Теория вероятностей и математическая статистика
Покупка
Основная коллекция
Издательство:
Дашков и К
Год издания: 2022
Кол-во страниц: 182
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-394-04978-1
Артикул: 092330.06.99
Доступ онлайн
В корзину
Дается логически последовательное изложение традиционного курса теории вероятностей и математической статистики, основанное на исследованиях А.Н.Колмогорова по теории сложности нерегулярных последовательностей. Рассмотрены информационные и физические обоснования понятия независимости, проблемы регрессионного подхода, оптимизации технического эксперимента, а также актуальные проблемы аналого-цифрового преобразования, распознавания образов и выделения сигнала на фоне шума.
Для студентов и аспирантов всех специальностей, а также физиков, экономистов и инженеров, использующих математическое моделирование.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 38.03.01: Экономика
- 38.03.02: Менеджмент
- 38.03.03: Управление персоналом
- 38.03.04: Государственное и муниципальное управление
- 38.03.05: Бизнес-информатика
- 38.03.06: Торговое дело
- 38.03.07: Товароведение
- 38.03.10: Жилищное хозяйство и коммунальная инфраструктура
ГРНТИ:
Скопировать запись
Фрагмент текстового слоя документа размещен для индексирующих роботов.
Для полноценной работы с документом, пожалуйста, перейдите в
ридер.
В. П. Яковлев, Н. Е. Кошелева Теория вероятностей и математическая статистика Учебное пособие 5-е издание, пересмотренное Москва Издательско-торговая корпорация «Дашков и К°» 2022 Серия «Учебные издания для бакалавров»
УДК 519.2 ББК 22.17 Я47 Яковлев, Виталий Павлович. Теория вероятностей и математическая статистика : учебное пособие для бакалавров / В. П. Яковлев, Н. Е. Кошелева. — 5-е изд., пересм. — Москва : Издательско- торговая корпорация «Дашков и К°», 2022. — 182 с. ISBN 978-5-394-04978-1. Дается логически последовательное изложение традиционного курса теории вероятностей и математической статистики, основанное на исследованиях А. Н. Колмогорова по теории сложности нерегулярных последовательностей. Рассмотрены информационные и физические обоснования понятия независимости, проблемы регрессионного подхода, оптимизации технического эксперимента, а также актуальные проблемы аналого-цифрового преобразования, распознавания образов и выделения сигнала на фоне шума. Для студентов бакалавриата, обучающихся по направлениям подготовки, входящим в укрупненную группу «Экономика и управление», а также экономистов и инженеров, использующих математическое моделирование. УДК 519.2 ББК 22.17 Я47 ISBN 978-5-394-04978-1 © Яковлев В. П., 2007 © Яковлев В. П., Кошелева Н. Е., 2022, с изменениями Рецензенты: Б. И. Олейников — кандидат технических наук, доцент Российского университета кооперации; Н. А. Веклич — кандидат физико-математических наук, доцент Российского государственного университета нефти и газа имени И. М. Губкина.
Предисловие ............................................................................................................................7 Часть I ТЕОРИЯ ВЕРОЯТНОСТЕЙ Глава 1. СЛУЧАЙНЫЕ СОБЫТИЯ .................................................................9 § 1.1. Определение вероятности ...................................................................9 § 1.2. Свойства вероятности события ....................................................12 § 1.3. Свойства статистического ансамбля .......................................19 § 1.4. Эпсилон-зависимость ...........................................................................25 § 1.5. Формализация теории вероятностей .....................................29 § 1.6. Примеры решения задач теории вероятностей событий ..........................................................................36 § 1.7. Кодирование источника сообщений ........................................40 § 1.8. Информация .................................................................................................46 Глава 2. СЛУЧАЙНЫЕ ВЕЛИЧИНЫ .........................................................49 § 2.1. Распределение вероятностей ........................................................49 § 2.2. Непрерывные случайные величины .......................................52 § 2.3. Классификация..........................................................................................55 § 2.4. Примеры законов распределения .............................................58 § 2.5. Критерий трех сигм и доверительный интервал .........61 § 2.6. Совместное распределение вероятностей .........................63 § 2.7. Взаимная информация случайных величин ....................65
Глава 3. ФУНКЦИИ ОТ СЛУЧАЙНЫХ ВЕЛИЧИН .....................71 § 3.1. Расчет плотности вероятностей ..................................................71 § 3.2. Линейные преобразования случайных величин ..........74 § 3.3. Многомерное гауссовское распределение ..........................77 § 3.4. Суммирование случайных величин .........................................80 § 3.5. Центральная предельная теорема ............................................83 Глава 4. ТЕОРИЯ АНАЛОГО-ЦИФРОВОГО ПРЕОБРАЗОВАНИЯ ...........................................................................87 § 4.1. Оптимизация ................................................................................................87 § 4.2. Асимптотические соотношения при малых шагах равномерного квантования ................89 § 4.3. Энтропийное кодирование квантованных величин ...91 Часть II МАТЕМАТИЧЕСКАЯ СТАТИСТИКА Глава 5. CТАТИСТИЧЕСКИЕ ПРИЛОЖЕНИЯ ...............................97 § 5.1. Предмет статистики ..............................................................................97 § 5.2. Достоверность рейтингов и гистограмм ...............................99 Глава 6. ПРИНЯТИЕ РЕШЕНИЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ ................................................................102 § 6.1. Задача различения гипотез .........................................................102 § 6.2. Функция правдоподобия ................................................................107 § 6.3. Распознавание образов ....................................................................114 Глава 7. ВЫДЕЛЕНИЕ СИГНАЛА НА ФОНЕ ШУМА ............118 § 7.1. Статистическое оценивание ........................................................118 § 7.2. Максимально правдоподобное оценивание ....................121 Глава 8. РЕГРЕСИОННЫЙ АНАЛИЗ .....................................................127 § 8.1. Регресионная модель .........................................................................127
