- •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 теорему умножения вероятностей для независимых событий.
2. Сформулируйте теорему умножения вероятностей в общем виде.
3. Поясните, что такое "условная вероятность".
4. Изложите краткую классификацию событий.
5. Сформулируйте теорему сложения вероятностей для случая двух событий.
6. Сформулируйте теорему о полной вероятности.
7. Объясните смысл формулы Байеса.
8. Как составить полную группу несовместных событий 2 2 2?
9. Как составить полную группу несовместных событий при испытаниях до первого успеха?
10. Как найти вероятность хотя бы одного успеха?
11. Приведите и объясните формулу Бернулли.
12. Сформулируйте принцип невозможности редких событий.
Лекция 3. Случайные величины
"Случайная величина" есть очередное неопределяемое понятие, которое только демонстрируется на примерах. Так, известно, что при бросании игральной кости появляется одно из событий I, II, III, IV, V, VI. Но можно сказать и по-другому: "Число выпадающих очков есть случайная величина, которая может принимать одно из значений 1, 2, 3, 4, 5, 6".
Обычно принято обозначать случайную величину прописными рукописными буквами, например, X (или греческими, например, ), а ее значения – строчными латинскими буквами х1 , х2 , х3 и т.д.
Если все возможные значения случайной величины можно заранее перечислить, то такую случайную величину называют дискретной.
Если же возможные значения заполняют сплошь некоторый интервал, то такую случайную величину называют непрерывной (в математике есть строгое определение непрерывной функции, на основе этого можно сформулировать строгое определения непрерывной случайной величины).
Все возможные значения случайной величины составляют полную группу несовместных событий.
Некоторые значения случайной величины появляются чаще других, некоторые значения появляются очень редко. Иными словами, разные значения случайной величины появляются с разной вероятностью.
Соответствие между отдельными значениями случайной величины и вероятностью их появления (функциональную зависимость) называют законом распределения данной случайной величины.
Дискретная случайная величина
Для этого частного случая можно более просто изложить некоторые понятия, связанные со случайными величинами.
X |
х1 |
х2 |
х3 |
… |
хk |
Вер. |
p1 |
p2 |
p3 |
… |
pk |
В данном примере число возможных значений (k) – конечное. Бывают также дискретные случайные величины с бесконечным (но счетным) числом возможных значений.
X |
1 |
2 |
3 |
4 |
… |
Вер. |
p |
pq |
pq2 |
pq3 |
… |
Тут должна равняться единице бесконечная сумма вероятностей
.
З акон распределения может быть представлен графически, причем условились для дискретной случайной величины соединять отдельные точки (хi , pi) отрезками прямых. В результате появляется полигон (многоугольник) вероятностей, который дает наглядную информацию об особенностях распределения. Так, на рис. 3.1 изображено двухвершинное распределение, из чего специалист делает вывод о неоднородности совокупности – здесь имеет место смесь двух случайных величин с разными характеристиками.