Презентация на тему: Случайные события и случайные величины

Теория вероятности: Случайные события и случайные величины

«Зачем психологам это надо?» Чтобы осознанно участвовать в лотерее; Чтобы не проигрывать в казино; Чтобы делать объективные и обоснованные выводы о результатах своего исследования; Чтобы не путать динамические и статистические взаимосвязи... ТЕОРИЯ ВЕРОЯТНОСТИ И СТАТИСТИКА — ДВЕ СТОРОНЫ ОДНОЙ МОНЕТЫ

Случайные события Каковы возможные исходы броска монеты? «Орел» (герб); «Решка» (цифра); Встанет на ребро; Зависнет в воздухе...

Случайные события Событие — всякий факт, который в результате опыта может произойти или не произойти (обозначим его А). Вероятность случайного события — численная мера степени объективной возможности события (Р(А)). Событие может быть: Достоверным (Р(А)=1); Невозможным (Р(А)=0); Случайным ( 0≤ P(A) ≤1)

Случайные события Монета упадет «орлом» кверху — это.... Зарплату дадут точно 6 ноября — это.... Завтра встретиться с динозавром — это... Какой-то незнакомец будет думать о Вас сегодня — это... Солнце взойдет из-за горизонта на востоке — это... Луна сделает оборот вокруг Земли за 27 суток — это...

Случайные события: свойства Несовместность: А∩В=Ш на универсальном множестве исходов опыта Ω, т.е( ) Равновозможность P(А)=Р(В) Дополнение до полной группы событий: Р(А)+Р(А)=1 или A+A=Ω Полная группа несовместных равновозможных событий=>Схема случаев Например, «орел» и «решка» в одном броске

Случайные события Классическая формула вероятности (для схемы случаев): Р(А)=|А| / |Ω| или Р(А)=m/n, где m — количество благоприятствующих исходов; n — количество возможных исходов. Cм. правила сложения и умножения вероятностей А Ω

Статистическая вероятность По теореме Бернулли, При n* →∞ P*(A)= m*/n* Если мы подбросим монету 2 раза? Если мы подбросим монету 5 раз? Если мы подбросим монету 10 раз?

Случайная величина может принять в результате опыта некоторое значение, и заранее неизвестно, какое именно. Пример: чему равна вероятность попадания монетой в конкретную точку стола? Закон распределения — описывает случайную величину с вероятностной точки зрения, устанавливая соответствие между значениями случайной величины и соответствующими им вероятностями. При этом F(x)=P(X

Дискретная случайная величина Дискретная случайная величина — принимает отделенные друг от друга значения. Задается рядом распределения — табличная (аналитическая) форма установления соответствия для каждого х его вероятности И многоугольником распределения — графической формой распределения

Непрерывная случайная величина Непрерывная случайная величина — возможные значения непрерывно заполняют собой некоторый промежуток !Задать ряд распределения невозможно, т. к. Р(х)=m/n=1/∞ Используют F(x)=P(X

Характеристики распределения случайной величины Математическое ожидание оценивается через среднее случайной величины Для дискретной: M[X]= , где pi - вероятность появления xi Для непрерывной: M[X]= , где f(x)dx - элемент плотности вероятности Свойства M[x]: М[X+Y]=M[X]+M[Y], M[α]=α, M[αX]=αM[X]

Характеристики распределения случайной величины Мода — значение случайной величины с наибольшей плотностью вероятности (максимум на графике плотности вероятности) Медиана — значение случайной величины, при котором вероятности попасть справа и слева от него равны. F(Me)=0,5 - для функции распределения площадь S(x

Характеристики распределения случайной величины Дисперсия — мера рассеяния случайной величины вокруг ее математического ожидания D[X]= - для дискретной D[X]= - для непрерывной случайной величины Среднеквадратичное отклонение σ=√D[X]

Моменты случайной величины 1 начальный момент — cреднее, М[x] 2 центральный момент — дисперсия, или мат. ожидание квадрата разности значения случайной величины и среднего 3 центральный момент — характеристика симметрии (коэффициент асимметрии), 4 центральный момент — характеристика выраженности вершины распределения в окрестности среднего (коэффициент эксцесса) Подробнее - см. Википедию, там неплохая статья