- •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
Вариация массовых явлений. «Меры рассеяния»
4. Размах (интервал изменения)
Размах – это разность между максимальным и минимальным значением переменой в наборе данных. Размах обозначается R.
Размах R является самым простым показателем, который можно получить для выборки:
.
Понятно, что чем сильнее варьирует признак, тем больше и наоборот.
5. Математическое ожидание
Одной из основных числовых характеристик является математическое ожидание (или взвешенное среднее значение).
Определение. Математическое ожидание (оно обозначается МХ или М(Х)) представляет собой среднее ожидаемое значение рассматриваемой случайной величины в больших сериях испытаний с учетом вероятностей принимаемых значений и вычисляемое по формуле:
МХ =М(Х) = ,
которая в сокращенной записи выглядит следующим образом:
Или, другими словами: Математическое ожидание дискретной случайной величины есть сумма произведений всех её возможных значений на их вероятности.
В серии из большого количества испытаний среднее арифметическое полученных в этой серии значений СВ будет приближаться к ее математическому ожиданию. Этот факт имеет два важных следствия.
Следствие 1. Математическое ожидание СВ, распределение которой нам неизвестно, можно оценить средним арифметическим значений в достаточно большой серии ее последовательных испытаний. Более того, чем длиннее серия, тем точнее оценка.
Следствие 2. В практически интересных случаях серий испытаний можно оценивать наиболее вероятный результат, исходя из математического ожидания некоторой СВ.
Свойства математического ожидания
1) Математическое ожидание постоянной величины равно самой величине:
М(С) = С.
2) Постоянный множитель можно выносить за знак математического ожидания:
М(СХ) = С·М(Х).
3) Математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых:
М(Х1 + Х2 + …+ Хn) = М(Х1) + М(Х2) + ... + М(Хn).
4) Математическое ожидание произведения взаимно независимых случайных величин равно произведению математических ожиданий сомножителей:
М(Х1 · Х2 · ... · Хn) = М(Х1) · М(Х2) · ... · М(Хn).
6. Дисперсия и среднеквадратическое (стандартное) отклонение
Характеристикой, показывающей масштаб отклонения случайной величины от математического ожидания, является дисперсия, она обозначается буквой D - математическое ожидание квадрата отклонения от её математического ожидания:
.
Определение. Дисперсия дискретной случайной величины есть математическое ожидание квадрата отклонения случайной величины:
D(X) = (x1 - M(X))2·p1 + (x2 - M(X))2·p2 + ... + (xn- M(X))2·pn =
= x·p1 + x·p2 + ... + =
.
При практических расчетах удобнее пользоваться другой формулой для расчета дисперсии:
.
Отклонение случайной величины от математического ожидания задается стандартным отклонением :
.
Или, другими словами, среднее квадратическое отклонение дискретной случайной величины, которое называется также и стандартным отклонением или средним квадратичным отклонением, есть корень квадратный из дисперсии:
σ(X) = .
Чем меньше дисперсия D или стандартное отклонение , тем плотнее группируются данные измерения вокруг своего среднего значения.