Теория вероятностей (Шпаргалки по терверу), страница 3
Описание файла
Файл "Теория вероятностей" внутри архива находится в папке "Шпаргалки по терверу". Документ из архива "Шпаргалки по терверу", который расположен в категории "". Всё это находится в предмете "теория вероятностей и математическая статистика" из 4 семестр, которые можно найти в файловом архиве РТУ МИРЭА. Не смотря на прямую связь этого архива с РТУ МИРЭА, его также можно найти и в других разделах. Архив можно найти в разделе "к экзамену/зачёту", в предмете "теория вероятности" в общих файлах.
Онлайн просмотр документа "Теория вероятностей"
Текст 3 страницы из документа "Теория вероятностей"
Доказательство несмещенности точечной оценки
Вывод: - нормально распределенная СВ, , , тогда чтобы найти вероятность заданного отклонения P(|a – | < ) = j
P(|a – | < ) = 2Ф( ) = 2Ф( ), где ; Ф( ) =
По таблице для функции Лапласа по значению функции равной находим значение аргумента ; ; Вместо обозначаем .; P(|a – | < ) = P(-< a - < ) = P( - < a < + ) = j
( - ; + ) – доверительный интервал.
-
Проверка гипотез. Ошибки первого и второго рода. Мощность критерия.
В статистике рассматриваются гипотезы двух типов:
-
Параметрические – гипотезы о значении параметра известного распределения;
-
Непараметрические – гипотезы о виде распределения.
Обычно выделяют основную гипотезу – нулевую (H0). Пример: математическое ожидание признака , который распределен по нормальному закону и дисперсия его известна, а H0: M() = a. Предполагаем, что известна дисперсия Конкурирующая гипотеза имеет вид: H1: M() a;
H 1: M() > a, либо H1: M() = a1. Для проверки гипотез используются критерии, и они представляют собой специальным образом подобранные СВ, k – точечный или приближенный закон, который известен.
Обычно предполагается, что если гипотеза Н0 выполняется, то вычисляемая по выборочным данным kнабл. Этого критерия и гипотеза Н0 принимается, если kнабл. (kкритич. левостор.; kкритич. правостор.) Если kнабл. попадает в критическую область (все остальные значения k (- ; kкритич. лев.) (kкритич. прав. ; ), то гипотеза Н0 отвергается и принимается конкурирующая гипотеза Н1. При этом возможны ошибки двух типов: Первого рода: что гипотеза Н0 отвергается, в то время, как она верна. Вероятность этой ошибки: P(H1/H0) = - уровень значимости критерия. Критерий подбирается так, чтобы была как можно меньше. Второго рода: что отвергается гипотеза Н1, в то время, как она верна. = P(H0/H1) Мощностью критерия – (1-) - вероятность попасть точке-выборке в критическое множество, когда верна конкурирующая гипотеза.
1- = P(H1/H1)
37. Проверка гипотезы о равенстве генеральных средних при известных дисперсиях. Признак и распределены нормально с известными дисперсиями.
Пусть по выборкам 1, 2, ... , n объема n, 1, 2, ... , m объема m, получены выборочные средние значения ( ; ). Выдвигается гипотеза о равенстве генеральных средних: H0: M() = M(); При конкурирующей гипотезе:
H
1: M() M(); В качестве проверки гипотезы выбираем новую СВ ;
Д(Z)- дисперсия Д(( - )/( - )) =
M
(Z) = 0; Д(Z) = 1. Для того, чтобы выбрать Zкр. и при заданном уровне значимости , определить принимается или не принимается основная гипотеза, найти вероятности.
P(0 < Z < Zкр.) + P(Z > Zкр. прав.) = ½ Ф(Zкр.) + /2 = ½ Ф(Zкр. прав.) = ½ - /2
|Zнабл.| < Zкр.прав. Н0 |Zнабл.| > Zкр.прав. Н0 отвергается.
38. Проверка гипотезы о равенстве генеральных средних при неизвестных дисперсиях.
Пусть и нормально распределенные СВ, предполагается, что неизвестны, но равны между собой дисперсии. 1, 2, ... , n 1, 2, ... , m
; : Н0: М() = М() Н1: М() М()
Для проверки гипотезы Н0, вводится СВ t, которая представляет собой
Теоретическое обозначение признака; СВ Т распределена по закону Стъюдента, зависит от первого параметра, который называется числом степеней свободы (k).
k = n + m – 2 (по таблице для распределения Стъюдента при заданном значении k и уровне значимости в зависимости от вида альтернативной и конкурирующей гипотезы, находятся либо односторонние tкр., либо двухсторонние tкр.).
Ткр. прав. = - Ткр. лев. | Тнабл. | < Ткр. двуст. Н0 | Тнабл. | > Ткр. двуст. Н0 отвергается.
42. Марковские случайные процессы. Размеченный граф состояний.
