- •Конспект лекцій з курсу « Теорія ймовірності та випадкові процеси» Розділ 1 Вступ. Поняття ймовірності.
- •Коротка історична довідка.
- •Непарні
- •Властивості ймовірності подій
- •2. Основні формули комбінаторики.
- •Статистичне визначення ймовірності подій
- •1. Для лінійного випадку
- •2. Для плоского випадку
- •1.Умовна ймовірність.
- •Л) незалежні події. Теорема множення незалежних подій.
- •Часто ймовірність події ā позначають
- •0) Наслідки із додавання і множення.
- •1)Теорема додавання ймовірностей сумісних подій.
- •Р(в) – ймовірність попадання другого.
- •Розділ 2: послідовності незалежних випробовувань. Формула бернуллі
- •Вивід формули Бернуллі:
- •Б) Локальна теорема Лапласа (без доведення)
- •Розділ 3. Основні поняття математичної статистики. Випадкові величини та їх числові характеристики. А. Поняття випадкової величини. Дискретні та неперервні випадкові величини.
- •В. Приклади: біноміальний закон розподілу. Закон розподілу Пуассона.
- •1) Біноміальний закон.
- •2) Розподіл Пуассона.
- •Г. Інтегральна та диференціальна функції розподілу випадкової величини, їх властивості та функція розподілу (крива розподілу).
- •Математичне сподівання та дисперсія випадкових величин.
- •Математичне сподівання має властивості:
- •Властивості дисперсії.
- •Сталий множник можна виключити
- •Якщо ξ: η- незалежні випадкові величини, то
- •Моменти к-того порядку.
- •Є. Ймовірність попадання випадкової величини в заданий інтервал. Нормальний закон розподілу неперервної випадкової величини
- •Правило трьох „σ”.
- •Ж. Поняття про функції випадкового аргументу і її закон розподілу.
- •Дискретна випадкова величина.
- •Неперервні випадкові величини
- •З. Закон великих чисел. Нерівність Чебишева , теореми Чебишева та Бернулі. Поняття про теорему Ляпунова.
- •Теорема Бернулі.
- •Теорема Ляпунова. (Поняття).
- •Теореми Чебишева, Бернулі. Та теорема Ляпунова складають закон великих чисел.
- •Вибірка з генеральної сукупності. Розподіл вибірки. Вибіркові характеристики. Загальні поняття математичної статистики.
- •Надійний інтервал для математичного сподівання ознаки γ нормальним законом розподілу і відомим середньоквадратичним відхиленням.
- •Приклад.
- •Інтервал надійності для оцінки математичного сподівання з нормальним розподілом випадкової величини та не відомим значенням σ.
- •Довірчий інтервал, інтервал надійності оцінки середньоквадратичного відхилення з нормальним законом розподілу.
- •В) .Поняття про умовні варіанти. Метод добутків для знаходження вибіркових середніх і дисперсії.
- •Дисперсія вибірки , де
- •Складаємо наступну розрахункову таблицю
- •Г)Багатовимірні випадкові величини.
- •Розділ 5. Елементи теорії кореляції. А. Функціональна та статистична залежності.
- •Б) Знаходження кореляційного зв‘язку між випадковими величинами у вигляді рівняння лінії регресії.
- •В. Додавання дисперсій
- •Перевірка статистичних гіпотез.
Надійний інтервал для математичного сподівання ознаки γ нормальним законом розподілу і відомим середньоквадратичним відхиленням.
Якщо генеральна сукупність випадкової величини має нормальний розподіл з невідомим математичним сподіванням “а” і відомою дисперсією σ2 то і вибіркові середні задовольняють нормальний закон розподілу.
Тоді
та σ( ) = = ;
Необхідно встановити, оцінити значення “ ”так, щоб в інтервал ( -δ +δ) з імовірністю γ попав параметр “а”, тобто щоб виконувалось співвідношення
P(| -a|<δ) = γ
де γ - задана ймовірність виконання даного співвідношення.
Такого роду оцінку ми уже робили для нормально розподіленої випадкової величини, вона описується виразом
P[| -a|<δ]=2ф( )= γ.