§ 8.2. Статистический подход к регрессии ....................................132 § 8.3. Оценка тенденции ................................................................................135 Глава 9. ПЛАНИРОВАНИЕ ТЕХНИЧЕСКОГО ЭКСПЕРИМЕНТА ..............................139 § 9.1. Экстремальное регулирование .................................................139 § 9.2. Модификация регрессии ................................................................143 § 9.3. Статистический анализ регрессии ........................................148 § 9.4. Алгоритм планирования эксперимента ............................151 Приложения: 1. Формула Стирлинга ............................................................................................154 2. Расчет эпсилон-энтропии случайной величины ........................155 3. Независимые последовательности с половинной вероятностью .............................................................................................................159 4. Оценка параметров двумерного нормального распределения..........................................162 5. Методические указания к выполнению домашних заданий курса “Теория вероятностей и математическая статистика” ..................................................................166 Задание 1. Расчет частот символов (букв) печатного текста .....................................................................166 Задание 2. Расчет вероятности ситуации при игре .............169 Задание 3. Транспортная задача .........................................................169 Задание 4. Расчет среднего значения и дисперсии по заданной плотности вероятности .....................169 Задание 5. Расчет допусков на частоты букв с помощью закона Бернулли .......................................169 Задание 6. Оценка качества распознавания символов текста по частотам отрывков ......................................172 Задание 7. Расчет средних частот и их дисперсий по результатам для пяти отрывков .......................173
Задание 8. Расчет энтропии печатного текста .........................174 Задание 9. Повторный эксперимент при распознавании образов ..........................................174 Задание 10. Регрессия курса валют .....................................................174 Задание 11. Расчет параметров регрессии за период 10–60 дней ..........................................................175 Задание 12. Оценка достаточности линейной зависимости ......................................................176 Задание 13. Оценка корреляции курсов доллара и евро .......................................................176 ЛИТЕРАТУРА ................................................................................................................179
Предисловие Все классические математические понятия имеют своими корнями физические аналоги. Так, интеграл — это площадь или объем, производная — это скорость, мера — результат измерения. И только вероятность не имеет физического ана- лога, поскольку однозначно не определен способ ее измерения. Нет четкого определения основного понятия теории вероят- ности — независимости. Удивительно, но из такого неформа- лизованного понятия как независимость получается уникаль- ное математическое свойство — представление функции двух “переменных” — совместной вероятности осуществления двух событий — произведением двух функций одной переменной — вероятностей каждого события. Отсутствие математическо- го доказательства этого факта часто вводит в заблуждение классиков современной физики. Так, в учебнике Л. Д. Ландау, Е. М. Лифшица “Статистическая физика” утверждается, что “с математической точки зрения статистическая независи- мость означает, что вероятность составной системы разбивает- ся на вероятности каждой подсистем”. Вопрос о природе случайного интересует физиков и ин- женеров до сих пор. Известна дискуссия Эйнштейна и Гайзер- берга по этому поводу. Гайзенберг утверждал, что случайность присуща природе, материи. Возражая, Эйнштейн говорил, что в природе нет ничего случайного, а есть неполное знание и шутливо замечал, что по Гайзенбергу “Бог играет в кости со Вселенной”. Точка Зрения Эйнштейна получила в последнее время подтверждение в рамках теории грубых, или робастных, систем. Считается, что при составлении моделей реальных объектов или явлений учитываются только существенные параметры, позволяющие описать реальную ситуацию с требуемой точностью. Остальные многочисленные факторы дают “фон”,
который разумно учитывать с помощью теории вероятностей и математической статистики. Этот учет неизбежен, поскольку использование математической статистики дает уникальную возможность оценить достоверность, надежность выводов, сделанных на основании модели. Получается, что случайность — это неучтенная “определенность”, неопознанная детерминированность. В связи с этим возникает сомнение относительно общепринятого противопоставления случайного и детерминированного. Логичнее считать, что методы теории вероятности вполне применимы и к детерминированным объектам, но дают лишь частичное описание. Этот вывод весьма актуален в связи с тем, что практически повсеместно при моделировании на компьютере используются вполне детерминированные псевдослучайные последовательности. Необходимость строгого математического обоснования те- ории вероятностей и математической статистики стали очевид- ны для А. Н. Колмогорова уже после разработки аксиоматичес- кой теории вероятностей. С целью преодоления существующих парадоксов в течение 80-х гг. прошлого столетия учениками его школы была разработана соответствующая теория. Она позво- лила дать строгое определение понятия случайного и детерми- нированного, описать математически феномен независимости. В предлагаемом пособии предпринята попытка в максимально доступной форме изложить эти подходы и проиллюстриро- вать их пригодность для решения современных задач теории аналого-цифрового преобразования, передачи информации по каналам связи, распознавания образов, обработки данных из- мерений, регрессионного анализа и планирования техническо- го эксперимента с целью оптимизации производственного про- цесса.
