Академический Документы
Профессиональный Документы
Культура Документы
Размещения.
Перестановки
Сочетания.
Размещения с повторениями.
Утверждение. Вероятность события А при наличии гипотез вычисляется как сумма произведений
вероятности каждой гипотезы на условную вероятность события при этой гипотезе
При решении подобных задач часто используют «дерево вероятностей». Вероятности гипотез –
основные ветви дерева, которые в свою очередь разветвляются на условные вероятности (рис. 2).
Для нахождения вероятности события А вероятности, стоящие на одной ветви и ее продолжении,
перемножаются, а полученные произведения складываются.
Вариант 1 №5
Если случайные величины находятся в стохастической зависимости, то с изменением одной из них
другая не изменяется строго определенным образом, например, растет, а всего лишь имеет к
этому тенденцию, т.е. принимает случайные значения, из которых можно заключить, что ее
значения увеличиваются.
Вариант 1 №6
Метод максимального правдоподобия (ММП)
Элементарное событие назовем случайным, если оно может произойти в результате опыта, а
может и не реализоваться.
Два элементарных события назовем несовместными или непересекающимися, если они не могут
произойти одновременно.
Важность дисперсии объясняется тем, что она указывает на величину разброса значений
случайной величины вокруг математического ожидания.
Дисперсией случайной величины называется математическое ожидание квадрата отклонения
случайной величины от своего математического ожидания
Вариант 4 №2
Центральные предельные теоремы – это группа теорем, утверждающих, что сумма достаточно
большого количества значений одной случайной величины или достаточно большого
Вариант 5 №1
Утверждение Бернулли. Если проводится серия из n независимых испытаний Бернулли, в каждом
из которых успех появляется с вероятностью p, то вероятность того, что «успех» в n испытаниях
появится ровно m раз, выражается формулой
Вариант 5 №6
Другой подход к оценке неизвестного параметра – введение доверительного интервала, т. е.
промежутка, в котором находится значение неизвестного параметра с заданной вероятностью y.
Вариант 6 №1
Классическая вероятность
Геометрическая вероятность
Рассмотрим попадание точки на отрезок определенной длины [𝐿; 𝑀]. Ввести событие, как набор
элементарных исходов попадания в точку, здесь не удастся. Число точек на отрезке любой длины
бесконечно велико. Поэтому перейдем от дискретной вероятностной схемы к непрерывной.
Поступим следующим образом. Разобьем отрезок на ряд промежутков [𝑎0; 𝑎1 ], (𝑎1; 𝑎2 ], … ,
(𝑎𝑛−1; 𝑎𝑛 ], где 𝑎0 = 𝐿, 𝑎𝑛 = 𝑀. Будем считать событиями попадание точки в один из промежутков.
Введем вероятности попадания точки в промежутки пропорционально их длинам. Тогда
вероятность попадания точки на определенный отрезок будет иметь вид
Вариант 6 №5
Нулевая (основная) гипотеза – это основное проверяемое предположение, которое обычно
формулируется как отсутствие различий, отсутствие влияние фактора, отсутствие эффекта,
равенство нулю значений выборочных характеристик и т.п. Примером нулевой гипотезы в
педагогике является утверждение о том, что различие в результатах выполнения двумя группами
учащихся одной и той же контрольной работы вызвано лишь случайными причинами.
Другое проверяемое предположение (не всегда строго противоположное или обратное первому)
называется конкурирующей или альтернативной гипотезой. Так, для упомянутого выше примера
гипотезы Н0 в педагогике одна из возможных альтернатив Н1 будет определена как: уровни
выполнения работы в двух группах учащихся различны и это различие определяется влиянием
неслучайных факторов, например, тех или других методов обучения.
Вариант 6 №6
Вариант 7 №1
Функцией распределения случайной величины 𝜉 называется функция 𝐹𝜉 (𝑥), определенная для
любого действительного значения х и выражающая вероятность того, что случайная величина 𝜉
распределения в виде:
Вариант 7 №6
Ошибка первого рода состоит в том, что гипотеза будет отвергнута, хотя на самом деле она
правильная. Вероятность допустить такую ошибку называют уровнем значимости и обозначают
буквой («альфа»).
Ошибка второго рода состоит в том, что гипотеза будет принята, но на самом деле она
неправильная. Вероятность совершить эту ошибку обозначают буквой («бета»). Значение
называют мощностью критерия – это вероятность отвержения неправильной гипотезы.
Вариант 7 №7
Суть метода заключается в том, что используется не полное совместное распределение всех
переменных (зависимой и регрессоров), а только условное распределение зависимой
переменной по факторам, то есть фактически распределение случайных ошибок регрессионной
модели.
Вариант 8 №6
Вариант 9 №5
Вариант 10 №7
Распределение Стьюдента (t-распределение) Пусть набор независимых случайных величин 𝜉0, 𝜉1,
𝜉2, … , 𝜉𝑛 подчиняется нормальному распределению: 𝜉𝑖~𝑁(0; 1), где 𝑖 = 0,1,2, … , 𝑛. Распределение
Стьюдента (𝑆𝑡𝑛 ) с n степенями свободы или 𝑡 −распределение – непрерывное сосредоточенное
на (−∞, ∞) распределение вероятностей случайной величины
Таблица функции распределения Стьюдента для небольших значений 𝑛 (𝑛 ≤ 120) связывает значения
вероятностей 𝛼 и соответствующих им критических точек 𝑥кр соотношениями 𝑃(𝑡𝑛 > 𝑥кр1) = 𝛼 для
односторонней области и 𝑃(|𝑡𝑛 | > 𝑥кр2) = 𝛼 для двусторонней области. Здесь 𝑥кр1- значение, которое
случайная величина 𝑡𝑛 превышает с фиксированной вероятностью 𝛼, 𝑥кр2 – значение, которое модуль
случайной величины превышает с фиксированной вероятностью 𝛼. Очевидно, что 𝑥кр2 > 𝑥кр1.