- •Лекция 1. Общие сведения по теории вероятностей.
- •Условные и безусловные вероятности.
- •1.5. Формула полной вероятности и формула Байеса
- •Понятие случайного события.
- •1) Вероятность достоверного события равна 1;
- •2) Вероятность невозможного события равна 0;
- •Вероятность случайного события заключена
- •1.2. Алгебра событий.
- •1.3. Зависимые и независимые события.
- •1.4. Основные формулы теории вероятностей.
- •1.5. Формула полной вероятности и формула Байеса
- •1.6. Частная теорема о повторении опытов.
- •2.1. Случайные величины и их законы распределения.
- •2.2. Функция распределения.
- •2 .3. Вероятность попадания случайной величины
- •2.4. Плотность распределения
- •2.5. Числовые характеристики случайной величины
- •2.6 Понятие о моментах случайной величины.
- •2.7. Основные свойства математического ожидания
- •Свойства математического ожидания:
- •Свойства дисперсии случайной величины:
- •Лекция 3. Основные законы распределения
- •3.1. Гипергеометрическое распределение
- •3.5. Закон равной вероятности
- •3.7. Закон распределения модуля разности
- •3.8. Композиция законов распределения
- •3.1.Гипергеометрическое распределение.
- •3.5. Закон равной вероятности.
- •3.7. Закон распределения модуля разности.
- •Статистики
- •4.1. Основные задачи математической статистики
- •4.2. Основные понятия и определения. Выборочного метода
- •4.3. Выборочные характеристики. Состоятельные,
- •Свойства выборочных средних и дисперсий.
- •Доверительный интервал. Доверительная вероятность.
- •Задача определения закона распределения случайной величины.
- •2. Задача проверки правдоподобия гипотез.
- •3.Задача нахождения неизвестных параметров распределения.
- •4.2. Основные понятия и определения. Выборочного метода.
- •Генеральная совокупность и выборка из нее.
- •4.3. Выборочные характеристики. Состоятельные, несмещенные и эффективные оценки характеристики.
- •4.5. Доверительный интервал. Доверительная вероятность.
- •5.1. Определение характеристик эмпирического
- •5.2. Сопоставление и проверка сходимости
- •Координаты характерных точек кривой
- •5.3. Сопоставление эмпирического распределения
- •5.4. Статистическая проверка гипотез.
- •5.5. Проверка гипотезы о законе распределения случайной
- •Критерий
- •Критерий 2
- •5.6. Проверка гипотезы равенства двух выборочных средних
- •5.7. Проверка гипотезы равенства двух выборочных
- •5.8. Проверка гипотезы равенства ряда дисперсий .
- •Критерий Бартлета.
- •Критерий Кохрана.
- •5.9. Проверка гипотезы равенства ряда средних.
- •5.10. Метод исключения грубых ошибок измерения
- •5.11. Выбор числа наблюдений
- •6.1.Закон больших чисел и центральная
- •6.2. Неравенство Чебышева.
- •Неравенство Чебышева.
- •6.3. Закон больших чисел (теорема Чебышева).
- •6.4 Теорема Бернулли.
- •7.2. Коэффициент корреляции и корреляционное отношение.
- •7.3. Корреляционный анализ
- •7.4 Выбор уравнения регрессии
- •7.5. Понятие о множественной корреляции
- •Лекция 8. Основы планирования
- •8.6.1. Метод крутого восхождения.
- •8.1. Основные определения.
- •«Черный ящик »
- •8.3. Полный факторный эксперимент.
- •8.3.1 Выбор интервалов варьирования факторов
- •8.3.2 Полный факторный эксперимент типа 2
- •Построение матрицы 2
- •8.3.3. Свойства полного факторного эксперимента типа 2 к
- •8.3.4. Полный факторный эксперимент
- •8.3.5 Анализ модели.
- •8.3.5.1. Проверка значимости коэффициентов модели.
- •Расчет дисперсии опытов и оценка их однородности
- •Расчет дисперсий параметра оптимизации и коэффициентов регрессии
- •Проверка значимости коэффициентов регрессии
- •8.3.5.2. Проверка адекватности модели
- •8.4. Дробный факторный эксперимент.
