Xreferat.com » Рефераты по математике » Теория вероятностей и математическая статистика

Теория вероятностей и математическая статистика

статистика" width="149" height="50" align="BOTTOM" border="0" />применяется лемма, в которой по непрерывной функции Теория вероятностей и математическая статистикастроится сходящаяся по вероятности последовательность Теория вероятностей и математическая статистика, Теория вероятностей и математическая статистика. Точечной оценкой коэффициента линейной корреляции будет статистика Теория вероятностей и математическая статистика, получаемая методом моментов. Постройте непрерывную функцию, с помощью которой, применяя лемму, можно проверить состоятельность этой оценки.

У случайной величины отсутствует математическое ожидание. Имеется статистическая выборка значений этой случайной величины. Можно ли утверждать, что у элементов выборки существует конечное среднее арифметическое?

Можно ли утверждать, что увеличение объёма выборки приводит к уменьшению величины отличия получаемых значений средних арифметических от значения математического ожидания?

Можно ли применять неравенство Рао-Крамера для проверки несмещённости точечной оценки?


Модуль 7. Интервальные оценки числовых характеристик


Увеличение объёма выборки при неизменном значении доверительной вероятности приводит к уменьшению длины доверительного интервала. Как будет изменяться доверительная вероятность, если при постоянной длине доверительного интервала будет увеличиваться объём выборки?

Покажите, что при увеличении числа n последовательность случайных величин Теория вероятностей и математическая статистика сходится по распределению к нормальному закону.

Покажите, что при увеличении числа n последовательность случайных величин Теория вероятностей и математическая статистика сходится по вероятности к единице.

Как изменяется длина доверительного интервала при увеличении доверительной вероятности?

Известно, что исследуемая случайная величина подчиняется нормальному закону с параметрами m и Теория вероятностей и математическая статистика. Можно ли использовать в качестве доверительных интервалов интервалы Теория вероятностей и математическая статистика, где Теория вероятностей и математическая статистика? Чему будут равны доверительные вероятности Теория вероятностей и математическая статистика?


Модуль 8. Статистическая проверка гипотез


Что называется критерием статистической проверки гипотез?

Можно ли выбрать такой критерий, при котором вероятность ошибки первого рода будет равна нулю?

Какие распределения вероятностей используются при построении критерия статистической проверки гипотез?

Дайте формулировку правила принятия решений?

Сколько типов задач рассматривается методами статистической проверки гипотез?

По результатам проверки двух гипотез: Теория вероятностей и математическая статистика,

Теория вероятностей и математическая статистика,

где Теория вероятностей и математическая статистика и Теория вероятностей и математическая статистика - разные функции распределения, по элементам одной и той же выборки, прияты решения о том, что нет оснований отклонять и первую, и вторую гипотезу.

Может ли встретится такая ситуация при применении критерия Пирсона?

Может ли увеличение объёма выборки, по которой вычисляется наблюдаемое значение критерия, привести к отмене ранее принятого решения об отклонении основной гипотезы?

Можно ли использовать одну и ту же выборку для проверки гипотезы о значении математического ожидания и гипотезы о виде закона распределения исследуемой случайной величины?

В результате проверки принято решение об отклонении основной гипотезы и принятии альтернативной гипотезы.

Затем основную гипотезу назвали альтернативной, а альтернативную гипотезу назвали основной. Для того же критерия Теория вероятностей и математическая статистика, при том же уровне значимости α определены новые области Теория вероятностей и математическая статистика и Теория вероятностей и математическая статистика. Какое решение будет принято, если будет использована та же выборка?

Можно ли проверку знаний студента на экзамене считать статистической проверкой гипотез? Сформулируйте основную и альтернативную гипотезы. Что будет являться критерием проверки справедливости основной гипотезы? Объясните причины ошибок первого и второго рода.


Модуль 9.Корреляционный и регрессионный анализы


Какие задачи решаются в корреляционном анализе?

Может ли статистическая оценка коэффициента линейной корреляции принимать значения, модуль которых будет больше единицы?

В каком случае условные распределения компонент случайного вектора будут совпадать с частными распределениями компонент?

Какой вид будут иметь функции регрессии каждой из компонент случайного вектора, если эти компоненты – независимые случайные величины?

Определите координаты точки пересечения линейных уравнений регрессии компонент двумерной случайной величины.

При каком условии на компоненты двумерной случайной величины функции линейной регрессии одной компоненты на другую будут тождественно совпадать?

Чему будут равны остаточные дисперсии компонент двумерной случайной величины, если эти компоненты будут независимыми?

Чему будут равны остаточные дисперсии компонент двумерной случайной величины, если эти компоненты будут связаны линейной функциональной зависимостью?

Какой критерий применяется при проверке значимости коэффициента линейной корреляции?

В чём заключается различие между корреляционным и регрессионным анализами?