Предположим, что дана система S. Предп., что состояние этой сис-мы хар-ся параметрами состояний. Если состояние системы меняется во времени случайно, то говорят, что в сис-ме протекает случайный процесс. Сис-ма —аудитория. Для хар-ки состояния используется параметр—число студентов, тогда эта система с дискретными состояниями. Будем рассматривать системы с дискретными состояниями и непрерывным t: сис-ма мгновенно в произвольные сегменты t скачками меняет состояние. Если параметр t принимает дискретные значения (t=1,2,3,...), то происходит процесс с дискретным временем (случайная последовательность), если же t изменяется на некотором интервале, то процесс с непрерывным временем. Если случайные величины семейства принимают дискретные значения, то имеет место процесс с дискретными значениями, если же непрерывное, то с непрерывными значениями. Предположим, что рассматривается система с дискретными состояниями и непрерывным t. Пусть S1, S2,...,Sn —возможные состояния сис-мы. Для описания процесса, происх. в сис-ме, надо знать вер-ти каждого состояния на произвольный момент t. Р1(t)—вер-ть того, что в момент t сис-ма находится в 1-ом состоянии. Процесс, протекающий в системе, наз. марковским, если для него вероятность попасть в состояние Xi=Si в момент ti зависит не от всего прошлого, а лишь от состояния Xi-1=Si, в котором процесс был в предыдущий момент времени ti-1. Графом называется совокупность вершин и дуг, соединяющих эти вершины. Для описания процесса, протекающего в системе, удобно использовать размеченный граф состояний, в котором в кач-ве вершин исп-ся различные состояния системы, а в кач-ве дуг—стрелки, показ. возможные переходы за 1 шаг из состояния в состояние. При этом над каждой стрелкой указ. Плотность вероятности соответствующего перехода.
43. Система дифф. уравнений Колмогорова для вероятностей состояний.
Пусть дан марковский случайный процесс. Рi(t)—вер-ти состояний: i=1,n(все с чертой), тогда для Рi(t) выполняется следующее дифференциальное уравнение
d Рi(t)/dt=( от i<>k,k=1 до n) ki* Рi(t)—( от j<>1,j=i до n) ij*Pi(t); i=1,n(все с чертой) (1) Система из n уравнений , т.к. для любого момента t ( от i=1 до n) Pi(t), то в системе (1) одно любое уравнение м-но отбросить. И, задав начальное условие на момент t=t0, P1(t0)=1, Pi(t0)=0, i=1,n( все с чертой).
В итоге м-но решить сис-му дифф. ур-ний и найти все вер-ти состояний Pi(t), i=1,n(все с чертой).
44. Предельные вероятности состояний. Нахождение предельных вероятностей.
Предположим, что дан марковский случайный процесс, тогда, используя уравнение Колмогорова, можно найти Рi(t); i =
Предельными или финальными вероятностями называют пределы
, если эти вероятности существуют, т.е. = Рi.
Если эти предельные вероятности существуют, то в системе устанавливается стационарный режим, при котором состояние системы меняется случайным образом, но вероятность каждого состояния остается неизменной.
Предельная вероятность в марковском случайном процессе существует, если этот процесс удовлетворяет свойству транзитивности. Процесс в протекающей системе называется транзитивным, если существует интервал времени , в течение которого система может перейти из любого состояния Si в любое другое состояние Sj.
А лгебраические уравнения для предельной вероятности состояний
Пусть марковский случайный процесс удовлетворяет свойству транзитивности, тогда для него при t существуют предельные вероятности состояний Pi=const.
, , в этом случае вместо дифференциального уравнения Колмогорова получили систему линейных уравнений относительно вероятности состояний
Одно уравнение отбрасывается, остается n уравнений, решая эту систему получаем Р1, Р2, ... , Рn.
4
5. Процессы гибели и размножения. Формулы для нахождения предельных вероятностей.
М ы предполагаем, что все потоки, переводящие систему из любого Si в Si+1 и из Si в Si-1 являются простейшими.
i, i+1
i, i-1
Процессы такого типа называются процессами гибели и размножения.
Составим систему уравнений для нахождения предельной вероятности состояний:
S0: 01P0 = 10P1 S1: 10P1 + 12P1 = 01P0 + 21P2 S2: 21P2 + 23P2 = 12P1 + 32P3 ... Sn: n, n-1 Pn = n-1, n Pn-1 P0 + P1 + P2 + ... + Pn = 1
И з первого уравнения выражаем P1 =
01P0 + 12P1 = 01P0 + 21P2
46. Потоки событий. Простейший поток и его свойства.
П отоком событий называется последовательность каких-то однородных событий, следующих друг за другом через случайные интервалы времени, т.е. в произвольные моменты времени.
Потоки избираются на числовой оси, представляющей ось времени, точками, соответствующими моменту наступления событий.
Например: - поток вызовов, поступающих на станцию скорой помощи;
- поток автомобилей, пересекающих перекресток.
Среднее число событий, происходящих в единицу времени называется интенсивностью потока. - среднее число событий в потоке, происходящее за единицу времени. Свойства потока:
-
П
оток называется стационарным, если вероятность наступления того или иного числа событий за интервал времени длины а зависит от длины этого интервала и не зависит от того, в какой момент времени начинается отсчет этого интервала.
t2 – t1 = a
-
П
оток событий называется потоком без последействия (без последствия), если для любых непересекающихся интервалов времени длины 1 и 2.
Вероятность появления того или иного числа событий в интервале 2 не зависит от того, какое число событий произошло в интервале 1.
Иначе, отсутствие последствия означает независимость наступления событий во времени.