- •Министерство образования и науки российской федерации
- •Раздел I. Теория вероятностей
- •Тема 1. Случайные события
- •1.1 Классификация событий
- •1.2. Вероятность событий
- •Свойства вероятности
- •1.3. Элементы комбинаторики
- •1.4. Операции над событиями
- •Тема 2. Основные теоремы
- •2.1. Теорема сложения вероятностей несовместных событий
- •2.2. Теорема умножения вероятностей
- •2.3. Формула полной вероятности. Формулы Байеса
- •Тема 3. Повторные независимые испытания
- •3.1. Формула Бернулли
- •3.2. Формула Пуассона
- •3.3. Локальная теорема Муавра-Лапласа
- •Свойста функци , ее график
- •3.4. Интегральная теорема Муавра-Лапласа
- •Свойства функции :
- •Тема 4. Дискретная случайная величина и её характеристики
- •4.1. Понятие случайной величины
- •4.2. Закон распределения дискретной случайной величины
- •4.3. Математические операции над случайными величинами
- •4.4. Числовые характеристики дискретной случайной величины
- •Свойства
- •Свойства
- •4.5. Биноминальный закон распределения и закон Пуассона
- •4.6. Функция распределения случайной величины
- •Свойства функции распределения
- •Тема 5. Непрерывные случайные величины.
- •5.1. Плотность распределения вероятностей непрерывных случайных величин
- •Свойства плотности распределения
- •5.2. Числовые характеристики непрерывных случайных величин
- •5.3. Нормальный закон распределения
- •Свойства случайной величины, распределенной по нормальному закону
- •5.4. Центральная предельная теорема. Теорема Ляпунова
- •Тема 6. Двумерные (n-мерные) случайные величины
- •6.1. Способы задания двумерной случайной величины
- •Свойства двумерной функции распределения
- •6.2. Условные законы распределения
- •6.3. Ковариация и коэффициент корреляции
- •Свойства коэффициента корреляции
- •6.4. Двумерный нормальный закон распределения
- •Тема 7. Закон больших чисел
- •Неравенство Маркова (лемма Чебышева)
- •Неравенство Чебышева
- •Теорема Чебышева
- •Раздел II. Математическая статистика Тема 8. Выборочный метод. Общие вопросы
- •8.1. Понятие о вариационных рядах
- •8.2. Эмпирическая функция распределения
- •Свойства :
- •8.3. Числовые характеристики вариационного ряда
- •Основные свойства
- •Основные свойства дисперсии
- •Упрощённый способ расчёта средней арифметической и дисперсии
- •8.4. Выборочный метод
- •Тема 9. Оценка доли признака и генеральной средней
- •Точечные оценки генеральной совокупности. Свойства оценок
- •Интервальная оценка параметров
- •Доверительный интервал для генеральной средней и генеральной доли по большим выборкам
- •Объём выборки
- •Тема 10. Статистическая проверка гипотез
- •10.1. Статистическая гипотеза и общая схема её проверки
- •1) - То нулевую гипотезуотвергают,
- •2) - То нет оснований отвергнуть.
- •10.2. Построение теоретического закона распределения по опытным данным. Критерий согласия Пирсона
- •Правило проверки нулевой гипотезы
- •Тема 11. Корреляция и регрессия
- •11.1. Линейная парная регрессия
- •11.2. Оценка тесноты корреляционной зависимости
- •Свойства выборочного коэффициента корреляции r
- •Проверка значимости выборочного коэффициента корреляции
Свойства коэффициента корреляции
1) .
2) Если и- независимые случайные величины, то.
3) Если случайные величины исвязаны линейной зависимостью, то.
6.4. Двумерный нормальный закон распределения
Определение. Случайная величинаназываетсяраспределенной по двумерному нормальному закону, если ее совместная плотность имеет вид:
,
где .
Из определения следует, что двумерный нормальный закон распределения определяется пятью параметрами: .
Параметры ивыражают математические ожидания случайных величини, параметрыи- их дисперсии, а- коэффициент корреляции между случайными величинамии.
Плотности вероятности одномерных случайных величин иравны:
, .
Каждый из законов распределения одномерных случайных величин иявляется нормальным с параметрами соответственнои.
Найдём условные плотности вероятности случайных величин ипо формулам:
и аналогично
.
Каждый из условных законов распределения случайных величин иявляется нормальным с условным математическим ожиданием и условной дисперсией, определяемыми по формулам:
, ,
, .
Из этих формул следует, что линии регрессии инормально распределенных случайных величин представляют собой прямые линии, то есть нормальные регрессиипоиповсегда линейны.
Условные дисперсии и(а значит и условные стандартные отклоненияи) постоянны и не зависят от значенийи.
Тема 7. Закон больших чисел
Известно, что нельзя заранее уверенно предвидеть, какое из возможных значений примет случайная величина в итоге испытания, - это зависит от многих причин, учесть которые невозможно. Однако оказывается, что при некоторых условиях суммарное поведение достаточно большого числа случайных величин утрачивает случайный характер и становится закономерным. Эти условия и составляют содержание закона больших чисел.
Рассмотрим неравенства Маркова и Чебышева.
Неравенство Маркова (лемма Чебышева)
Теорема.Если случайная величинапринимает только неотрицательные значения и имеет математическое ожидание, то для любого положительного числаверно неравенство
- неравенство Маркова.
Доказательство.Рассмотрим дискретную случайную величину. Расположим её значения в порядке возрастания. По отношению к числузначения случайной величины разбиваются на две группы: одни не больше числа, а другие больше.
I – группа II- группа
… …
Найдём математическое ожидание:
.
Так как все и по условию, то все члены правой части неотрицательны. Поэтому, если мы отбросим первыеслагаемые в выражении, получим неравенство:
.
Заменив все оставшиеся значения случайной величины меньшей величиной , получим более сильное неравенство:
или .
Сумма вероятностей – это сумма вероятностей события, то есть вероятность события.
Следовательно, .
Так как события и- противоположные, то
.
Подставляя в неравенство Маркова , получим другую формунеравенства Маркова:
.
Неравенство Чебышева
Теорема.Для любой случайной величины вероятность того, что отклонение случайной величины от её математического ожидания превзойдёт по абсолютной величине положительное числоне больше дроби
, - неравенство Чебышева
где .
Доказательство.Пусть- случайная величина,- её математическое ожидание. Тогда- случайная величина, которая не имеет отрицательных значений. Применим к ней неравенство Маркова, взяв за,
.
Так как неравенства иравносильны, аесть дисперсия случайной величины(по определению), то из последнего неравенства получим доказываемое неравенство:
.
Так как события и- противоположные, то
.
Подставив в неравенство Чебышева, получим другую форму неравенства Чебышева:
.
Пример 7.1.Вероятность производства нестандартной детали равна 0,1. Оценить с помощью неравенства Чебышева вероятность того, что из 10000 деталей число нестандартных окажется заключенным в границах от 950 до 1050.
Решение. Число нестандартных деталей – случайная величина , распределенная
по биноминальному закону: n= 10000,p= 0,1,q= 0,9.
Математическое ожидание и дисперсия равны:
.
Неравенство эквивалентно неравенству. Применим неравенство Чебышева прии
.
Т.е. вероятность того, что из 10000 деталей нестандартными окажется от 950 до 1050 не меньше 0,64.
Запишем неравенство Чебышева, используя вторую форму, для некоторых случайных величин.
1) Случайная величина распределена по биноминальному закону:
- число появления события в испытаниях,,.
.
2) Производится nиспытаний, в каждом из которых событие может произойти с одной и той же вероятностьюр.
- частота появления события в испытаниях,,.
.