- •Модульний план
- •Розподіл балів за виконані роботи
- •Критерії оцінювання знань, вмінь та навичок студентів Лекційні заняття
- •Оцінювання самостійної та індивідуальної роботи
- •Модуль і. Теорія ймовірностей Змістовний модуль 1. Теоретичні основи теорії ймовірностей та комбінаторики
- •Тема 1. Основні поняття теорії ймовірностей
- •1.1. Поняття "випробування" та "подія". Предмет теорії ймовірностей. Коротка історична довідка.
- •Класифікація випадкових подій
- •Алгебра випадкових подій
- •Властивості операцій над подіями
- •Запитання для самоконтролю
- •Тема 2. Основні поняття та принципи комбінаторики
- •Сполуки без повторень елементів
- •Сполуки з повторенням елементів
- •Основні принципи комбінаторики
- •Запитання для самоконтролю
- •Тема 3. Ймовірність подій. Основні теореми теорії ймовірностей
- •Класичне означення ймовірності
- •Властивості ймовірності
- •3.2. Відносна частота. Статистичне означення ймовірності.
- •3.3. Геометричне означення ймовірності
- •Залежні та незалежні події. Умовна ймовірність. Теореми множення ймовірностей.
- •Теорема множення ймовірностей залежних подій
- •3.5. Теореми додавання ймовірностей Теорема додавання ймовірностей несумісних подій
- •3.6. Ймовірність настання хоча б однієї події
- •Теорема
- •Запитання для самоконтролю
- •Тема 4. Формула повної ймовірності. Формула Бейєса.
- •4.1. Формула повної ймовірності
- •4.2. Формула Бейєса
- •Запитання для самоконтролю
- •Тема 5. Послідовні незалежні випробування
- •5.1.Схема повторних незалежних випробувань Бернуллі.
- •5.2. Граничні теореми у схемі Бернуллі
- •5.3. Ймовірність відхилення відносної частоти від сталої ймовірності в незалежних випробуваннях
- •Запитання для самоконтролю
- •Практичні заняття Практичне заняття №1
- •Практичне заняття №2
- •Практичне заняття №3
- •Практичне заняття №4
- •Практичне заняття №5
- •Самостійна робота
- •Рівень а
- •Рівень б
- •Рівень в
- •Рівень а
- •Рівень б
- •Рівень в
- •Теми рефератів
- •Задачі для самоперевірки
- •Змістовний модуль 2. Випадкові величини
- •Тема 6. Види випадкових величин та способи їх задання
- •6.1. Поняття випадкової величини. Закони розподілу випадкових величин.
- •6.1.1. Дискретні випадкові величини
- •Біноміальний розподіл
- •Геометричний розподіл
- •Числові характеристики двв
- •6.1.2. Неперервні випадкові величини. Щільність розподілу.
- •Основні закони розподілу неперервних величин
- •Рівномірний розподіл
- •Показниковий розподіл
- •Нормальний розподіл
- •Числові характеристики ннв
- •Правило трьох сигм
- •6.2. Закон великих чисел та центральна гранична теорема
- •Теорема
- •Запитання для самоконтролю
- •Практичны заняття Практичне заняття №6
- •Практичне заняття №9
- •Самостійна робота
- •Числові характеристики основних розподілів
- •Рівень а
- •Рівень б
- •Рівень в
- •Задача 1
- •Задача 2
- •10. Неперервна випадкова величина задана інтегральною функцією розподілу:
- •Задачі для самоконтролю
- •Модуль іі. Математична статистика Змістовний модуль 3. Теоретичні основи математичної статистики
- •Тема 7. Предмет та задачі математичної статистики
- •Види та способи відбору
- •Первинна обробка даних
- •Згрупований розподіл накопиченої частоти
- •Розподіл щільності частоти і щільності відносної частоти
- •Емпірична функція розподілу
- •Властивості емпіричної функції розподілу
- •Запитання для самоконтролю
- •Тема 8. Статистичні оцінки параметрів розподілу
- •8.1. Числові характеристики статистичного розподілу
- •Алгоритм методу добутків
- •8.2. Точкові та інтервальні оцінки параметрів розподілу
- •Точкова оцінка математичного сподівання
- •Точкова оцінка дисперсії. Виправлена дисперсія
- •Інтервальні оцінки для математичного сподівання
- •Знаходження об’єму вибірки
- •Запитання для самоконтролю
- •Практичні заняття Практичне заняття №10
- •Практичне заняття №11
- •Практичне заняття №12-13
- •Практичне заняття №14
- •Самостійна робота
- •Змістовний модуль 4. Статистична перевірка гіпотез. Елементи теорії кореляції і дисперсійного аналізу
- •Тема 9. Статистична перевірка гіпотез
- •Статистичні гіпотези та їх класифікація
- •9.2. Статистичні критерії перевірки нульової гіпотези
- •9.3. Перевірка гіпотези про закон розподілу. Критерій згоди Пірсона.
