- •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. Сформулируйте закон больших чисел.
2. Сформулируйте центральную предельную теорему.
3. Как найти закон распределения суммы случайных величин?
4. Как найти закон распределения функции дискретного случайного аргумента?
5. Как вычисляются основные числовые характеристики дискретного случайного аргумента?
6. Приведите формулу для плотности вероятности функции непрерывного случайного аргумента.
7. Как вычисляются основные числовые характеристики непрерывного случайного аргумента?
8. Что означает "композиция" законов распределений?
9. Что такое "свертка" распределений?
9. К чему приводит композиция двух нормальных распределений?
10. Что значит "устойчивый закон распределения"? Приведите примеры.
11. Что такое "логнормальный закон распределения"?
Лекция 8. Система случайных величин
До сих пор рассматривались случайные величины, возможные значения которой определялись одним числом. Такие величины называются одномерными. Однако часто результат опыта описывается несколькими случайными величинами, которые образуют комплекс или систему. Например, координаты точки попадания при стрельбе определяются двумя числами (абсциссой и ординатой); состояние газа описываются тремя показателями (давление, температура, удельный объем). Такие комплексные случайные величины называются двумерными, трехмерными и т.д. по числу компонент системы. В общем случае недостаточно изучить отдельно распределения каждой компоненты, поскольку между компонентами могут быть взаимные связи.
Геометрически систему нескольких случайных величин можно представить как случайную точку в многомерном пространстве.
Закон распределения дискретной двумерной случайной величины
В дискретном случае двумерное распределение (X, Y) можно задать двумерной таблицей, в которой для каждой пары возможных значений (хi , yj) поставлена в сответствие вероятность pij появления такой комбинации.
Y |
X |
p(y) |
|||||
x1 |
x1 |
… |
xi |
… |
xn |
||
y1 |
p11 |
p12 |
… |
pi1 |
… |
pn1 |
p(y1) |
y2 |
p21 |
p22 |
… |
pi2 |
… |
pn2 |
p(y2) |
… |
… |
… |
… |
… |
… |
… |
… |
yj |
p1j |
p2j |
… |
pij |
… |
pnj |
p(yj) |
… |
… |
… |
… |
… |
… |
… |
… |
yk |
p1k |
p2k |
… |
pik |
.. |
pnk |
p(yk) |
p(x) |
p(x1) |
p(x2) |
… |
p(xi) |
… |
p(xn) |
1 |