- •8.4.1.Минимизация числа опытов.
- •Дробная реплика
- •8.4.3. Выбор полуреплик. Генерирующие соотношения и определяющие контрасты
- •8.4.4.Выбор 1/4-реплик. Обобщающий
- •8.6. Оптимизация функции отклика.
- •8.6.1. Метод крутого восхождения.
- •6.6.2. Методика расчета крутого восхождения
- •6.7. Принятие решений после построения модели процесса
- •8.5 Рандомизация опытов.
- •8.6 Оптимизация функции отклика
- •8.6.1. Метод крутого восхождения. Движение по градиенту
- •8.6.2. Методика расчета крутого восхождения
- •8.7.Принятие решений после построения
- •9.1. Статистический анализ точности обработки.
- •9.3. Статистический анализ посредством малых выборок.
- •9.4. Статистический анализ с помощью точечных
- •9.4.1. Карта средних значений (карта « »)
- •9.4.2. Карта медиан (карта )
- •9.4.3. Карты « »
- •9.4.4. Метод средних арифметических значений и
- •9.4.4. Контрольные карты по неизмеримым
- •Карта «р»
- •Карта «с».
5.2. Сопоставление и проверка сходимости
эмпирических распределений с теоретическими
(случай нормального распределения).
Эмпирическое распределение непрерывной случайной величины можно рассматривать как большую выборку из генеральной совокупности, подчиняющейся какому-либо теоретическому закону распределения. На основании закона больших чисел можно считать, что распределение большой выборки будет отражать вполне характер распределения генеральной совокупности. Поэтому по внешнему виду эмпирической кривой распределения можно приближенно установить закон теоретического распределения генеральной совокупности. Для более точного заключения необходимо сопоставить эмпирическую кривую распределения с предполагаемой теоретической. С этой целью для каждого интервала значений случайной величины X необходимо вычислить теоретическую кривую распределения в том же масштабе, что был принят для построения эмпирической кривой. Путем совмещения эмпирической и теоретической кривых распределения можно предварительно оценить близость эмпирического распределения к предполагаемому теоретическому.
Пусть имеется эмпирическое распределение со средним арифметическим и средним квадратическим S . Примем эти характеристики эмпирического распределения в качестве оценки параметров M(X) , распределения генеральной совокупности, т.е. примем: M(X) = ; = S.
Если по внешнему виду эмпирическая кривая распределения приближается к теоретической кривой нормального распределения, то можно считать, что
f(x) = [(1/ ) 0] e(x- ) /2 = f//nC,
где f/ - теоретическая частота. Следовательно,
f/ = (nC) [(1/ ) 0] e(x- ) /2 ,
где n - объем выборки, C - величина интервала эмпирической совокупности. Заменив (x- )/ 0 на t и принимая 0 S, получим f/ = (nC) [(1/ )S] e-t /2 = (nC/S)Zt .
Функция Zt табулирована и приведена во всех учебниках по математической статистике.
Расчет теоретических частот рассмотрим на примере,используя данные предыдущей таблицы.
xi |
fi |
| t | |
Zt |
f/ |
f окр |
-0,13 |
3 |
2,070 |
0,0468 |
3,40 |
3 |
-0,11 |
16 |
1,350 |
0,1604 |
11,50 |
12 |
-0,09 |
22 |
0,640 |
0,3251 |
23,50 |
23 |
-0,07 |
25 |
0,072 |
0,3980 |
28,55 |
29 |
-0,05 |
19 |
0,785 |
0,2940 |
21,45 |
21 |
-0,03 |
13 |
1,500 |
0,1295 |
9,20 |
9 |
-0,01 |
2 |
2,200 |
0,0355 |
2,60 |
3 |
= 100
Для построения теоретической кривой нормального распределения необязательно вычислять теоретические частоты для всех значений , а достаточно вычислить координаты только 4-х характерных точек кривой нормального распределения по формулам, приведенным в таблице.