- •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
Теорема (формула) Байеса
Формула Байеса оценивает относительные вклады каждого члена в формуле полной вероятности.
Так, для случая 3-х гипотез относительные вклады будут равняться . Как их правильно обозначить?
Рассмотрим две эквивалентные формулы для расчета вероятности совместного появления двух событий А и Нi : . Отсюда следует, что .
Интерпретация для последней задачи с браком на конвейере: Сборщик обнаружил на конвейере бракованную деталь (произошло событие А). Какова вероятность, что эту деталь изготовил 1-й поставщик? 2-й поставщик? 3-й? Если эти вероятности существенно различаются, то для уменьшения брака на конвейере следует в первую очередь принять меры к уменьшению брака (наладка оборудования) у поставщика с наибольшим значением ; именно этот поставщик поставляет на конвейер наибольшее количество бракованных изделий. Далеко не всегда это поставщик с максимальной долей брака , т.к. такой поставщик может изготавливать небольшую партию деталей и в сумме давать на конвейер значительно меньше бракованных изделий по сравнению с другими поставщиками.
Теорема сложения вероятностей
Мы уже рассматривали эту теорему при изучении геометрического способа определения вероятностей: "Вероятность появления одного из событий равна сумме их в ероятностей минус вероятность их совместного появления" рА+В = рА + рВ – рАВ .
Справедливость утверждения этой теоремы можно также установить и для классического способа определения вероятностей (рис. 2.4). Здесь общее количество элементарных исходов – n, из них в m исходах появляется признак А, в k исходах появляется признак В, в l исходах появляются совместно А и В.
Вероятности этих событий: pA = m/n , pB = k/n , pAB = l/n .
Нас интересует вероятность появления А или В, чему благоприятствуют m исходов с признаком А и дополнительно (k – l) исходов с признаком В. Отсюда , что и требовалось доказать.
Пример. Два стрелка с вероятностями поражения мишени р1 = 0,8 и р2 = 0,7 одновременно стреляют по бутылке. Какова вероятность, что бутылка будет разбита? Иными словами, какова вероятность того, что хотя бы один из стрелков попадет в цель?
Эту задачу мы уже рассматривали выше. Теперь решим ее с помощью теоремы сложения (и теоремы умножения):
рА+В = рА + рВ – рАВ = 0,8 + 0,7 – 0,80,7 = 1,5 – 0,56 = 0,94.
К сожалению, формулировка теоремы сложения усложняется с увеличением числа событий. Так, для трех событий А, В, С формула будет выглядеть так: рА+В+С = (рА + рВ + рС) – (рАВ + рАС + рВС) + рАВС , а для четырех событий А, В, С, D еще сложнее:
рА+В+С+D = (рА + рВ + рС + рD) – (рАВ + рАС + рАD + рВС + рBD + рСD) +
+ (рАВС + рАBD + рАCD + рBCD) – рАBCD .
Освоив методику составления полной группы несовместных событий, можно никогда не пользоваться столь неудобными выражениями.
Принцип практической невозможности редких событий
Как уже указывалось выше, человек с детства усваивает некоторые правила поведения в этом мире, позволяющие ему выживать. Естественно, он может ошибаться, но разные ошибки приводят к разным последствиям. На основе многовекового опыта человек сформулировал для себя скептическое отношение к случайному появлению редких событий, которые могут произойти с вероятностью менее 5% . Мы готовы с интересом обсуждать эти редкие события, но только когда они не затрагивают наше благополучие. Если неожиданное неприятное событие происходит с нами, мы склонны искать виновника и, как правило, находим его. Так, игроки тут же определяют шулера, у которого при бросании с виду обычной игральной кости три раза выпала шестерка, т.к. вероятность этого события менее 0,5% . Считается, что при бросках монеты герб не может случайно появиться 5 раз подряд, т.к. вероятность этого события менее 3%. Здесь многое зависит от терпимости индивида, поскольку надо выбирать между ошибкой "упустить виновного" и ошибкой "наказать невиновного". Однако уже в ГОСТ-е законодательно установлена нижняя граница терпимости 1% – если произошло событие с вероятностью менее 1% , оно не признается случайным и требуется искать причину.