.

Методические указания

Модуль 1. Вероятностное пространство с не более чем счетным множеством элементарных исходов


Цель модуля: Студент должен ознакомиться с основными понятиями и определениями теории вероятностей. Научиться решать задачи определения вероятностей наступления событий для простейших моделей испытаний, предусматривающих построение не более чем счётного множества элементарных исходов.

Введение основных понятий теории вероятностей, базируется на договоре о существе содержания терминов, на которых базируется новый предмет. Это понятия: испытание, элементарный исход, множество элементарных исходов, благоприятствующие элементарные исходы, равновозможные элементарные исходы. Усвоение этих основных понятий обеспечивается только жизненным опытом и способностью к абстрактному мышлению.

После ознакомления с основными понятиями, формулируется первые основные определения теории вероятностей. Это определения случайного события, противоположного события, достоверного и невозможного события, суммы и произведения событий, совместных и несовместных событий, алгебры событий.

После ознакомления с основными понятиям и усвоения основныхе определений, проводится подготовка к знакомству с новым, важнейшим понятием курса – понятием вероятности случайного события. Делается это аксиоматически, путем введения вероятностной функции Р.

Вероятностная функция P вводится следующим образом.

Сначала постулируется, аксиоматически формулируется: «Каждому элементарному исходу Теория вероятностей и математическая статистика некоторым разумным способом ставим в соответствие положительное число Теория вероятностей и математическая статистика, (записывается это так: Теория вероятностей и математическая статистика). При этом требуется, чтобы выполнялось условие: Теория вероятностей и математическая статистика.» Затем, с использованием понятия благоприятствующего случайному событию элементарного исхода, определяется вероятность наступления случайного события следующим образом: Теория вероятностей и математическая статистика. То есть, по существу, каждому элементу A алгебры A, AТеория вероятностей и математическая статистикаA, ставится в соответствие неотрицательное число, которое называется вероятностью этого элемента – вероятностью Теория вероятностей и математическая статистика наступления случайного события A. То есть вводится функция, которая отображает множество A во множество чисел сегмента Теория вероятностей и математическая статистика. Кратко это можно записать так: P: AТеория вероятностей и математическая статистика. Так как здесь нельзя, подобно тому как это делается в анализе, ввести вероятностную функцию Р с помощью аналитической записи типа Теория вероятностей и математическая статистика:Теория вероятностей и математическая статистика , то у студента на этом этапе изучения курса возникают трудности в осмыслении понятия вероятностная функция.

Для облегчения процесса понимания термина «вероятность случайного события», мы прибегаем к механической интерпретации. Установление соответствия Теория вероятностей и математическая статистика интерпретируется как распределение по элементам Теория вероятностей и математическая статистика множества W некоторым разумным способом единичной массы: в каждом Теория вероятностей и математическая статистика мы “помещаем” массу равную Теория вероятностей и математическая статистика. Вероятность случайного события A теперь понимается как доля единичной массы, оказавшейся над подмножеством А множества W.

Слова «некоторым разумным способом устанавливаем соответствие Теория вероятностей и математическая статистика» своей неопределенностью вносят дополнительные трудности в понятие термина «введение вероятностной функции» и нуждаются в пояснениях. Эти пояснения даются путем рассмотрения трёх моделей, трёх конкретных типов испытаний, в которых это соответствие устанавливается вполне естественным, разумным способом.

Классическая модель, основанная на понятии «испытаний с равновозможными элементарными исходами», позволяет установить соответствие так: Теория вероятностей и математическая статистика.

Биномиальная модель, основанная на понятии «серии повторных независимых испытаний», позволяет установить соответствие так: Теория вероятностей и математическая статистика.

Геометрическая модель, основанная на понятии «последовательность повторных независимых испытаний до первого положительного исхода», позволяет установить соответствие так: Теория вероятностей и математическая статистика.

Перед рассмотрением биномиальной модели сначала вводится понятие «случайного события B наступившего при условии, что экспериментатору известно, что событие A уже произошло» и формулируется определение условной вероятности Теория вероятностей и математическая статистика. Затем рассматривается вероятность произведения событий и формулируется одно из фундаментальных определений теории – определение независимости событий.

Свойства вероятностной функции, а так же формулы полной вероятности и Байеса являются теоремами и следствиями, вытекающими из аксиоматического введения вероятностной функции P, и позволяют решать на практических занятиях довольно широкий круг задач.


Модуль 2. Построение общей вероятностной модели


Аксиоматика А.Н. Колмогорова.

Цель модуля: Узнать принцип построения общей вероятностной модели на основе аксиом А.Н. Колмогорова. Ознакомиться с правилами построения алгебры борелевских множеств и типами вероятностных функций, задаваемых на измеримых пространствах.

