- •Теория вероятностей и математическая статистика
- •Случайные события
- •Действия над событиями
- •Свойства операций над событиями
- •Задачи, рассмотренные на лекции и семинаре. Тема 1. События. Основные операции над событиями Лекция 1
- •Семинар 1
- •Домашнее задание 1 – Тема 1.
- •Свойства относительной частоты
- •Свойства статистической вероятности
- •Классическое определение вероятности
- •Свойства «классической» вероятности
- •Полезный алгоритм
- •Задачи, рассмотренные на лекции и семинаре. Тема 2 Лекция 2
- •Семинар 2
- •Домашнее задание 2 – Тема 2.
- •Классическое определение вероятности
- •Домашнее задание 2 – Тема 2.
- •Классическое определение вероятности
- •Тема 2.1. Элементы комбинаторики. Правило суммы и правило произведения. – 4 часа 2 часа лекции, 2 часа семинарское занятие Элементы комбинаторики
- •Правило умножения
- •Правило сложения (суммы)
- •Задачи, рассмотренные на Лекции и Семинаре 2.1.
- •Домашнее задание 2.1 – Тема 2.1 Элементы комбинаторики: Правило Суммы, Правило Произведения
- •Тема 3. Элементы комбинаторики. Понятие о «схеме выбора». Схема выбора без возвращения: Перестановки, Размещения, Сочетания. – 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Соединения. Виды соединений
- •Перестановки
- •Размещения
- •Сочетания
- •Свойства Сочетаний (биномиальных коэффициентов)
- •Семинар 3
- •Домашнее задание 3 – Тема 3. Элементы комбинаторики: Перестановки, Размещения, Сочетания
- •Тема 4. Элементы комбинаторики. Схема выбора с возвращением: Размещения, Сочетания, Перестановки с повторением – 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Размещения с повторениями
- •Сочетания с повторениями
- •Перестановки с повторениями
- •Задачи, рассмотренные на лекции и семинаре. Тема 4.
- •Лекция 4
- •Семинар 4
- •Домашнее задание 4 - Тема 4.
- •Тема 5. Геометрическое определение вероятности. Субъективная вероятность. Примеры вычисления вероятностей. – 4 часа: 2 часа лекции, 2 часа семинарское занятие Субъективная вероятность
- •Геометрическое определение вероятности
- •Свойства геометрической вероятности
- •Задачи, рассмотренные на лекции и семинаре 5. Тема 5. Геометрическая вероятность
- •Домашнее задание 5 - Тема 5. Геометрическая вероятность
- •Тема 6. Независимость событий. Вероятность произведения событий. Вероятность суммы событий. – 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Независимость событий
- •Тема 6. Задачи, рассмотренные на лекции и семинаре 6 Лекция 6
- •Семинар 6 Дополнительное задание
- •Домашнее задание 6 – Тема 6. Формулы вероятности суммы и произведения событий
- •Тема 7. Независимость событий. Условные вероятности. – 4 часа: 2 часа лекции, 2 часа семинарское занятие Условные вероятности
- •Полезный алгоритм
- •Тема 7. Независимость событий. Условная вероятность Задачи, рассмотренные на лекции и семинаре 7 Лекция 7
- •Семинар 7
- •Тема 8. Формула полной вероятности. – 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Тема 8. Задачи, рассмотренные на Лекции 8
- •Тема 8. - Домашнее задание 8. Формула полной вероятности
- •Тема 9. Формула Байеса (формула гипотез, формула апостериорной вероятности). – 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Задачи, рассмотренные на Лекции и Семинаре 9
- •Домашнее задание 9. – Тема 9 – Теорема Байеса
- •Тема 10. Схема повторных независимых испытаний с двумя исходами. Схема Бернулли. Теорема и Формула Бернулли. - 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Формула Бернулли
- •Случай нескольких исходов
- •Вероятность появления рассматриваемого события не менее m раз
- •Задачи, рассмотренные на Лекции и Семинаре 10. Тема 10. Формула Бернулли Лекция 10
- •Семинар 10
- •Домашнее задание 10 – Тема 10. Схема Бернулли
- •Тема 11. Приближенные вычисления в схеме Бернулли. Формулы Пуассона, Муавра – Лапласа. Алгоритмы вычислений. Гауссиана. – 4 часа: 2 часа лекции, 2 часа семинарское занятие
- •Формула Пуассона
- •Алгоритм использования функции Гаусса в приближенных вычислениях
- •Алгоритм использования функции ф(х) в приближенных вычислениях
- •Сокращенная таблица значений функции плотности и интегральной функции ф(х)
- •Задачи, рассмотренные на Лекции.
- •Тема 11. - Формулы Пуассона и Муавра – Лапласа
- •Домашнее задание 11. -Тема 11. Формулы Пуассона и Муавра – Лапласа. Кривая вероятностей (Гауссиана). Закон больших чисел
- •Тема 12. Бином Ньютона. Биномиальные коэффициенты. Свойства биномиальных коэффициентов. – 4 часа: 2 часа лекции, 2 часа семинарское занятие Свойства Сочетаний (биномиальных коэффициентов)
- •Треугольник Паскаля
- •Домашнее задание 12 – Тема 12. Бином Ньютона
- •Дискретная случайная величина
- •Закон распределения дискретной случайной величины
- •Математические операции над дискретными случайными величинами
- •Задачи, рассмотренные на Лекции и Семинаре. Тема 13
- •Домашнее задание 13 – Тема 13. Случайная величина (св).