Часть I ТЕОРИЯ ВЕРОЯТНОСТЕЙ Глава 1. Случайные события § 1.1. Определение вероятности Случайным называется событие, которому можно припи- сать вероятность. Известно, что определение физической вели- чины сводится к описанию способа ее измерения. Это положе- ние в полной мере относится к вероятности. Рассматриваются испытания, которые можно повторять многократно. Совсем не- обязательно самим проводить испытания, можно просто за ними наблюдать или даже воображать их проведение. Класси- ческим примером являются азартные игры. При бросании мо- неты “орел” может выпасть или не выпасть; если на него сдела- на ставка, его выпадение — благоприятное событие. При игре “в кости” бросается кубик (он заменил употреблявшуюся ранее кость с явно выраженными шестью гранями). В результате мо- жет произойти одно из шести событий — выпадение помечен- ной цифрой грани. Здесь само испытание осуществляется при нашем непосредственном участии. Кубик может иметь нерав- нозначные грани. Если нас интересует наличие некоторой по- роды в керне, мы должны воспользоваться результатами ис- пытаний, проведенных, возможно, с другими целями, а не для поиска нужной нам породы, то есть здесь мы практически не участвуем в проведении испытаний. Вероятность определяется путем анализа результатов се- рии из N испытаний, результаты испытаний можно трактовать
как выход некоторого генератора испытаний или источника со- бытий. Результаты можно наблюдать в последовательные мо- менты времени на выходе одного источника. Кроме того, мож- но вообразить набор источников, расположенных в различных точках пространства, выходы которых фиксируются в один и тот же момент времени. Мыслимы также различные комбина- ции приведенных способов получения результатов испытаний, или проведения эксперимента. Дадим определение вероятности события на основе ана- лиза результатов испытаний, часто называемое классическим. Итак, в серии из N испытаний n раз фиксировался некоторый, скажем, благоприятный для нас исход. Рассмотрим частоту pn = n/N; если при безграничном увеличении N величина pn все ближе к некоторому значению р, то говорят, что событие, кото- рое характеризует благоприятный исход, имеет вероятность, равную р. Классическому определению можно придать строгую ма- тематическую формулировку. Рассматривается бесконечная бинарная последовательность a1, a2, … aN, …, члены которой мо- гут принимать значения 0 или 1. Если ai = 1, будем говорить, что реализуется событие; с точки зрения математика событие — абстрактное понятие, не отражающее какой-либо практический смысл. Рассмотрим расходящийся ряд a1 + a2 + … + aN + … с частными суммами Если существует предел последовательности будем считать, что событие случайно, а p его вероятность. Разумеется, вообще говоря, один и тот же предел p имеют многие последовательности a1, a2, …. aN, их совокупность образует статистический ансамбль; всякая последовательность из этого ансамбля однозначно его определяет. Кроме того, конкретное
значение ai нельзя отождествить с единственной последовательностью, оно принадлежит всему ансамблю, поэтому можно считать, что реализации ai получены от разных источников, в частности, при наличии достаточно большого числа последовательностей в ансамбле, величинам ai можно поставить в соответствие разные источники событий. Из приведенного определения следуют выводы, существенные для теории вероятностей и математической статистики. Во-первых, к теории вероятностей следует отнести изучение свойств пределов случайных последовательностей, а математическая статистика рассматривает задачу аппроксимации, то есть возможность оценки статистических ха- рактеристик, в первую очередь вероятности p, по конечному числу N членов последовательности ансамбля a1, a2, … aN. Во-вторых, отнесение данного объекта к разряду случайных объектов и реализация “экспериментов” по определению конкретных значений вероятностей не относятся математике; ее задачи формулируются после аксиоматического определения исследуемых объектов и их свойств, так что последовательность a1, a2, …, aN считается заданной. Наконец, в третьих, в состав ансамбля по определению входят последовательности, члены которых определяются однозначно по заранее заданному правилу или алгоритму, в том числе периодические последовательности. В качестве примера для случая p = 0,5 приведем последовательность 101010…, полученную повторением набора 10, для которой вероятность получается не только для N → ∞, но уже при N = 2;4;6;…. Аналогичными свойствами обладают и другие периодические последовательности, например, последовательность 10011001… имеет период N0 = 4. Таким образом, детерминированные, или псевдослучайные последовательности относятся к случайным, и на вполне законных основаниях могут использоваться в качестве полноценных представителей ансамбля, определяющих все его характеристики. Разумеется, особенности псевдослучайных последовательностей как членов ансамбля определяются далеко не полностью, их отнесение к ансамблю дает лишь неко-
