Основы теории вероятностей и математической статистики
книга

Основы теории вероятностей и математической статистики

Автор: Константин Балдин, Виктор Башлыков, Андрей Рукосуев

Форматы: PDF

Издательство: ФЛИНТА

Год: 2021

Место издания: Москва

ISBN: 978-5-9765-2069-1

Страниц: 489

Артикул: 72675

Электронная книга
490

Краткая аннотация книги "Основы теории вероятностей и математической статистики"

Учебник написан на базе лекционных курсов, прочитанных авторами в ряде вузов столицы. Рассмотрены все аспекты дисциплины «Основы теории вероятностей и математической статистики» Федерального государственного образовательного стандарта высшего профессионального образования и учебных программ по направлениям бакалавриата «Менеджмент» и «Экономика». Учебник содержит два раздела «Основы теории вероятностей» и «Основы математической статистики». Включены вопросы для самоконтроля, примеры использования классических методов и заданий для самостоятельной работы обучаемых. Для студентов, аспирантов и молодых преподавателей, а также для научных сотрудников, предпринимателей и менеджеров.

Содержание книги "Основы теории вероятностей и математической статистики"


Введение
Раздел I. ОСНОВЫ ТЕОРИИ ВЕРОЯТНОСТЕЙ
Глава 1. Случайные события
1.1. Предмет теории вероятностей
1.2. Основные понятия и определения
1.3. Частота и вероятность. Способы нахождения вероятностей случайных событий
1.3.1. Аксиоматическое построение теории вероятностей
1.3.2. Классический способ определения вероятности
1.4. Понятие условной вероятности. Стохастическая зависимость случайных событий
1.5. Правила действий с вероятностями
1.6. Повторение независимых испытаний. Схема Бернулли
1.7. Формула полной вероятности
1.8. Формула Байеса
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 2. Случайные величины
2.1. Случайные величины и их классификация
2.2. Закон распределения случайной величины и формы его представления
2.2.1. Понятие распределения случайной величины
2.2.2. Функция вероятности
2.2.3. Функция распределения
2.2.4. Плотность распределения
2.3. Числовые характеристики скалярных случайных величин
2.3.1. Характеристики положения
2.3.2. Характеристики рассеивания
2.3.3. Моменты случайной величины
2.4. Основные теоретические распределения скалярных случайных величин
2.5. Распределение случайного вектора
2.6. Частные и условные распределения компонент случайного вектора
2.6.1. Частные распределения
2.6.2. Условные распределения. Стохастическая зависимость случайных величин
2.7. Числовые характеристики векторных случайных величин
2.8. Нормальное распределение двумерного случайного вектора
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 3. Функции случайных аргументов
3.1. Общая характеристика задач исследования функций случайных аргументов
3.2. Теоремы о числовых характеристиках случайных величин
3.3. Определение числовых характеристик функций случайных аргументов
3.4. Распределение однозначного преобразования случайных величин
3.5. Распределение неоднозначного преобразования случайных величин
3.6. Распределение функции двух случайных величин
3.7. Композиция распределений
3.7.1. Композиция нормального и равномерного распределений
3.7.2. Композиция нормальных распределений
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 4. Случайные процессы
4.1. Понятие случайного процесса. Классификация случайных процессов
4.2. Вероятностные характеристики случайных функций
4.3. Основные типы случайных процессов
4.4. Основное уравнение Маркова для марковских случайных процессов
4.5. Дискретный марковский случайный процесс с дискретным временем
4.6. Потоки событий
4.7. Дискретный марковский случайный процесс с непрерывным временем
4.8. Процесс гибели и размножения
4.9. Системы массового обслуживания
4.9.1. Система массового обслуживания с отказами
4.9.2. Система массового обслуживания с ожиданием
Вопросы для самопроверки
Задачи для самостоятельного решения
Раздел II. ОСНОВЫ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
Глава 5. Статистические методы оценивания характеристик продукции
5.1. Общая характеристика статистических методов оценивания характеристик продукции
5.2. Общая схема эксперимента
5.3. Сущность выборочного метода
5.4. Понятие о законе больших чисел и центральной предельной теореме
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 6. Методы статистической обработки результатов испытаний
6.1. Постановка задачи оценивания вероятностных характеристик случайных величин
6.2. Основные требования к оценкам
6.3. Оценивание законов распределения случайных величин
6.4. Точечное оценивание числовых характеристик случайных переменных
6.4.1. Оценивание вероятности наступления случайного события
6.4.2. Оценивание математического ожидания случайной величины
6.4.3. Оценивание дисперсии и стандартного отклонения случайной величины
6.4.4. Определение числовых характеристик случайных величин при большом объеме измерений
6.5. Интервальное оценивание числовых характеристик случайных переменных
6.5.1. Понятие доверительной вероятности и доверительного интервала
6.5.2. Оценивание вероятности наступления случайного события
6.5.3. Оценивание математического ожидания
6.5.4. Оценивание стандартного отклонения
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 7. Статистическая проверка гипотез
7.1. Сущность проверки статистических гипотез
7.2. Методы проверки гипотез о законах распределения
7.2.1. Постановка задачи
7.2.2. Проверка гипотез о законе распределения
7.3. Методы проверки гипотез о параметрах законов распределения
7.3.1. Проверка гипотез о равенстве математических ожиданий
7.3.2. Проверка гипотез о равенстве дисперсий
7.4. Проверка гипотез методом последовательного анализа
7.4.1. Сущность метода последовательного анализа
7.4.2. Проверка гипотезы о вероятности наступления случайного события
7.4.3. Проверка гипотезы о математическом ожидании
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 8. Методы статистического анализа результатов испытаний
8.1. Общая характеристика методов статистического анализа результатов испытаний
8.2. Основы дисперсионного анализа
8.2.1. Сущность дисперсионного анализа
8.2.2. Однофакторный дисперсионный анализ
8.2.3. Проверка существенности влияния фактора в однофакторном дисперсионном анализе
8.2.4. Выявление уровня фактора, влияющего на результаты испытаний
8.2.5. Примеры однофакторного дисперсионного анализа
8.2.6. Особенности проведения двухфакторного дисперсионного анализа
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 9. Основы регрессионного анализа
9.1. Сущность регрессионного анализа
9.2. Задача регрессионного анализа
9.3. Метод наименьших квадратов
9.4. Предпосылки регрессионного анализа
9.5. Статистический анализ уравнения регрессии
9.6. Спецификация регрессионной модели
9.7. Регрессионные модели с гетероскедастичными остатками
9.8. Метод взвешенных наименьших квадратов (МВНК)
9.9. Нелинейные регрессионные модели и их линеаризация
9.10. Оценки коэффициентов нелинейных регрессионных моделей
9.10.1. Оценки коэффициентов параболы второго порядка
9.10.2. Определение коэффициентов функций, отличных от полинома
Вопросы для самопроверки
Задачи для самостоятельного решения
Глава 10. Основы корреляционного анализа
10.1. Сущность корреляционного анализа
10.2. Классификация методов корреляционного анализа
10.3. Однофакторный корреляционный анализ
10.4. Анализ тесноты связи
10.5. Многофакторный корреляционный анализ
10.6. Автокорреляция
Вопросы для самопроверки
Задачи для самостоятельного решения
Литература
Приложение

