- •С.Н.Дементьев, а.М.Слиденко, с.О.Стрыгина
- •Воронеж
- •Дементьев с.Н.
- •Часть I. Теория вероятностей Введение
- •Основные понятия
- •Классическое определение вероятности
- •Основные понятия комбинаторики
- •Геометрическое определение вероятности
- •Статистическое определение вероятности
- •Примеры решения индивидуальных заданий
- •Основные понятия
- •Примеры решения индивидуальных заданий
- •Основные понятия
- •Основные понятия
- •Формула Бернулли
- •Формула Пуассона
- •Локальная формула Лапласа
- •Интегральная формула Лапласа
- •Основные понятия
- •Основные понятия Равномерное распределение
- •Показательное (экспоненциальное) распределение
- •Примеры решения индивидуальных заданий
- •Основные понятия
- •Пример решения индивидуального задания
- •Основные понятия
- •Распределение Стьюдента ( распределение)
- •Распределение Фишера ( -распределение)
- •Примеры решения индивидуальных заданий
- •Основные понятия
- •Часть II. Математическая статистика Введение
- •Основные понятия Методика рациональной организации выборки большого объема
- •Нахождение точечных и интервальных статистических оценок неизвестных числовых характеристик теоретических распределений
- •Основные понятия
- •Проверка гипотезы о равенстве дисперсий двух нормально распределенных генеральных совокупностей
- •Проверка гипотезы о равенстве средних
- •Дисперсии которых неизвестны и одинаковы
- •Проверка гипотезы о нормальном распределении случайной величины с помощью критерия Пирсона
- •«Проверка статистических гипотез»
- •«Проверка статистических гипотез»
- •Основные понятия
- •«Однофакторный дисперсионный анализ»
- •«Однофакторный дисперсионный анализ»
- •Основные понятия
- •Проверка качества модели регрессии с помощью коэффициента детерминации
- •Проверка значимости регрессии по критерию Фишера
- •Построение доверительных интервалов для генеральных параметров регрессии
- •Построение доверительного интервала для прогноза индивидуального значения отклика
- •«Корреляционный и регрессионный анализ»
- •«Корреляционный и регрессионный анализ»
- •Часть III. Примеры лабораторных работ по математической статистике в системе mathcad Темы лабораторных работ и их основные цели
- •Лабораторная работа №1 (листинги 1-5) Распределения, связанные с нормальным законом распределения
- •Лабораторная работа №2 (листинги 6-8) Метод статистических испытаний (метод Монте-Карло)
- •Лабораторная работа №3 (листинги 9-15) Описательные статистики
- •Лабораторная работа №4 (листинги 16-18) Проверка гипотезы о нормальном распределении
- •Лабораторная работа №5 (листинги 19-24) Примеры проверки статистических гипотез
- •Лабораторная работа №6 (листинги 25-27) Однофакторный дисперсионный анализ
- •Лабораторная работа №7 (листинги 28-31) Корреляция и регрессия
- •Продолжение приложения 2
- •Приложение 4
- •Критические точки распределения Фишера
- •Критические точки распределения Фишера
- •Примеры тестовых вопросов по теории вероятностей и математической статистике
- •394087, Воронеж, ул. Мичурина, 1
«Корреляционный и регрессионный анализ»
1.Что такое функции регрессии, уравнения регрессии, линии регрессии?
2.Как выглядит теоретическое уравнение прямой регрессии и его выборочная оценка?
3.Каким условиям должна удовлетворять случайная составляющая уравнения регрессии?
4.Как записывается выборочное уравнение прямой регрессии Y на X, найденное с помощью МНК?
5.Как вычисляется выборочный коэффициент корреляции? Перечислите его свойства. Что такое выборочный коэффициент регрессии? Какова его роль в уравнении прямой регрессии?
6. Как проверяется значимость коэффициента корреляции?
7.Что такое коэффициент детерминации? Какова его роль в регрессионном анализе?
8.Как проверяется значимость регрессии?
9.Как строятся доверительные интервалы для оценки генеральных параметров регрессии?
10.Как построить доверительный интервал для оценки среднего значения отклика при заданном значении фактора?
Часть III. Примеры лабораторных работ по математической статистике в системе mathcad Темы лабораторных работ и их основные цели
Применение системы Mathcad позволяет упростить трудоемкие процессы однотипных вычислений. С другой стороны, набор «живых» формул, создание простых программ (функциональных блоков), построение графиков служит хорошей поддержкой процесса изучения теории вероятностей и математической статистики. В лабораторных работах применяется так называемое «оживление графиков» (анимация). Можно рекомендовать применять этот инструмент в каждой работе, так как динамические графики позволяют наглядно представить взаимные зависимости параметров, показать геометрическую интерпретацию некоторых законов распределений и общих теорем теории вероятностей (закон больших чисел, центральная предельная теорема теории вероятностей).
Следует отметить, что условия задач записываются в системе Mathcad в текстовом режиме. Краткие пояснения к формулам, графикам и программам записываются в форме комментариев.
Приведем перечень основных лабораторных работ и их основные цели.
Лабораторная работа №1 (листинги 1-5) Распределения, связанные с нормальным законом распределения
В этой работе рассматриваются законы распределения, которые порождаются нормальным законом и находят широкое применение при построении доверительных интервалов и при проверке статистических гипотез.
Цели работы:
1. Изучить основные формулы и кривые вероятностей для распределений: нормального; «хи–квадрат», Стьюдента и Фишера. Научиться (в системе Mathcad) вычислять вероятности попадания случайной величины в заданный интервал.
2. Научиться находить критические точки распределений.
3. С помощью анимации графиков (переменная FRAME) провести анализ влияния параметров распределения на форму кривых вероятностей.
4. Наглядно продемонстрировать проявление центральной предельной теоремы (нормализация распределений).
Лабораторная работа №2 (листинги 6-8) Метод статистических испытаний (метод Монте-Карло)
На простейших примерах (однократное бросание правильной монеты и выбор точки на прямоугольнике) демонстрируется метод Монте-Карло.
Цели работы:
1. Изучить содержание закона больших чисел на примере теоремы Бернулли.
2. Научиться применять генераторы случайных чисел в системе Mathcad для решения задач.
3. Познакомиться с решением простейших задач методом статистических испытаний (методом Монте-Карло).