Разделы презентаций
- Разное
- Английский язык
- Астрономия
- Алгебра
- Биология
- География
- Геометрия
- Детские презентации
- Информатика
- История
- Литература
- Математика
- Медицина
- Менеджмент
- Музыка
- МХК
- Немецкий язык
- ОБЖ
- Обществознание
- Окружающий мир
- Педагогика
- Русский язык
- Технология
- Физика
- Философия
- Химия
- Шаблоны, картинки для презентаций
- Экология
- Экономика
- Юриспруденция
Тема 4 ЭЛЕМЕНТЫ ТЕОРИИ ВЕРОЯТНОСТИ И МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
Содержание
- 1. Тема 4 ЭЛЕМЕНТЫ ТЕОРИИ ВЕРОЯТНОСТИ И МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- 2. СОБЫТИЯ И ИСПЫТАНИЯПредметом исследования в теории вероятностей
- 3. Примеры испытаний и событийИспытание – бросание игральной
- 4. Случайные события Событие называется случайным, если
- 5. Примеры случайных событийИспытание – бросание игральной костиСобытие
- 6. Вероятность случайного события Степень объективной возможности случайного события
- 7. Абсолютная и относительная частота
- 8. Статистическое определение вероятностиВероятностью события А в данном
- 9. Совместимые и несовместимые события События A и
- 10. Примеры совместимых и несовместимых событийИспытание – бросание
- 11. Противоположные события С каждым событием A
- 12. Примеры противоположных событийНа кубике выпадет четное число
- 13. Полной группой событий называется множество всех событий
- 14. Примеры полных групп событийИспытание – бросание игральной
- 15. Слайд 15
- 16. Слайд 16
- 17. Классическое определение вероятности
- 18. Достоверные события Событие называется достоверным, если оно
- 19. Примеры достоверных событийИспытание – однократное бросание игральной
- 20. Невозможные события Событие называют невозможным, если
- 21. Примеры невозможных событийИспытание – бросание игральной костиСобытие
- 22. Независимые событияНесколько событий А1, А2,…Аk называются независимыми
- 23. Примеры независимых событийНа обоих кубиках выпадет шестерка;При
- 24. Сумма событийСуммой событий А и В называют
- 25. Пример суммы событийИспытание – стрельба двух стрелков
- 26. Произведение событийПроизведением событий А и В называют
- 27. Пример произведения событийИспытание – стрельба двух стрелков
- 28. Теорема сложения вероятностей несовместимых событийВероятность суммы двух несовместимых событий равна сумме вероятностей этих событий: Р(А+В)=Р(А)+Р(В)
- 29. Теорема сложения вероятностей совместимых событийВероятность суммы двух
- 30. Теорема умножения вероятностей независимых событийВероятность произведения двух независимых событий равна произведению вероятностей этих событийР(АВ)=Р(А)Р(В)
- 31. Условная вероятностьПусть события А и В –
- 32. Теорема умножения вероятностейВероятность произведения двух событий А
- 33. В случайном эксперименте бросают три игральные кости.
- 34. В случайном эксперименте симметричную монету бросают
- 35. В урне 3 белых и 9 черных
- 36. Случайной величиной называется переменная величина, которая в
- 37. Пример 1. В студенческой группе 25 человек.
- 38. Закон распределения случайной величиныСоответствие между всеми возможными
- 39. Простейшая формой задания закона распределения дискретной случайной
- 40. Допустим, что число возможных значений случайной величины
- 41. Математическое ожиданиеслучайной величины Х указывает некоторое среднее значение, около которого группируются все возможные значения Х.
- 42. Математическое ожидание дискретной случайной величины
- 43. Слайд 43
- 44. Отклонение случайной величины
- 45. Дисперсия случайной величины
- 46. Среднее квадратичное отклонение
- 47. Элементы математической статистики
- 48. Генеральная совокупность и выборкаПусть требуется изучить множество
- 49. Объем генеральной совокупности и выборкиЭто соответственно число
- 50. Репрезентативная выборкаСвойства объектов выборки должны правильно отражать
- 51. Варианты. Вариационный ряд
- 52. Частоты
- 53. Статистическим распределением выборкиназывается перечень вариант и соответствующих
- 54. Полигоны Для построения полигона на горизонтальной оси
- 55. Гистограммы В случае большого числа вариант и
- 56. Построение гистограммСначала вариационный ряд разбивается на несколько
- 57. Гистограмма
- 58. Генеральная и выборочная средняя.
