- •Лекция № 1 Основные понятия теории вероятностей. Классическое определение вероятности. Элементы комбинаторики.
- •1. Основные понятия теории вероятностей.
- •2. Классическое определение вероятности.
- •3. Элементы комбинаторики.
- •Лекция № 2 Алгебра событий. Аксиомы тв. Основные теоремы теории вероятностей. Модели надежности технических систем
- •1. Алгебра событий.
- •3. Основные теоремы теории вероятностей
- •Определение 4.
- •4. Модели надежности технических систем
- •Лекция № 3 Формула полной вероятности. Формула Бейеса.
- •1. Формула полной вероятности.
- •2. Формула Байеса.
- •1. Повторение опытов (схема Бернулли).
- •2. Формула Бернулли
- •3. Локальная теорема Лапласа
- •4. Интегральная теорема Лапласа
- •5. Наивероятнейшее число наступления событий.
- •Лекция № 5 Случайные величины.
- •1. Дискретные случайные величины.
- •Формы задания закона распределения дискретной случайной величины
- •2.1. Ряд распределения.
- •2.2. Многоугольник распределения.
- •2.3. Интегральная функция распределения.
- •2. Многоугольник распределения
- •3. Интегральная функция распределения
- •3. Вероятность попадания случайной величины на заданный участок
- •Лекция № 6 Числовые характеристики случайных величин.
- •1. Характеристики положения случайной величины на числовой оси.
- •Математическое ожидание не случайное число, которое в зависимости от типа случайной величины определяется по формуле:
- •На рис.6.2 показана мода непрерывной унимодальной (с одной модой) случайной величины, заданной плотностью распределения.
- •2. Моменты случайных величин. Для характеристики различных свойств случайных величин используются начальные и центральные моменты.
- •3. Свойства моментов случайных величин. Особого внимания заслуживают свойства начальных и центральных моментов первого и второго порядков.
- •Первый центральный момент μ1 любой случайной величины равен нулю.
- •Математическое ожидание.
- •Дисперсия.
- •Среднее квадратичное отклонение.
- •1.2. Закон распределения Пуассона Закон распределения Пуассона связан с редкими событиями, составляющими простейший поток событий.
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •4. Вероятность попадания пуассоновской случайной величины на заданный участок.
- •2. Законы распределения непрерывных случайных величин.
- •2.1. Равномерный закон распределения
- •Если участок [α,β] не входит в диапазон [a,b], то выражение (7.17) не является справедливым. В этом случае необходимо руководствоваться выражением если (7.18)
- •2.2. Показательный закон распределения
- •2.3. Нормальный закон распределения
- •1. Математическое ожидание.
- •2. Дисперсия.
- •3. Среднее квадратичное отклонение.
- •Поскольку 2-й центральный момент
- •4. Вероятность попадания случайной величины на заданный участок
- •Поскольку то (7.31) перепишется как
- •3. Правило трех сигм
- •Лекция № 8 Основные задачи математической статистики. Определение законов распределения случайных величин на основе экспериментальных данных.
- •Предмет и задачи математической статистики.
- •Основные понятия.
- •3. Простейшие приемы обработки результатов наблюдений.
- •3.1 Статистическое распределение выборки.
- •Гистограмма.
- •Эмпирическая функция распределения
- •Лекция №2. Выравнивание статистических рядов. Проверка статистических гипотез.
- •Лекция №3. Оценка параметров случайных величин.
Лекция № 8 Основные задачи математической статистики. Определение законов распределения случайных величин на основе экспериментальных данных.
Предмет и задачи математической статистики.
Математической статистикой называется наука, занимающаяся методами обработки опытных данных, полученных в результате наблюдений над случайными явлениями.
Любой такой результат можно представить как совокупность значений некоторой случайной величины или системы случайных величин, полученных принятых в результате n опытов.
Предмет математической статистики составляют методы регистрации, описания и анализа статистических экспериментальных данных, получаемых в результате наблюдения массовых случайных явлений.
К основным задачам математической статистики относятся:
Задача определения закона распределения случайной величины по статистическим данным.
Задача проверки правдоподобия гипотез.
