Слайд 2
![4.1. Эмпирические и теоретические распределения вероятностей случайных величин](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-1.jpg)
4.1. Эмпирические и теоретические распределения вероятностей случайных величин
Слайд 3
![Пример вариационного ряда: данные о плодовитости кроликов Количество крольчат (хi):](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-2.jpg)
Пример вариационного ряда: данные о плодовитости кроликов
Количество крольчат (хi): 2 3
4 5
Частота варианты (fi): 1 2 5 2
Слайд 4
![Почему важен анализ теоретических распределений вероятностей??? Предполагая, какие факторы влияют](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-3.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 5
![4.2. Вероятности и их свойства](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-4.jpg)
4.2. Вероятности и их свойства
Слайд 6
![Понятия теории вероятностей: Событие – результат (=исход) отдельного испытания.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-5.jpg)
Понятия теории вероятностей:
Событие – результат (=исход) отдельного испытания.
Слайд 7
![Понятия теории вероятностей: Несколько событий называются несовместимыми, если в условиях](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-6.jpg)
Понятия теории вероятностей:
Несколько событий называются несовместимыми, если в условиях испытания каждый
раз возможно наступление только одного из них. Иначе события будут совместимыми.
Слайд 8
![Понятия теории вероятностей: Два события называются противоположными, если наступление любого из них исключает появление другого](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-7.jpg)
Понятия теории вероятностей:
Два события называются противоположными, если наступление любого из них
исключает появление другого
Слайд 9
![Понятия теории вероятностей: Достоверное событие – происходит неизбежно при каждом](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-8.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 10
![Понятия теории вероятностей: Вероятностью называется отношение числа случаев, благоприятствующих наступлению](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-9.jpg)
Понятия теории вероятностей:
Вероятностью называется отношение числа случаев, благоприятствующих наступлению ожидаемого события,
к числу всех возможных исходов:
Р(А) = m/n ,
Слайд 11
![Пример: В корзине сидят 5 белых и 10 черных кроликов.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-10.jpg)
Пример:
В корзине сидят 5 белых и 10 черных кроликов. Какова вероятность
вытащить наугад белого кролика?
Р = 5/15 = 0,33
Слайд 12
![Границы возможных значений вероятностей: 0 ≤ Р ≤ 1](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-11.jpg)
Границы возможных значений вероятностей:
0 ≤ Р ≤ 1
Слайд 13
![р – вероятность ожидаемого события; q – вероятность противоположного ему](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-12.jpg)
р – вероятность ожидаемого события;
q – вероятность противоположного ему события;
=> p
+ q = 1
Слайд 14
![Свойства вероятностей: 1. Вероятность наступления одного из двух (все равно](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-13.jpg)
Свойства вероятностей:
1. Вероятность наступления одного из двух (все равно какого) или
нескольких независимых и несовместных событий А, В, С … К равна сумме их вероятностей:
Р(А+В+С+…+К) = Р(А) + Р(В) + Р(С) + … + Р(К)
Слайд 15
![Свойства вероятностей: 2. Вероятность совместного появления двух или нескольких независимых](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-14.jpg)
Свойства вероятностей:
2. Вероятность совместного появления двух или нескольких независимых событий равна
произведению вероятностей этих событий:
Р(А, В, С, …, К) = Р(А) Р(В) Р(С) … Р(К)
Слайд 16
![4.3. Закон нормального распределения вероятностей](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-15.jpg)
4.3. Закон нормального распределения вероятностей
Слайд 17
![Распределение марсиан по росту](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-16.jpg)
Распределение марсиан по росту
Слайд 18
![Нормальное распределение формируется тогда, когда некая величина отклоняется от среднего](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-17.jpg)
Нормальное распределение формируется тогда,
когда некая величина отклоняется от среднего
под
действием множества слабых, независимых друг
от друга факторов
Слайд 19
![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/611025/slide-18.jpg)
Математическое описание закона нормального распределения вероятностей:
μ - генеральная средняя (=математическое ожидание);
σ
- стандартное отклонение.
Слайд 20
![Нормальные кривые:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-19.jpg)
Слайд 21
![Коэффициент асимметрии нормальной кривой (skewness):](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-20.jpg)
Коэффициент асимметрии нормальной кривой (skewness):
Слайд 22
![Коэффициент эксцесса нормальной кривой (kurtosis):](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-21.jpg)
Коэффициент эксцесса нормальной кривой (kurtosis):
Слайд 23
![Интерпретация коэффициентов асимметрии и эксцесса: При g1 и g2 =](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-22.jpg)
Интерпретация коэффициентов асимметрии и эксцесса:
При g1 и g2 = 0 кривая
строго симметрична;
При g1 < 0 кривая скошена влево (и наоборот);
При g2 < 0 кривая обладает плоской вершиной (и наоборот – «бока» кривой крутые).
Слайд 24
![Нормальная кривая, скошенная вправо Нормальная кривая, скошенная влево g1 g1>0](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-23.jpg)
Нормальная кривая, скошенная вправо
Нормальная кривая, скошенная влево
g1<0
g1>0
Слайд 25
![Круто- и плосковершинные нормальные кривые: g2>0 g2](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-24.jpg)
Круто- и плосковершинные нормальные кривые:
g2>0
g2<0
Слайд 26
![Свойства нормального распределения: 1) У нормального распределения арифметическая средняя, мода и медиана совпадают.](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-25.jpg)
Свойства нормального распределения:
1) У нормального распределения арифметическая средняя, мода и медиана
совпадают.
