- •Справочник магнитного диска (Кафедра высшей математики и физико-математического моделирования)
- •Введение
- •1. Случайные события
- •1.1. Пространство элементарных исходов
- •1.2. События, действия над ними
- •1.3. Сигма-алгебра событий
- •1.4. Решение типовых примеров
- •2. Вероятность
- •2.1. Классическое определение вероятности
- •2.2. Вычисление вероятностей с помощью формул комбинаторики
- •2.3. Геометрическое определение вероятности
- •2.4. Статистическое определение вероятности
- •2.5. Аксиоматическое определение вероятности
- •2.6. Решение типовых примеров
- •Вопросы и задачи
- •3. Условная вероятность. Схема Бернулли
- •3.1. Определение условной вероятности
- •3.2. Формула умножения вероятностей
- •3.3. Независимые и зависимые события
- •3.4. Формула полной вероятности
- •3.5. Формула Байеса
- •3.6. Схема Бернулли
- •3.7. Решение типовых примеров
- •4. Одномерные случайные величины
- •4.1. Определение случайной величины
- •4.2. Функция распределения случайной величины
- •4.3. Дискретные случайные величины
- •4.4. Некоторые дискретные случайные величины
- •4.5. Непрерывные случайные величины
- •4.6. Некоторые непрерывные случайные величины
- •4.7. Решение типовых примеров
- •5. Многомерные случайные величины
- •5.1. Многомерная случайная величина. Совместная функция распределения
- •5.2. Дискретные двумерные случайные величины
- •5.3. Непрерывные случайные величины
- •5.4. Независимые случайные величины
- •6. Числовые характеристики случайных величин
- •6.1. Математическое ожидание случайной величины
- •6.2. Математическое ожидание. Свойства математического ожидания
- •6.3. Дисперсия. Моменты высших порядков
- •6.4. Ковариация и коэффициент корреляции случайных величин
- •6.5. Решение типовых примеров
- •7. Условные характеристики случайных величин
- •Условные распределения
- •7.2. Условные числовые характеристики
- •8. Предельные теоремы теории вероятностей
- •Сходимость последовательности случайных величин
- •8.2. Неравенства Чебышева. Закон больших чисел
- •9. Элементы математической статистики
- •9.1. Выборочный метод. Основные понятия
- •9.2. Статистическое распределение. Полигон и гистограмма
- •9.3. Эмпирическая функция распределения
- •9.4 Оценка параметров по выборке. Понятие несмещенности , состоятельности и эффективности оценки
- •9.5. Генеральная средняя. Выборочная средняя.
- •9.6. Генеральная дисперсия. Выборочная дисперсия. Эмпирическая дисперсия
- •9.7. Доверительная вероятность. Доверительный интервал
- •10. Математическая обработка результатов наблюдений
- •10. 1. Измерения и их погрешности. Применение методов математической статистики к обработке результатов наблюдений
- •10. 2. Оценка точного значения измеряемой величины
- •Доверительная оценка при неизвестной точности измерений.
- •10.3. Оценки точности измерений
- •Доверительные оценки средней квадратической погрешности.
- •10.4. Метод наименьших квадратов
- •Стационарные случайные процессы
- •Марковские случайные процессы
- •Процесс Пуассона
- •Случайные процессы с независимыми приращениями
- •12. Понятие о нелинейной регрессии Основные понятия
- •Доверительный интервал для коэффициентов
- •Библиографический список
- •ОгЛавление
- •6.1. Математическое ожидание случайной величины 159
- •10.3. Оценки точности измерений 215
- •3 94026 Воронеж, Московский просп.,14
9. Элементы математической статистики
Математическая статистика занимается разработкой методов сбора, описания и обработки опытных данных, т.е. результатов наблюдений, с целью получения научных и практических выводов.
9.1. Выборочный метод. Основные понятия
Статистической совокупностью называется множество однородных объектов, объединенных по некоторому общему отличительному признаку. Примеры статистических совокупностей: множество рабочих данного цеха при изучении вопроса о количестве выпускаемой продукции, множество населения данной страны при исследовании ее трудовых ресурсов. Отличительные признаки: производительность труда в первом случае, возрастной состав населения во втором.
Пусть требуется изучить некоторый признак статистической совокупности. Для этого можно провести сплошное обследование. Но если число объектов достаточно велико, то осуществить указанное обследование не представляется возможным. Если же изучение связано с уничтожением объекта (например, при определении продолжительности времени работы электронного оборудования) или с большими материальными затратами, то сплошное обследование не имеет смысла. Вследствие этого для изучения интересующего признака применяется выборочный метод. Сущность этого метода заключается в том, что обследованию подвергаются не все объекты совокупности, а только некоторая их часть, случайно выбранная из данной совокупности; выводы, полученные при изучении этой части, распространяются на всю совокупность объектов.
Введем основные определения и понятия, связанные с выборочным методом.
Генеральной совокупностью называется совокупность всех однородных объектов, подлежащих изучению. Выборочной совокупностью, или выборкой, называется совокупность объектов, случайно отобранных из генеральной совокупности. Объемом совокупности (генеральной или выборочной) называется число ее объектов. Например, если из 10 000 изготовленных деталей для обследования отобрано 100, то объем генеральной совокупности N = 10 000, объем выборки п = 100. Выборка бывает повторной (с возвращением исследуемого объекта в генеральную совокупность) и бесповторной (без указанного возвращения). На практике чаще используется бесповторная выборка. Выборка должна быть репрезентативной (представительной), т.е. такой, по которой можно уверенно судить об интересующем признаке всей генеральной совокупности. Выборка будет репрезентативной, если ее осуществить случайным образом.
При изучении некоторого признака выборочной совокупности производятся испытания (наблюдения). Пусть посредством независимых испытаний, проведенных в одинаковых условиях, получены следующие числовые значения: , ….., где п - объем выборки. Расположим эти значения в порядке их возрастания:
x1, x2, …, xn ( x1 x2 … xn ) (9.1)
Последовательность наблюдаемых значений (i=1,2 … , n) записанных в возрастающем порядке (9.1), называется дискретным вариационным рядом, а сами эти значения называют вариантами. Среди вариант могут оказаться равные, тогда дискретный вариационный ряд можно записать так:
x1, x2, …, xk (9.2)
n1, n2, …, nk
где - частота появления значения причем
n1+n2+…+nk = n , (9.3)
Относительной частотой варианты называется отношение ее частоты к объему выборки:
(9.4)
Очевидно,
, (9.5)
т.е. сумма относительных частот всех вариантов равна 1.