Задача определения неизвестных параметров распределения.
Основные понятия.
Совокупность наблюденных значений случайной величины Х представляет собой первичный статистический материал, подлежащий обработке.
Такая совокупность называется простой статистической совокупностью или генеральной совокупностью.
Обследование, при котором анализу подвергается каждый член генеральной совокупности, называется сплошным обследованием.
Поскольку исследование полной генеральной совокупности обычно или невозможно или неэкономно, то из генеральной совокупности выбирают часть элементов и проводят выборочное обследование.
Выборочной совокупностью, или просто выборкой, называют ту часть генеральной совокупности, которая выбрана для исследования.
Объемом генеральной совокупности или выборки называют число элементов этой совокупности.
Выборки делятся на повторные и бесповторные.
Повторной называют выборку, при которой объект (перед отбором следующего) возвращается в генеральную совокупность.
Бесповторной называют выборку, при которой отобранный объект в генеральную совокупность не возвращается.
Возникает вопрос: как правильно составить выборку, чтобы результаты ее анализа были с одной стороны достоверными, а с другой достаточно экономичными?
Чтобы иметь право судить о генеральной совокупности по выборке, последняя должна быть образована случайно.
Для этого наиболее часто используются следующие способы формирования выборки:
Собственно-случайный способ,
Механический способ,
Типический способ,
Серийный способ.
3. Простейшие приемы обработки результатов наблюдений.
3.1 Статистическое распределение выборки.
Статистическим распределением выборки или вариационным рядом называется перечень вариант (в возрастающем порядке) и соответствующих им частот (относительных частот). При этом вариантами называются всевозможные значения генеральной совокупности.
Например, пусть рассматривается выборка, причем: признак Х1 встречается n1 раз; признак Х2 встречается n2 раз; …; признак Хk встречается nk раз.
Вариационный ряд
Варианты
Частота
Относительная частота
Х1
n1
Х2
n2
…
…
...
Хk
nk
Объем выборки
Если количество вариантов слишком велико или близко к объему выборки, то целесообразно составить вариационный ряд по группированным данным.
Таблица. Группированный статистический ряд
-
Номер интервала
Границы интервала
Середина интервала
Частота
Относительная частота
О рдината гистограммы
n
1
12,4438
12,98409091
12,71394545
5
0,041667
0,077118948
2
12,98409091
13,52438182
13,25423636
6
0,05
0,092542738
3
13,52438182
14,06467273
13,79452727
7
0,058333
0,107966528
4
14,06467273
14,60496364
14,33481818
16
0,133333
0,246780634
5
14,60496364
15,14525455
14,87510909
25
0,208333
0,385594741
6
15,14525455
15,68554545
15,4154
15
0,125
0,231356845
7
15,68554545
16,22583636
15,95569091
14
0,116667
0,215933055
8
16,22583636
16,76612727
16,49598182
12
0,1
0,185085476
9
16,76612727
17,30641818
17,03627273
13
0,108333
0,200509265
10
17,30641818
17,84670909
17,57656364
2
0,016667
0,030847579
11
17,84670909
18,387
18,11685455
5
0,041667
0,077118948
Если значение случайной величины находится в точности на границе двух интервалов, то можно (чисто условно) считать данное значение принадлежащим в равной мере к обоим интервалам и прибавлять к числам ni того и другого разряда по 0,5.
Число интервалов, на которые следует группировать статистический материал, не должно быть слишком большим (тогда ряд распределения становится невыразительным, и частоты в нем обнаруживают незакономерные колебания); с другой стороны, оно не должно быть слишком малым (при малом числе интервалов свойства распределения описываются статистическим рядом слишком грубо).
Практика показывает, что в большинстве случаев рационально выбирать число интервалов порядка 10 – 20. Длины интервалов могут быть как одинаковыми, так и различными. При выборе равных интервалов разбиения диапазона изменения случайной величины, количество интервалов определяется в соответствии с таблицей:
n |
100 |
200 |
400 |
600 |
800 |
1000 |
1500 |
2000 |
k |
12 |
16 |
20 |
24 |
27 |
30 |
35 |
37 |