Все отзывы о книге Основы теории вероятностей и математической статистики

Чтобы оставить отзыв, зарегистрируйтесь или войдите

Отрывок из книги Основы теории вероятностей и математической статистики

31P(A)=, (1.3.2)где m – число исходов испытания, благоприятствующих на-ступлению события ;n – общее число равновозможных несовместных исходов.В урне находятся K одинаковых на ощупь шаров, в том числе M белых и (K – M) черных. Испытание заключается в извлечении из нее наудачу N каких-либо шаров. Интересующее нас событие состоит в том, что среди выбранных шаров ровно m окажутся бе-лыми.Очевидно, что общее число всех равновозможных и несо-вместных исходов рассматриваемого испытания равно . Со-бытие, вероятность которого надо определить, будет иметь ме-сто, если в выборку попадут любые m белых шаров и любые (N – m) черных. Количество вариантов выбора m белых шаров из общего их числа M равно . Каждый такой вариант мо-жет осуществиться с каким-либо из вариантов выбора (N – m) черных шаров из (K – M), имеющихся в урне. Следова-тельно, число исходов, благоприятствующих наступлению инте-ресующего нас события, равно произведению . Таким образом, согласно формуле (1.3.2) искомая вероятность опреде-ляется выражением.Общим недостатком классического способа определения ве-роятности является ограниченная его применимость. Действи-тельно, далеко не все комплексы условий приводят к возможно-сти применения рассмотренных способов.Поэтому в теории вероятностей разработаны способы, по-зволяющие определить вероятности одних событий через из-вестные вероятности других. Основу этих способов составляют правила умножения и сложения вероятностей, опирающиеся на понятие условной вероятности.