- 59. Генеральная и выборочная дисперсия
- 60. Мода и медианаМодой выборки называется вариант, которому
- 61. Для определения медианы в дискретном ряду при наличии частот:
- 62. Например, если всего в выборке было n=60
- 63. Функцией распределения случайной величины Хназывают функцию F(x), определяющую для
- 64. Функция распределения дискретной случайной величины
- 65. График функции распределения дискретной случайной величины
- 66. Слайд 66
- 67. Несмещённая оценкав математической статистике — это точечная оценка, математическое ожидание которой равно оцениваемому параметру.Выборочная средняя является несмещенной оценкой математического ожидания.
- 68. Несмещенной оценкой дисперсии
- 69. Скачать презентанцию
СОБЫТИЯ И ИСПЫТАНИЯПредметом исследования в теории вероятностей являются события, появляющиеся при определенных условиях, которые можно воспроизводить неограниченное количество раз. Каждое осуществление этих условий называют испытанием
Слайды и текст этой презентации
Слайд 2СОБЫТИЯ И ИСПЫТАНИЯ
Предметом исследования в теории вероятностей являются события, появляющиеся
при определенных условиях, которые можно воспроизводить неограниченное количество раз.
осуществление этих условий называют испытанием
Слайд 3Примеры испытаний и событий
Испытание – бросание игральной кости
Событие – выпадение
шестерки или выпадение четного числа очков
Испытание – измерение температуры тела
Событие
– ошибка измерения не превзойдет заранее заданного числа
Слайд 4Случайные события
Событие называется случайным, если при одних и
тех же условиях оно может как произойти, так и не
произойти.
Слайд 5Примеры случайных событий
Испытание – бросание игральной кости
Событие – выпадение четного
числа очков
Испытание – бросание монеты
Событие – выпадение «орла»
Слайд 6Вероятность случайного события
Степень объективной возможности случайного события можно измерять числом.
Это
число называется
вероятностью случайного события.
Около этого числа группируются относительные
частоты данного случайного события
Слайд 8Статистическое определение вероятности
Вероятностью события А в данном испытании называют число
P(A), около которого группируются значения относительной частоты при большом числе
испытаний n.
Слайд 9Совместимые и несовместимые события
События A и B называются совместимыми,
если появление одного из них не исключает появления другого.
События A и B называются несовместимыми, если появление одного из них исключает появление другого (не могут наступить одновременно).
Слайд 10Примеры совместимых и несовместимых событий
Испытание – бросание двух игральных кубиков
События:
А - выпадение четной суммы очков и
В - выпадение
равных чисел на обоих кубиках;Испытание – однократно бросание монеты
События –
А - выпадение «орла»
и В - выпадение «решки»
совместимые
несовместимые
Слайд 11Противоположные события
С каждым событием A связано противоположное событие
В, состоящее в том, что событие A не осуществляется.
Противоположные
события, очевидно, несовместимы.Сумма вероятностей противоположных событий равна 1
Слайд 12Примеры противоположных событий
На кубике выпадет четное число и на кубике
выпадет нечетное число;
Монета упала орлом вверх и монета упала вверх
решкой;Лампа горит и лампа не горит.
Слайд 13Полной группой событий называется множество всех событий для данного испытания,
если его результатом становится выполнение хотя бы одного из них
.
Слайд 14Примеры полных групп событий
Испытание – бросание игральной кости
Полная группа событий
– выпадение 1,2,3,4,5,6 очков.
Испытание – бросание монеты
Полная группа событий– выпадение
«орла», выпадение «решки»
Слайд 18Достоверные события
Событие называется достоверным, если оно наступает всегда, при
любом испытании.
Вероятность достоверного события всегда равна 1.
Слайд 19Примеры достоверных событий
Испытание – однократное бросание игральной кости
Событие – выпадение
менее 7 очков
Испытание – извлечение шара из урны, в которой
только белые шарыСобытие – вынут белый шар
Слайд 20Невозможные события
Событие называют невозможным, если оно не наступает
никогда, то есть благоприятных исходов для него 0.