Слайд 27
![2) Правило трех сигм: Подавляющее большинство значений нормально распределенного признака](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-26.jpg)
2) Правило трех сигм:
Подавляющее большинство значений нормально распределенного признака (99,73%) укладывается
в интервал ±3 стандартных отклонения относительно среднего значения (т.е. μ ± 3σ)
Слайд 28
![Иллюстрация правила трех сигм:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-27.jpg)
Иллюстрация правила трех сигм:
Слайд 29
![Пример использования правила трех сигм 5.3 ± 0.5 мм 5.3](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-28.jpg)
Пример использования правила трех сигм
5.3 ± 0.5 мм
5.3
6.8
3.8
7.0
±3σ
7.0 мм ???
Слайд 30
![4.4. Биномиальное распределение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-29.jpg)
4.4. Биномиальное распределение
Слайд 31
![«Эксперимент со студентами»: День 1: «отлавливаются» по 1 студенту; День](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-30.jpg)
«Эксперимент со студентами»:
День 1: «отлавливаются» по 1 студенту;
День 2: группы по
2 студента;
День 3: по 3 студента.
р – вероятность «поимки» белорусского студента (Б);
q - вероятность «поимки» иностранного студента (И).
Слайд 32
![«Эксперимент со студентами», День 1: Вероятность встретить хоть какого-нибудь студента равна: р+q = 1](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-31.jpg)
«Эксперимент со студентами»,
День 1:
Вероятность встретить хоть какого-нибудь студента равна:
р+q =
1
Слайд 33
![«Эксперимент со студентами», День 2: р2 +2pq + q2 Р(ББ) Р(БИ) + Р(ИБ) Р(ИИ)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-32.jpg)
«Эксперимент со студентами»,
День 2:
р2 +2pq + q2
Р(ББ)
Р(БИ) + Р(ИБ)
Р(ИИ)
Слайд 34
![«Эксперимент со студентами», День 3: р3 +3p2q +3pq2 + q3](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-33.jpg)
«Эксперимент со студентами»,
День 3:
р3 +3p2q +3pq2 + q3 , где
р3
= Р(БББ);
3p2q = Р(ББИ) + Р(БИБ) + Р(ИББ)
3pq2 = Р(БИИ) + Р(ИБИ) + Р(ИИБ)
q3 = Р(ИИИ)
Слайд 35
![«Эксперимент со студентами», обобщенно: (р + q)n – бином Ньютона](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-34.jpg)
«Эксперимент со студентами», обобщенно:
(р + q)n – бином Ньютона
р – вероятность
ожидаемого события;
q – вероятность противоположного события;
n – число испытаний (=объем выборки).
Слайд 36
![Пример: Р(Б) = 0,75 Р(И) = 0,25 ⇒ вероятность того,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-35.jpg)
Пример:
Р(Б) = 0,75
Р(И) = 0,25
⇒ вероятность того, что в группе из
трех человек все окажутся беларусами: (0,75)3 = 0,422
⇒ аналогично, вероятность встречи трех иностранцев: (0,25)3 = 0,016
Слайд 37
![(!) 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/611025/slide-36.jpg)
(!) Биномиальный закон описывает изменчивость только альтернативных признаков (белорус/иностранец, черное/белое и
т.п.)
Слайд 38
![Биномиальное распределение определяется двумя параметрами: p и n p=q](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-37.jpg)
Биномиальное распределение определяется двумя параметрами: p и n
p=q
Слайд 39
![Расчет статистических параметров при биномиальном распределении: Средняя = np Дисперсия = npq Стандартное отклонение = √npq](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-38.jpg)
Расчет статистических параметров при биномиальном распределении:
Средняя = np
Дисперсия = npq
Стандартное отклонение
= √npq
Слайд 40
![4.5. Негативное биномиальное распределение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-39.jpg)
4.5. Негативное биномиальное распределение
Слайд 41
![Метод учетных площадок 3 1 0 1 2 10 1 2](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-40.jpg)
Метод учетных площадок
3
1
0
1
2
10
1
2
Слайд 42
![Негативное биномиальное распределение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-41.jpg)
Негативное биномиальное распределение
Слайд 43
![Математическое описание негативного биномиального распределения (р + q)-k р –](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-42.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 44
![4.6. Закон Пуассона](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-43.jpg)
Слайд 45
![Распределение Пуассона – предельный случай биномиального распределения – проявляется, когда:](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-44.jpg)
Распределение Пуассона – предельный случай биномиального распределения – проявляется, когда:
n велико
(например, (p + q)100);
Вероятность ожидаемого события р мала (например, 0.01).
Слайд 46
![Примеры случайных событий: Возникновение летальных мутаций у бактерий за одну](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-45.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 47
![Математическое выражение закона Пуассона: m – частота ожидаемого события в](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-46.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.
Слайд 48
![Распределение Пуассона определяется только одним параметром: а (средней)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-47.jpg)
Распределение Пуассона определяется только одним параметром: а (средней)
Слайд 49
![Статистические параметры при пуассоновском распределении: Средняя = дисперсия = np Стандартное отклонение = √np](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/611025/slide-48.jpg)
Статистические параметры при пуассоновском распределении:
Средняя = дисперсия = np
Стандартное отклонение =
√np