- •Тема 14. Числовые характеристики случайной величины. «Меры положения»: среднее арифметическое, среднее геометрическое, мода, медиана. «Меры рассеяния»: дисперсия, эксцесс, асимметрия.
- •«Меры положения»
- •1. Средняя арифметическая величина. Понятие средней арифметической
- •Свойства средней величины
- •2. Мода
- •3. Медиана
- •Вариация массовых явлений. «Меры рассеяния»
- •4. Размах (интервал изменения)
- •5. Математическое ожидание
- •Свойства математического ожидания
- •6. Дисперсия и среднеквадратическое (стандартное) отклонение
- •Алгоритм вычисления дисперсии
- •Свойства дисперсии
- •7. Коэффициент вариации
- •Моменты распределения и показатели его формы. Центральные моменты распределения
- •9. Коэффициент асимметрии
- •10. Коэффициент эксцесса
- •Задачи, рассмотренные на Лекции и Семинаре 14
- •Домашнее задание 14. Тема 14 – Числовые характеристики случайной величины. Закон распределения св
- •Плотность распределения
- •Сходство и различия между законом распределения и плотностью распределения
- •Свойства плотности вероятности
- •Нормальный закон распределения
- •Свойства кривой вероятностей
- •Понятие о биномиальной случайной величине
- •Раздел II
- •Вопросы для контроля
- •Вопросы к зачету по теории вероятностей и математической статистике
- •Рекомендуемая литература
Тема 14. Числовые характеристики случайной величины. «Меры положения»: среднее арифметическое, среднее геометрическое, мода, медиана. «Меры рассеяния»: дисперсия, эксцесс, асимметрия.
Для сравнения совокупностей значений СВ могут быть использованы различные величины. Перечислим некоторые из них:
- мода,
- медиана,
- среднее.
Эти термины объединяют одним термином – меры центральной тенденции, или, короче – центральные тенденции, подчеркивая тем самым возможность измерить, охарактеризовать совокупность значений СВ одним числом, к которому стремятся все ее значения.
«Меры положения»
1. Средняя арифметическая величина. Понятие средней арифметической
Средним арифметическим значением (часто его называют просто «среднее») называется такое среднее значение признака, при вычислении которого общий объем признака в совокупности остается неизменным.
Исходя из определения, формула для расчета средней арифметической величины имеет вид:
= х1 + х2 + … + хn = ,
где – средняя величина,n – количество значений, которое принимает СВ.
Результат можно получить как сумму произведений значений признака в каждой группе хi на число элементов в группе с таким количеством. Получим формулу
=,
где n – число групп.
Такую форму средней арифметической называют взвешенной арифметической в отличие от простой средней.
В качестве «весов» здесь выступают числа единиц совокупности в разных группах.
Свойства средней величины
Имеется несколько замечательных свойств средней величины.
1. Сумма отклонений индивидуальных значений от среднего значения признака равна нулю.
1.1. Для взвешенной средней сумма взвешенных отклонений равна нулю.
2. Если каждое индивидуальное значение признака умножить или разделить на одно и то же число, то и средняя величина увеличится или уменьшится во столько же раз.
3. Если к каждому индивидуальному значению признака добавить/вычесть постоянное число, то средняя величина возрастет / уменьшится на это же число.
4. Если веса средней взвешенной умножить или разделить на постоянное число, средняя величина не изменится.
5. Сумма квадратов отклонений индивидуальных значений признака от средней арифметической величины меньше, чем от любого другого числа.
2. Мода
Модой дискретной случайной величины Х – обозначается Mo(X) называется значение случайной величины, имеющее наибольшую вероятность.
Отметим, что мода – это число, которое встречается чаще всего, а не частота встречаемости этого значения.
Если в вариационном ряду имеются два или несколько равных (и даже несколько различных, но больших чем соседние) значений признака, то вариационный ряд считается бимодальным («верблюдоподобным») либо мультимодальным. Это говорит о неоднородности совокупности значений, возможно, представляющей собой «агрегат» нескольких совокупностей с разными модами.
Графически мода - это абсцисса самой высокой точки в распределении СВ.
3. Медиана
Если упорядочить данные по величине, начиная с самой маленькой величины, и заканчивая самой большой, то медиана также будет характеристикой усреднения в упорядоченном наборе данных.
Определение. Медиана делит упорядоченный ряд значений пополам с равным числом (количеством) значений как выше, так и ниже ее.
Или: медиана определяется как величина, относительно которой по крайней мере 50% выборочных значений не меньше и по крайней мере 50% - больше.
Медиана (обозначается ) – это так называемое «серединное значение» упорядоченного ряда значений СВ.
Исходя из определения, количество значений, расположенных левее и правее медианы на числовой оси, одинаково.