Вероятность
невозможного события равна 0 . 
Слайд 21Примеры невозможных событий
Испытание – бросание игральной кости
Событие – выпадение семи
очков
Испытание – извлечение шара из урны, в которой только белые
шарыСобытие – вынут черный шар
Слайд 22Независимые события
Несколько событий А1, А2,…Аk называются независимыми в совокупности, если
вероятность появления любого из них не зависит от того, произошли
какие-либо другие рассматриваемые события или нет.В противном случае события называют зависимыми.
Слайд 23Примеры независимых событий
На обоих кубиках выпадет шестерка;
При подбрасывании двух монет
выпадут два орла;
При вытаскивании двух шаров из урны оба шара
будут красными.
Слайд 24Сумма событий
Суммой событий А и В называют событие С=А+В, состоящее
в наступлении хотя бы одного из событий А или В
Слайд 25Пример суммы событий
Испытание – стрельба двух стрелков (каждый делает по
одному выстрелу)
А – попадание в мишень 1 стрелка;
В – попадание
в мишень 2 стрелка;С=А+В – попадание в мишень хотя бы одним стрелком.
Слайд 26Произведение событий
Произведением событий А и В называют событие С=АВ, состоящее
в том, что в результате испытания произошло и событие А
и событие В.
Слайд 27Пример произведения событий
Испытание – стрельба двух стрелков (каждый делает по
одному выстрелу)
А – попадание в мишень 1 стрелка;
В – попадание
в мишень 2 стрелка;С=АВ – оба стрелка попали в мишень.
Слайд 28Теорема сложения вероятностей несовместимых событий
Вероятность суммы двух несовместимых событий равна
сумме вероятностей этих событий:
Р(А+В)=Р(А)+Р(В)
Слайд 29Теорема сложения вероятностей совместимых событий
Вероятность суммы двух совместимых событий А
и В равна сумме вероятностей этих событий минус вероятность их
произведения:Р(А+В)=Р(А)+Р(В)-Р(АВ)
Слайд 30Теорема умножения вероятностей независимых событий
Вероятность произведения двух независимых событий равна
произведению вероятностей этих событий
Р(АВ)=Р(А)Р(В)
Слайд 31Условная вероятность
Пусть события А и В – зависимые. Условной вероятностью
события
Р(А /В) называется вероятность события А при условии, что
событие В уже наступило.Условной вероятностью события
Р(В /А) называется вероятность события В при условии, что событие А уже наступило.
Слайд 32Теорема умножения вероятностей
Вероятность произведения двух событий А и В равна
произведению вероятности одного из них на условную вероятность другого, вычисленную
в предположении, что первое событие наступилоР(АВ)=Р(А)Р(В/А)
Р(АВ)= Р(В)Р(А/В)
Слайд 33В случайном эксперименте бросают три игральные кости. Найдите вероятность того,
что в сумме выпадет 7 очков. Результат округлите до сотых.
Опыт:
бросают три игральные кости.Благоприятное событие А: в сумме выпало 7 очков.
К-во благоприятных
событий m=?
331
313
133
223
232
322
511
151
115
412
421
124
142
214
241
К-во всех событий группы n=?
1-я кость - 6 вариантов
2-я кость - 6 вариантов
3-я кость - 6 вариантов
Слайд 34 В случайном эксперименте симметричную монету бросают четырежды. Найдите вероятность того,
что орел не выпадет ни разу.
Условие можно трактовать так: какова
вероятность того, что все четыре раза выпадет решка?
К-во благоприятных
событий m=?
К-во всех событий группы n=?
m=1
Четыре раза выпала
решка.
1-й раз - 2 варианта
2-й раз - 2 варианта
3-й раз - 2 варианта
4-й раз - 2 варианта
Слайд 35В урне 3 белых и 9 черных шаров. Из урны
наугад вынимается 1 шар. Какова вероятность того, что вынутый шар
окажется черным?Решение:
Количество всех возможных результатов n=3+9=12.
Опытов, в результате которых может быть вынут черный шар m=9.
Ответ: 0, 75
Слайд 36Случайной величиной называется переменная величина, которая в результате испытания может
принять одно значение из множества возможных.