- •Перевірка гіпотези про рівність середніх двох сукупностей
- •Перевірка гіпотези про рівність часток ознаки двох сукупностей
- •Перевірка гіпотези про рівність дисперсій двох сукупностей
- •Перевірка гіпотез про числові значення параметрів
- •Запитання для самоконтролю
- •Тема 10. Елементи теорії кореляції
- •Запитання для самоконтролю
- •Тема 11. Поняття дисперсійного аналізу. Однофакторний дисперсійний аналіз
- •Запитання для самоконтролю
- •Практичні заняття
- •Практичне заняття №17
- •Практичне заняття №18
- •Самостійна робота
- •Методичні рекомендації
- •Список використаної та рекомендованої літератури
- •Додатки
- •Математична довідка
- •Властивості функції
- •V. Правила інтегрування функцій
- •Варіанти завдань для самостійної індивідуальнї роботи
Показниковий розподіл
Випадкову величину Х називають розподілену за показниковим законом розподілу, якщо щільність її ймовірностей має вигляд
, де >0.
Показниковому розподілу задовольняють: час телефонної розмови, час безвідмовної роботи годинника.
Графік щільності показникового розподілу має вигляд рис. 6.
Нормальний розподіл
Випадкову величину Х називають розподіленою нормально, якщо щільність її ймовірностей має вигляд
, де а і – параметри розподілу.
Графік щільності нормального розподілу називають кривою Гауса і зображають рис. 7.
1) точки та – точки перегину.
2) max в точці , .
Для неперервних випадкових величин також можна розглядати числові характеристики. Вони обчислюються за допомогою щільності розподілу.
Числові характеристики ннв
Означення. Математичним сподіванням неперервної випадкової величини Х, заданої щільністю розподілу , називається число, яке обчислюється за формулою
Якщо неперервна випадкова величина приймає значення на відрізку [a;b] та має щільність ймовірностей , то її математичне сподівання знаходиться за формулою
Задача 5. Випадкова величина задана щільністю розподілу
Знайти математичне сподівання.
Розв’язання. .
Відповідь: .
Для неперервної випадкової величини дисперсія обчислюється за формулою:
(17)
або
(18)
Задача 6. Випадкова величина задана щільністю розподілу
Знайти дисперсію та середнє квадратичне відхилення.
Розв’язання У задачі 5 знайдено математичне сподівання .
М(Х2)= . За формулою (18) знаходимо дисперсію
.
Відповідь: , 0,2357.
Правило трьох сигм
Якщо випадкова величина Х розподілена нормально, то , тобто ймовірність того, що абсолютна величина відхилення Х від її математичного сподівання прямує до нуля, а це означає, що – практично достовірна подія.
У практиці це правило використовують так: якщо закон розподілу випадкової величини Х невідомий, але , тоді можна припустити, що Х розподілена нормально.
6.2. Закон великих чисел та центральна гранична теорема
Граничні теореми, що встановлюють граничні закони розподілу випадкових величин, об’єднують загальною назвою – центральна гранична теорема
Теорема
(Нерівність Чебишова)
Для будь-якої випадкової величини Х ймовірність того, що вона відхиляється від свого математичного сподівання більше, ніж на число , завжди менша, ніж , тобто:
(19)
У статистиці частіше використовують нерівність Чебишева для середнього квадратичного відхилення:
Граничні теореми які встановлюють відповідність між теоретичними та дослідними характеристиками випадкових подій. Об’єднують загальною назвою – закону великих чисел.
Нехай Х випадкова величина, яка має математичне сподівання М(Х) і дисперсію D(X). Нехай Х1, Х2, ..., Хп випадкові величини, які мають ті ж параметри розподілу, що й Х.
Візьмемо нову випадкову величину . Застосуємо нерівність Чебишова для випадкової величини :
.
Наслідком цієї нерівності є твердження: .
Тобто середнє арифметичне результатів випробування зі зростанням п все точніше відображає математичне сподівання досліджуваної випадкової величини.