Вероятностная функция P любому случайному событию A, являющемуся элементом алгебры A, ставит в соответствие число Теория вероятностей и математическая статистика, Теория вероятностей и математическая статистика. Кратко это записывается так: P: AТеория вероятностей и математическая статистика. Это число Теория вероятностей и математическая статистика называется «вероятностью наступления случайного события A» и оно понимается как значение меры возможности наступления, осуществления события A при однократном проведении испытания, опыта. Чем больше это число Теория вероятностей и математическая статистика, тем больше у испытателя уверенность в возможности наступления, осуществления события A при проведении испытания и, наоборот, чем меньше это число Теория вероятностей и математическая статистика, тем меньше у него уверенность в возможности его наступления, осуществления.

Но ранее функция P вводилась посредством предварительного, аксиоматического установления соответствия Теория вероятностей и математическая статистика. Это соответствие всегда можно было установить, так как в рассматриваемых моделях элементарные исходы представлялись в виде конечной или бесконечной последовательности Теория вероятностей и математическая статистика или Теория вероятностей и математическая статистика. То есть, мы могли вводить функцию P, если множество W было конечным или счётным и мы могли мысленно представить себе каждый элементарный исход.

Но есть большое количество примеров описания испытаний, в которых элементарные исходы нельзя представить в виде конечной или бесконечной последовательности. Например, выбор наудачу точки из отрезка Теория вероятностей и математическая статистика; определение времени горения электрической лампы; измерение высоты растения пшеницы; взвешивание зерен одного колоса пшеницы.

Такие множества, все элементы которых нельзя представить в виде конечной или бесконечной последовательности, называются множествами мощности континуум.

Сохранив основные понятия и определения, сделанные при рассмотрении примеров, определяющих множества конечной или счетной мощности, и расширив определение алгебры на случай рассмотрения счетных последовательностей событий до определения s-алгебры, мы, следуя А.Н. Колмогорову, вероятностную функцию P определяем как числовую функцию определенную на элементах s-алгебры A. Но, если раньше нормированность и аддитивность вероятностной функции P вытекали автоматически из ее определения по набору положительных чисел Теория вероятностей и математическая статистикато теперь, при построении общей вероятностной модели, нормированность и s-аддитивность функции P требуется аксиоматически. То есть, всякая функция, определенная на s-алгебре случайных событий, принимающая числовые значения и обладающая свойствами нормированности и s-аддитивности, является вероятностной функцией.

Рассматривая свойства вероятностной функции, приходим к выводу, что вместо s-аддитивности аксиоматически можно требовать или «непрерывность сверху», или «непрерывность снизу», или «непрерывность в нуле». (Аналогично тому, как при изучении геометрии, основывающуюся на аксиомах Евклида, вместо пятой аксиомы параллельности можно принять аксиому о том, что сумма углов треугольника равна p.)

Тройку объектов <W,A,P> называется вероятностным пространством. Для того чтобы показать как практически реализуется процесс построения вероятностного пространства по Колмогорову, рассматриваются такие испытания, элементарными исходами которых будут действительные числа (или – точки вещественной оси).

Однако, если мы будем в качестве алгебры событий, то есть в качестве области определения вероятностной функции P брать s-алгебру всех подмножеств множества действительных чисел, то получится очень необозримая алгебра множеств, на которой будет невозможно задать числовую функцию. Поэтому в качестве алгебры случайных событий предлагается взять алгебру борелевских множеств. Так как мы знаем как строится, конструируется из простейших множеств – полуинтервалов любое борелевское множество, то тогда, исходя из определения функции P на полуинтервалах, можно будет определить вероятностную функцию на всей s-алгебре борелевских множеств действительных чисел.

Приступая к практическому рассмотрению возможных типов и конкретных примеров вероятностных функций, в качестве множества элементарных исходов W рассматриваются множества двух типов.

I тип. W - множества вещественных чисел, имеющие не более чем счетную мощность и лебегову меру равную нулю, то есть зWз= n или a и Теория вероятностей и математическая статистика(W)=0.

II тип. W - множества вещественных чисел, имеющие мощность континуум и положительную лебегову меру, то есть зWз= c и Теория вероятностей и математическая статистика(W)>0.

Соответственно этим двум типам множеств элементарных исходов определяются два типа вероятностных функций.

Функция P называется вероятностной функцией дискретного типа, если область её определения есть множество первого типа, а множеством ее возможных значений является не более чем счетное множество положительных чисел Теория вероятностей и математическая статистика таких что Теория вероятностей и математическая статистика.

Функция P называется вероятностной функцией непрерывного типа, если областью её определения является множество второго типа. Задаётся такая функция с помощью определения кусочно-непрерывной неотрицательной функции Теория вероятностей и математическая статистика, называемой плотностью вероятностей, такой что Теория вероятностей и математическая статистика

Вероятность любого случайного события A, являющегося элементом алгебры B(Теория вероятностей и математическая статистика), в зависимости от типа функции P определяется так:

Теория вероятностей и математическая статистика или Теория вероятностей и математическая статистика.


