- •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
Плотность распределения
Для СВ Х, с равной вероятностью принимающей любое значение из отрезка [0; 1], естественно считать, что вероятность попадания в отрезок [a; b]равна длине этого отрезка.
Пусть имеется СВ Х и неотрицательная функция f(х) такая, что для любых чисел а и b, , выполняется равенство:
.
В этом случае говорят, что СВ Х имеет плотность распределения f(х).
Записывается это выражение следующим образом:
.
Сходство и различия между законом распределения и плотностью распределения
Плотность вероятности непрерывной случайной величины (она же дифференциальная функция распределения вероятностей) - аналог закона распределения дискретной СВ. Между тем, имеются и сходство и различия.
1. Если закон распределения дискретной СВ графически изображается в виде отдельных точек плоскости, для наглядности соединённых ломаной линией (многоугольник распределения, полигон), то плотность вероятностей графически представляет собой непрерывную гладкую или кусочно-гладкую линию, если на разных отрезках задаётся разными функциями.
2. Аналитически плотность распределения задаётся формулой. Также как и непрерывная СВ, дискретная СВ может быть задана законом распределения аналитически.
3. Если закон распределения дискретной СВ ставит каждому значению x СВ Х в соответствие определённую вероятность. Считается, что для каждого отдельного (одиночного) значения непрерывной СВ вероятность равна нулю. Для непрерывных СВ можно найти только вероятность попадания в какой-либо интервал.
И графически вероятность попадания в интервал выражается площадью фигуры, ограниченной сверху графиком плотности вероятности, снизу осью ОХ, с боков – линиями, параллельными оси ординат, проходящими через концевые точки рассматриваемого интервала.
Свойства плотности вероятности
1) Значения плотности вероятности, т.е. значения функции f(x), неотрицательны: f(x) ≥ 0.
Для случайных событий было аналогично определено: .
2) Основное свойство плотности вероятности: интеграл (и собственный и/или несобственный) от плотности вероятности по всей области возможных значений СВ равен 1:
=1;
Геометрически это выражается тем, что площадь фигуры, ограниченной сверху графиком плотности вероятности, снизу - осью OX, равна 1.
Аналог для случайных событий:
Нормальный закон распределения
Особый интерес для практики представляет непрерывная случайная величина, имеющая так называемый нормальный закон распределения.
Нормальное распределение является хорошей моделью для реальных явлений, в которых:
1) имеется сильная тенденция данных группироваться вокруг центра;
2) положительные и отрицательные отклонения данных «от центра» (среднего значения) равновероятны;
3) при увеличении отклонения от центра, частота таких отклонений быстро уменьшается.
Нормальное распределение обладает рядом математических свойств, во многом обеспечивших его широкое применение в статистике.
Нормальное распределение зависит от двух параметров ии задаетсяфункцией плотности вида
,
где и- параметры распределения.
Случайную величину, распределённую нормально с параметрами и, будем обозначатьN(;).
Параметры иимеют вполне ясный смысл: это соответственно математическое ожиданиеМХ и стандартное отклонение случайной величины , распределенной по нормальному закону:
; .
Приведем некоторые факты относительно нормального распределения.
а). Среднее значение определяет меру расположения плотности.
б). Плотность нормального распределения симметрична относительно среднего.
в). Мода и медиана нормального распределения соответственно равны:Mо=, Mе=, где.
Изменение параметра нормального распределения DX приводит к «деформации» формы кривой по оси Ох, но в любом случае всегда площадь под кривой плотности вероятности неизменна и равна 1.
г). При увеличении дисперсии плотность нормального распределения «расплывается» или «растекается» вдоль осиОх. Другими словами: при неизменном математическом ожидании, чем больше, тем график более «пологий».
д). При уменьшении дисперсии плотность нормального распределения, наоборот, «сжимается», концентрируясь вокруг одной точки - точки максимального значения, совпадающей со средним значением.
е). В предельном случае нулевой дисперсии случайная величина «вырождается» и принимает единственное значение, равное среднему.
ж). Изменение второго параметра нормального распределения - МХ (mx)- приводит к сдвигу кривой по оси Ох. При этом, при одинаковой дисперсии σx, чем больше МХ, тем «правее» расположен график.
Распределение с = 0 и= 1 называетсястандартным нормальным распределением, и оно обозначается N(0; 1).
Плотность стандартного нормального распределения будем обозначать особым образом, не f(x), а . Эту функцию называютфункцией Гаусса. Саму стандартную СВ обозначают – U.
Стандартная случайная величина определяется своей плотностью ,
.
График функции Гаусса называетсякривой вероятностей или Гауссианой.