Слайд 2
![4.1. Эмпирические и теоретические распределения вероятностей случайных величин](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-1.jpg)
4.1. Эмпирические и теоретические распределения вероятностей случайных величин
Слайд 3
![Почему важен анализ теоретических распределений вероятностей??? Предполагая, какие факторы влияют](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-2.jpg)
Почему важен анализ теоретических распределений вероятностей???
Предполагая, какие факторы влияют на исследуемое
явление, можно также предполагать, как будут распределяться экспериментальные данные;
Если же получаемые данные не соответствуют ожидаемому распределению, следует заключить, что предполагавшиеся факторы не оказывают влияние на данное явление.
Слайд 4
![4.2. Вероятности и их свойства](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-3.jpg)
4.2. Вероятности и их свойства
Слайд 5
![Понятия теории вероятностей: Достоверное событие – происходит неизбежно при каждом](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-4.jpg)
Понятия теории вероятностей:
Достоверное событие – происходит неизбежно при каждом испытании;
Невозможное событие
– в заданных условиях произойти не может;
Случайное событие – может произойти, но может и не произойти в данных условиях.
Слайд 6
![Понятия теории вероятностей: Вероятностью называется отношение числа случаев, благоприятствующих наступлению](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-5.jpg)
Понятия теории вероятностей:
Вероятностью называется отношение числа случаев, благоприятствующих наступлению ожидаемого события,
к числу всех возможных исходов:
Р(А) = m/n ,
Слайд 7
![Границы возможных значений вероятностей: 0 ≤ Р ≤ 1](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-6.jpg)
Границы возможных значений вероятностей:
0 ≤ Р ≤ 1
Слайд 8
![4.3. Закон нормального распределения вероятностей](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-7.jpg)
4.3. Закон нормального распределения вероятностей
Слайд 9
![Математическое описание закона нормального распределения вероятностей: μ - генеральная средняя (=математическое ожидание); σ - стандартное отклонение.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-8.jpg)
Математическое описание закона нормального распределения вероятностей:
μ - генеральная средняя (=математическое ожидание);
σ
- стандартное отклонение.
Слайд 10
![Свойства нормального распределения: У нормального распределения арифметическая средняя, мода и медиана совпадают.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-9.jpg)
Свойства нормального распределения:
У нормального распределения арифметическая средняя, мода и медиана совпадают.
Слайд 11
![Иллюстрация правила трех сигм:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-10.jpg)
Иллюстрация правила трех сигм:
Слайд 12
![4.4. Биномиальное распределение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-11.jpg)
4.4. Биномиальное распределение
Слайд 13
![«Эксперимент со студентами», обобщенно: (р + q)n – бином Ньютона](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-12.jpg)
«Эксперимент со студентами», обобщенно:
(р + q)n – бином Ньютона
р – вероятность
ожидаемого события;
q – вероятность противоположного события;
n – число испытаний (=объем выборки).
Слайд 14
![(!) Биномиальный закон описывает изменчивость только альтернативных признаков (белорус/иностранец, черное/белое и т.п.)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-13.jpg)
(!) Биномиальный закон описывает изменчивость только альтернативных признаков (белорус/иностранец, черное/белое и
т.п.)
Слайд 15
![Биномиальное распределение определяется двумя параметрами: p и n](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-14.jpg)
Биномиальное распределение определяется двумя параметрами: p и n
Слайд 16
![4.5. Негативное биномиальное распределение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-15.jpg)
4.5. Негативное биномиальное распределение
Слайд 17
![Метод учетных площадок 3 1 0 1 2 10 1 2](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-16.jpg)
Метод учетных площадок
3
1
0
1
2
10
1
2
Слайд 18
![Негативное биномиальное распределение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-17.jpg)
Негативное биномиальное распределение
Слайд 19
![Математическое описание негативного биномиального распределения (р + q)-k р –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-18.jpg)
Математическое описание негативного биномиального распределения
(р + q)-k
р – вероятность обнаружения определенного
числа организмов в рамке
k – параметр, характеризующий степень агрегированности организмов (чем меньше k, тем более агрегированны организмы)
Слайд 20
![4.6. Закон Пуассона](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-19.jpg)
Слайд 21
![Распределение Пуассона – предельный случай биномиального распределения – проявляется, когда:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-20.jpg)
Распределение Пуассона – предельный случай биномиального распределения – проявляется, когда:
n велико
(например, (p + q)100);
Вероятность ожидаемого события р мала (например, 0.1).
Слайд 22
![Примеры случайных событий: Возникновение летальных мутаций у бактерий за одну](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-21.jpg)
Примеры случайных событий:
Возникновение летальных мутаций у бактерий за одну генерацию;
Заболевание гриппом
летом;
Рождение тройни;
Встреча большого числа организмов в учетной рамке;
и т.п…
Слайд 23
![Математическое выражение закона Пуассона: m – частота ожидаемого события в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/610633/slide-22.jpg)
Математическое выражение закона Пуассона:
m – частота ожидаемого события в n независимых
испытаниях;
a ≅ np – средняя частота наступления события;
e = 2,7183 – основание натурального логарифма.