Модуль 3.Случайные величины и векторы


Цель модуля: На основе понятия функции, как правиле отображения одного множества в другое, ознакомиться с понятием случайной величины. Понять универсальность использования случайной величины в решении различных практических задач. Изучить типы случайных величин и наиболее часто встречающиеся на практике законы распределения вероятностей.

Решая конкретную задачу по теории вероятностей, мы, прежде всего, определяем чёткое название элементарного исхода. Все возможные элементарные исходы объединяются во множество элементарных исходов W. Формулируя названия различных подмножеств множества элементарных исходов, определяем алгебру случайных событий A. На измеримом пространстве <W,A,> Разумным способом определяем вероятностную функцию P. То есть, при решении задачи строится вероятностное пространство <W,A, P >. Значения вероятностной функции на каждом случайном событии мы трактуем как вероятность наступления этого случайного события.

Элементарными исходами, образующими множество W, могут быть объекты любой природы: наборы шаров различных цветов, наборы деталей различного качества, наборы карт различных номиналов, полученные каким-либо способом, определяемым условием испытания; последовательности событий A и Теория вероятностей и математическая статистика, наступающих при проведении одинаковых испытаний по какому-либо правилу. Введение понятия случайной величины позволяет каждому элементарному исходу, независимо от его природы/ поставить в соответствие некоторый элемент (точку) из пространства Теория вероятностей и математическая статистика.

Случайная величина Теория вероятностей и математическая статистика – это измеримое отображение множества элементарных исходов W в пространство Теория вероятностей и математическая статистика, то есть Теория вероятностей и математическая статистика. Измеримость отображения означает, что для любого борелевского множества B, Теория вероятностей и математическая статистика B(Теория вероятностей и математическая статистика), вероятность случайного события Теория вероятностей и математическая статистика равна вероятности случайного события A, где событие A, являющееся элементом алгебры АТеория вероятностей и математическая статистикаA, есть полный прообраз множества В. То есть, Теория вероятностей и математическая статистика, где Теория вероятностей и математическая статистика.

В соответствии с типом вероятностной функции P, описывающей распределение вероятностей значений случайной величины Теория вероятностей и математическая статистика, рассматриваются два типа случайных величин: дискретный и непрерывный.

Для любого испытания, определяющего элементарные исходы как объекты некоторой природы (наборы карт, выборки шаров, извлеченные детали и т.п.), мы можем теперь, с помощью понятия случайной величины, случайные события трактовать как числовые, борелевские множества в пространстве Теория вероятностей и математическая статистика.

Переход к трактовке случайных событий, независимо от содержания условия задачи, как числовых множеств точек в Теория вероятностей и математическая статистика, являющихся борелевскими множествами, позволяет ввести определение функции распределения случайной величины.

Для любой точки Теория вероятностей и математическая статистика пространства Теория вероятностей и математическая статистика множество, точек принадлежащих интервалу Теория вероятностей и математическая статистика, обозначим Теория вероятностей и математическая статистика Ясно, что Теория вероятностей и математическая статистика- борелевское множество. Случайное событие Теория вероятностей и математическая статистика можно трактовать так: случайная величина Теория вероятностей и математическая статистика принимает числовые значения меньшие, чем x, т.е.: Теория вероятностей и математическая статистика. Для каждого x мы можем определить вероятность события Теория вероятностей и математическая статистика, то есть числоТеория вероятностей и математическая статистика. Если x будет переменной величиной, то эта вероятность будет функцией от этого x. Эту функцию, обозначим её Теория вероятностей и математическая статистика, будем называть функцией распределения случайной величины Теория вероятностей и математическая статистика: Теория вероятностей и математическая статистика.

Если Теория вероятностей и математическая статистика - дискретного типа, то её функция распределения имеет вид: Теория вероятностей и математическая статистика. Если Теория вероятностей и математическая статистика - непрерывного типа, то её функция распределения имеет вид: Теория вероятностей и математическая статистика.

Независимо от типа случайной величины вероятность любого случайного события B, то есть Теория вероятностей и математическая статистика, будет равна приращению значения функции распределения на множестве B: Теория вероятностей и математическая статистика.

По любой вероятностной функции P можно построить функцию распределения Теория вероятностей и математическая статистика. Справедливо и обратное утверждение: всякая функция, обладающая тремя рассмотренными свойствами, является функцией распределения Теория вероятностей и математическая статистика и по ней можно единственным образом построить вероятностную функцию P.

Рассматривая композицию отображений Теория вероятностей и математическая статистика, приходим к понятию k-той компоненты векторной случайной величины: Теория вероятностей и
    <div class=

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.
Подробнее

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: