует максимальное значение ее плотности вероятности.
Медианой ( ) непрерывной случайной величины называется такое ее значение, которое определяется равенством:
.
Основные свойства математического ожидания и дисперсии непрерывных случайных величин остаются такими же, как и для дискретных случайных величин.
Начальные и центральные моменты для непрерывных случайных величин находятся по формулам:
,
.
Основные примеры распределений непрерывной случайной величины Равномерное распределение
Непрерывная случайная величина считается равномерно распределенной, если ее плотность вероятности имеет вид:
Математическое ожидание случайной величины, имеющей равномерное распределение:
Дисперсия может быть вычислена следующим образом:
Среднее квадратичное отклонение будет иметь вид:
.
Показательное распределение
Показательным (экспоненциальным) распределением непрерывной случайной величины называется такое распределение, которое описывается следующим выражением для плотности вероятности:
,
где – постоянная положительная величина.
Функция распределения вероятности в этом случае имеет вид:
Математическое ожидание случайной величины, имеющей экспоненциальное распределение, получаем на основании общей формулы с учетом того, что при :
.
Интегрируя это выражение по частям, находим: .
Дисперсию для экспоненциального распределения можно получить, используя выражение:
.
Подставляя выражение для плотности вероятности, находим:
Вычисляя интеграл по частям, получаем: .
Нормальное распределение
Нормальным называется такое распределение случайной величины , плотность вероятности которого описывается функцией Гаусса:
где – среднее квадратичное отклонение;
– математическое ожидание случайной величины.
Свойства функции Гаусса
График плотности нормального распределения называют нормальной кривой Гаусса.
Проведем исследование функции:
методами дифференциального исчисления.
Очевидно, что функция определена на всей оси .
При всех значениях функция принимает положительные значения, т.е. нормальная кривая расположена над осью .
Ось служит горизонтальной асимптотой графика, поскольку . Других асимптот у графика нет.
При функция имеет максимум, равный .
Функция четная: ее график симметричен относительно прямой .
П ри график функции имеет точки перегиба.
Изменение величины математического ожидания, т.е. параметра , ведет к сдвигу кривой вдоль оси без изменения ее формы. График ведет себя иначе, если изменяется среднее квадратичное отклонение (параметр ): с возрастанием максимальная ордината нормальной кривой убывает, а сама кривая становится более пологой, т.е. сжимается к оси ; при убывании нормальная кривая становится более островершинной и растягивается в положительном направлении оси . Но при любых значениях параметров и , согласно условию нормировки функции плотности распределения, площадь, ограниченная нормальной кривой и осью остается равной единице.