Если значения величины можно
записать в виде конечной или бесконечной последовательности, то такая величина называется дискретной.
Слайд 37Пример 1. В студенческой группе 25 человек. Пусть величина Х
– число студентов, находящихся в аудитории перед началом занятий. Ее
возможными значениями будут числа 0, 1, 2,…,25. При каждом испытании (начало занятий) величина Х обязательно примет одно из своих возможных значений, т.е. наступит одно из событий Х = 0, Х = 1, …, Х = 25.
Слайд 38Закон распределения случайной величины
Соответствие между всеми возможными значениями дискретной случайной
величины и их вероятностями называется законом распределения данной случайной величины.
Слайд 39 Простейшая формой задания закона распределения дискретной случайной величины является таблица,
в которой перечислены возможные значения случайной величины (обычно в порядке
возрастания) и соответствующие им вероятности. Такая таблица называется рядом распределения..
Слайд 40Допустим, что число возможных значений случайной величины конечно: х1, х2,
…, хn.
При одном испытании случайная величина принимает одно и
только одно постоянное значение. Поэтому события Х = хi (i = 1, 2, … , n) образуют полную группу попарно независимых событий. Следовательно сумма вероятностей всех событий,
р1 + р2 + … + рn = 1.
Слайд 41Математическое ожидание
случайной величины Х указывает некоторое среднее значение, около которого
группируются все возможные значения Х.
Слайд 48Генеральная совокупность и выборка
Пусть требуется изучить множество однородных объектов. Назовем
это множество статистической совокупностью.
Статистическая совокупность, из которой отбирается часть
объектов называется генеральной совокупностью.Множество объектов, случайным образом отобранных из генеральной совокупности называют выборкой.
Слайд 49Объем генеральной совокупности и выборки
Это соответственно число элементов генеральной совокупности
и выборки.
Если элементы в выборке не повторяются, то выборка называется
бесповторной, иначе – выборкой с повторениями
Слайд 50Репрезентативная выборка
Свойства объектов выборки должны правильно отражать свойства объектов генеральной
совокупности, тогда выборка считается репрезентативной.
Считается, что выборка репрезентативна, если все
объекты генеральной совокупности имеют одинаковую вероятность попасть в выборку.
Слайд 53Статистическим распределением выборки
называется перечень вариант и соответствующих им частот (или
относительных частот).
Для графического изображения статистического распределения используются
полигоны и гистограммы.
Слайд 54
Полигоны
Для построения полигона на горизонтальной оси откладывают значения вариант, по
вертикальной – относительные или абсолютные частоты.
Слайд 55 Гистограммы
В случае большого числа вариант и в случае непрерывного распределения
признака, строят гистограммы, разбивая вариационный ряд на интервалы.
Слайд 56Построение гистограмм
Сначала вариационный ряд разбивается на несколько интервалов (чаще одинаковых).
Интервалы откладываются на горизонтальной оси
Затем над каждым из рисуется прямоугольник.
Если все интервалы были одинаковыми, то высота каждого прямоугольника пропорциональна числу элементов выборки, попадающих в соответствующий интервал. Если интервалы разные, то высота прямоугольника выбирается таким образом, чтобы его площадь была пропорциональна числу элементов выборки, которые попали в этот интервал.
Слайд 60Мода и медиана
Модой выборки называется вариант, которому соответствует наибольшая частота.
Медианой
выборки называется значение признака, приходящееся на середину ранжированного ряда наблюдений.
Слайд 61Для определения медианы в дискретном ряду при наличии частот: 1) сначала вычисляют
полусумму частот n/2, то есть находят номер серединного элемента вариационного
ряда.2) затем определяют, какое значение варианта приходится на этот элемент ряда.
Слайд 62Например, если всего в выборке было n=60 элементов, то медианой
будет то значение признака, которое приходится на n/2=30, то есть
на 30-й элемент ряда.
Слайд 63 Функцией распределения случайной величины Х
называют функцию F(x), определяющую для каждого значения х, вероятность
того, что случайная величина Х примет значение меньше х, т.е.
F(x) = p (X
Слайд 67Несмещённая оценка
в математической статистике — это точечная оценка, математическое ожидание которой равно оцениваемому параметру.
Выборочная средняя
является несмещенной оценкой математического ожидания.