Останнє співвідношення дає можливість встановити величину інтервалу (точковий параметр δ). Це дійсно повний розв’язок задачі, адже функція Лапласа ф( ) відома, табулювана і дозволяє легко встановити аргумент по її значенню , а, отже, і інтервал (а-δ, а+δ).
Приклад.
Нехай деяка випадкова величина описується нормальним законом розподілу з заданим середньо квадратичним відхиленням σ=3. Знайти інтервал надійності для оцінки математичного сподівання “а” по вибіркових середніх , якщо об’єм вибірки n=36 і задана надійність оцінки γ=0,95.
Розв. З рівняння , по таблицях, знаходимо аргумент функції t=1,96.
Однак
t= ; звідки
Якщо значення = 4,1 отримано експериментально для заданої вибірки ,то
-0,98=3,12; +0,98= 5,08
Отже шуканий параметр “а” попадає, з імовірністю 0,95 ,в інтеграл 3,12÷5,08. Тобто
P(3,12<a<5,08)=0,95. Формально такий запис є не вірним, так як “а” – const і імовірність даного співвідношення або 1, якщо виконується або ж “0”, якщо воно не виконується.
Часто необхідно, по умові дослідження, оцінити об’єм вибірки, тобто обчислити необхідний, мінімальний об’єм вибірки, якщо інтервал заданий. Тобто задано і σ і δ а невідомим є “n”.
Тоді
n = ;
Як і в попередньому випадку “ t ” знаходимо із умови 2ф(t)= γ.
Що ж робити у тому випадку , якщо невідоме?
Інтервал надійності для оцінки математичного сподівання з нормальним розподілом випадкової величини та не відомим значенням σ.
У цьому випадку ми не можемо скористатись попереднім прикладом , так як аргумент функції Лапласа містить дві невідомі величини «a» та « ».
Тому, спочатку ,побудуємо по значеннях вибіркових значень середнього та середньо квадратичного відхиленні “S”, для об’єму вибірки “n”, нову випадкову величину
t = ;
яка, як виявляється, підкоряється закону розподілу Стьюдента з “n-1” степенями свободи.
Густина розподілу Стьюдента,щільність розподілу,описується співвідношенням:
де Bn= , Г(x) – це табулювання гамма
функція.
Як бачимо, розподіл Стьюдента визначається тільки об’ємом вибірки і не залежить ні від «а» ні від « ». Оскільки S(t,n) парна функція від t то імовірність виконання нерівності
<tγ
визначається так
P( <tγ)= .
В даному співвідношенні задані S, n, γ,невідоме – tγ.
Рівносильне заданому вище є співвідношення
P( tγ <a< tγ )= .
Тобто, використавши розподіл Стьюдента ми можемо встановити інтервал надійності знаходження математичного сподівання генеральної сукупності при навідомій σ. Ним є ( tγ , tγ ), в який з імовірністю «γ» попадає математичне сподівання генеральної сукупності «а».
По таблиці “3” Гмурман, по відомому n і γ, встановлюємо tγ.
Наприклад.
Нехай розподіл випадкової величини нормальний. По вибірці з n=16 елементів знайдено =20,2 і S=0,8 - виправлене значення середньо квадратичного відхилення вибірки. Необхідно оцінити невідоме значення математичного співвідношення, при допомозі інтервалу надійності, з надійністю 0,95. Тобто =0.95, n=16, =20,2, S=0,8 знайти tγ
Розв’язок: Із таблиці “3” Гмурман по =0,95, n=16 знаходимо tγ =2,13.. Довірним інтегралом для
І так, з ймовірністю =0,95, математичне сподівання знаходиться (потрапляє) в заданий інтервал(19,774;20,626).
n→∞
Bn→ ;
тобто розподіл Стьюдента при n→∞ переходить у нормальний розподіл.
Як показує практика, при n>30, можна цілком замінити розподіл Стьюдента на нормальний. Якщо ж вибірка мала n<30 то довірливий інтервал, який дає розподіл Стьюдента, досить широкий, значно ширший в порівнянні з розглянутим вище випадком заданого значення « », це справедливо, оскільки в малі вибірці знаходиться мало відомостей про випадкову величину, та її функцію розподілу.