- •Лекция 1. Основные понятия теории вероятности
- •Вопросы для самопроверки
- •Лекция 2. Теоремы о вероятностях
- •Теорема умножения вероятностей
- •Краткая классификация событий
- •Теорема о полной вероятностей
- •Теорема (формула) Байеса
- •Теорема сложения вероятностей
- •Принцип практической невозможности редких событий
- •Вопросы для самопроверки
- •Лекция 3. Случайные величины
- •Дискретная случайная величина
- •Числовые характеристики случайных величин
- •Характеристики положения
- •Характеристики разброса
- •Характеристики формы
- •Свойства математического ожидания
- •Свойства дисперсии
- •Правило "3-х сигм"
- •Вопросы для самопроверки
- •Лекция 4. Распределение Бернулли, Пуассона, Лапласа Распределение Бернулли
- •Биномиальные коэффициенты
- •Распределение Пуассона
- •Вопросы для самопроверки
- •Лекция 5. Распределение Лапласа
- •И нтегральная теорема Лапласа
- •Три основных формы интегральной теоремы Лапласа
- •Вопросы для самопроверки
- •Лекция 6. Непрерывная случайная величина
- •Нормальный закон распределения Гаусса
- •Показательный или экспоненциальный закон распределения
- •Квантили распределения
- •Вопросы для самопроверки
- •Лекция 7. Предельные теоремы теории вероятностей
- •Закон больших чисел
- •Центральная предельная теорема
- •Композиция распределений случайных величин
- •Функции случайного аргумента
- •Вопросы для самопроверки
- •Лекция 8. Система случайных величин
- •Закон распределения дискретной двумерной случайной величины
- •Характеристики дискретной двумерной случайной величины
- •Закон распределения непрерывной двумерной случайной величины
- •Характеристики непрерывной двумерной величины
- •Двумерный нормальный закон
- •Вопросы для самопроверки
- •Лекция 9. Проблемы математической статистики
- •Способы составления выборочных подсовокупностей
- •Статистичекое оценивание
- •Вопросы для самопроверки
- •Лекция 10. Свойства статистических оценок
- •Оценка параметров распределения
- •Статистические критерии
- •Вопросы для самопроверки
- •Лекция 11. Критерии согласия Критерий согласия Пирсона
- •Критерий согласия Колмогорова – Смирнова
- •Интервальные оценки характеристик и параметров
- •Вопросы для самопроверки
- •Лекция 12. Проверка статистических гипотез Распределение Стьюдента
- •Интервальная оценка для математического ожидания
- •Проверка гипотезы о равенстве центров двух совокупностей
- •Сравнение двух дисперсий
- •Вопросы для самопроверки
- •Лекция 13. Дисперсионный анализ
- •Ранговый дисперсионный анализ Краскала–Уоллиса
- •Время появления реакции в 4-х группах
- •Ранжированнае данные
- •Дополнение к выводу формул Краскала–Уоллиса
- •Вопросы для самопроверки
- •Лекция 14. Регрессионный анализ
- •Метод наименьших квадратов (мнк)
- •Пример расчета мнк-оценок параметров
- •Оценка тесноты принятой формы связи.
- •Однофакторная линейная зависимость
- •Нелинейные двухпараметрические модели
- •Вопросы для самопроверки
- •Лекция 15. Проблема значимости и адекватности регрессионной модели Оценка значимости регрессионной модели
- •Оценка значимости корреляционной связи
- •Проверка адекватности модели
- •Коэффициент ранговой корреляции Спирмена
- •Вывод формулы для коэффициента ранговой корреляции Спирмена
- •Вопросы для самопроверки
- •Лекция 16. Линейный регрессионный анализ в стандартизованных переменных
- •Способы составления многофакторных моделей
- •Коэффициенты частной корреляции
- •Вывод формул для дисперсий коэффициентов регрессии и расчетных значений
- •Вопросы для самопроверки
Вопросы для самопроверки
1. Поясните, что такое "случайная величина", как она связана со случайными событиями.
2. Какая разница между дискретной и непрерывной величинами?
3. Что такое "закон распределения", как он задается?
4. Перечислите характеристики случайных величин.
5. Что такое "математическое ожидание", как оно вычисляется?
6. Что такое "дисперсия", как она вычисляется?
7. Что такое "среднее квадратическое отклонение"?
8. Перечислите свойства математического ожидания.
9. Перечислите свойства дисперсии.
10. Сформулируйте "нулевое" или "центральное" свойство математического ожидания.
11. Что такое "ковариация", чему она равна для независимых случайных величин?
12. Что такое "коэффициент ассиметрии" и "коэффициент эксцесса"?
13. Сформулируйте правило "3-х сигм".
14. Что такое "кумулята", где она применяется?
Лекция 4. Распределение Бернулли, Пуассона, Лапласа Распределение Бернулли
Другие эквивалентные названия этого распределения – биномиальное распределение или задача о повторении однородных независимых испытаний.
Швейцарские математики Иоганн и Якоб Бернулли доказали следующую формулу для расчета Рn(m) – вероятности числа успехов (m) при n–кратном повторении однородных независимых испытаний, в каждом из которых событие А может появиться с вероятностью р:
.
Д ействительно, представим себе фрагмент полной группы несовместных событий при n–кратном повторении однородных независимых испытаний, где появилось m успехов. Как обычно, появление успеха (события А) будем обозначать знаком "+", а не появление успеха (появление противоположного события ) – знаком "–".
Например, в одном из событий полной группы m успехов были получены в первых m испытаниях (знаки "+" в первых m позициях). Значит, в оставшихся (n – m) испытаниях успехов не было (знаки "–" в оставшихся n – m позициях). Поскольку вероятность успеха р в любом испытании одинакова, то, согласно теореме умножения, вероятность события, изображенного на рис. 4.1, равна произведению вероятностей pmqn–m , где q = 1 – p. Порядок появления m успехов (порядок сомножителей р и q) не изменяет произведения вероятноcтей. При повторении однородных независимых испытаний события полной группы с одинаковым числом успехов – равновероятны. Таких равновероятных событий в полной группе будет , т.к. число сочетаний показывает, сколькими способами можно разместить m плюсов (+) на n позициях. Согласно аксиоме сложения, при объдинении несовмесных событий их вероятности складываются, откуда и следует формума Бернулли: .
Можно составить ряд распределения случайной величины X = m – числа успехов в n однородных независимых испытаниях:
X = m |
0 |
1 |
2 |
3 |
… |
n |
Вер. |
Pn(0) |
Pn(1) |
Pn(2) |
Pn(3) |
… |
Pn(n) |
Ниже на рис. 4.2 приведены типичные полигоны распределения Бернулли при различных значениях параметров.
|
|
Рис. 4.2. Вид распределения Бернулли при различных значениях параметров
При р = 0,5 распределение симметричное, при р < 0,5 – скошено влево, при р > 0,5 – скошено вправо. При увеличении n форма распределения приближается к некоторому стандартному симметричному виду (независимо от значения параметра р).
Рассмотрим характеристики распределения Бернулли.
Прежде всего, надо убедиться, что при любых значениях параметров сумма вероятностей Рn(m) равна единице. Действительно,
.
При суммировании вероятностей Рn(m) появилась формула бинома Ньютона , поэтому распределение Бернулли называют также биномиальным. Коэффициенты в формуле Бернулли называются еще "биномиальными коэффициентами", они могут быть легко рассчитаны с помощью "треугольника Паскаля":