торые их черты. Однако противопоставление на основе такого положения детерминированных и случайных объектов ничем не оправдано. § 1.2. Свойства вероятности события Математика изучает взаимодействие математических объектов, в данном случае таковыми предстают случайные события, отождествляемые с бинарными последовательностями. Но операции над последовательностями возможны лишь в случае, если проведена их общая нумерация: при заданном номере i однозначно определены члены ai и bi разных последовательностей. В соответствие с аналогией нумерации и осуществления последовательных испытаний в эксперименте логично говорить о появлении двух событий в одном эксперименте, и соответствующих бинарных последовательностей ai и bi. Рассмотрим некоторые определения и результаты, характеризующие взаимодействие случайных событий. Определение 1. Два события A и B равны, если ai = bi. Определение 2. Сумма, или объединение двух событий есть событие C = A + B, происходящее тогда и только тогда, если реализуется событие A или B. Таким образом, последователь- ность ci получается из ai и bi по правилу: ci = 1, если ai = 1, bi = 0, или ai = 0, bi = 1, или ai = 1, bi = 1, однако ci = 0, если ai = bi = 0. Та- ким образом, сложение членов последовательностей осущест- вляется по правилам булевой алгебры. Определение 3. События A и B несовместимы (ортогональ- ны), если реализация A исключает реализацию B, а реализа- ция B подразумевает невозможность реализации A; однако “не реализация” A не исключает “не реализацию” B. Этот означает, что при ai = 1 должно быть bi = 0, а при bi = 1 обязательно ai = 0. Bозможны несколько событий, несовместимых с A, поскольку при некоторых i могут быть ai = bi = 0. Определение 4. Событие A считается достоверным, если оно реализуется в любом испытании. В этом случае ai = 1 при любом i.
Определение 5. Событие A считается невозможным, если оно не реализуется ни при каком испытании, то есть ai = 0 при любом i. Определение 6. Событие C = A · B является произведением или пересечением событий A и B, если оно реализуется лишь в случае осуществления A и B. Таким образом, ci получается из ai и bi обычным умножением: сi = aibi. Определение 7. Событие A следует из события B, если по- явление B означает и появление A. Таким образом, в последо- вательности для A содержатся все единицы последовательнос- ти события B, поэтому A “богаче” B, и может быть использован символ “>”: A > B означает, что A следует из B. Определение 8. Пусть A > B. Событие считается допол- нением B до A, если оно несовместимо с B, и . Таким образом, последовательность для включает те единицы A, которые не вошли в B. Если A — достоверное событие, то обозначается без символа внизу — и называется событием, противоположным B, поскольку единицам последовательности для B соответствуют нули последовательности для , а нули последовательности для B соответствуют единицам последова- тельности для . Определение 9. Пусть A, B — два события, A · B — их произ- ведение, — дополнения соответственно до A и B про- изведения A · B. Событие называется симмет- ричной разностью событий A и B. Определение 10. Набор событий A1, A2, ... An считается пол- ным, если исходом эксперимента может быть одно из них, и никакое другое. При объединении таких событий получается последовательность, состоящая из одних единиц, то есть досто- верное событие. Рассмотрим некоторые факты теории вероятностей, ха- рактеризующие понятие вероятности как предела частоты при безграничном увеличении числа испытаний. Их предваряет фундаментальное понятие независимости, лежащее в основе практически всех исследований в теории вероятностей и мате- матической статистике.
Определение 11. События A и B независимы, если вероят- ность их пересечения P(A · B), называемая совместной вероят- ностью событий A и B, равна произведению вероятностей P(A) и P(B) событий A и B: P(A · B) = P(A)P(B). Определение 12. Условной вероятностью события A при ус- ловии реализации события B с вероятностью P(B) называется отношение Используя бинарные последовательности ai, bi, ci = aibi со- ответственно событий A, B, C = A · B, получим: Согласно теореме о пределе отношения: Сумма в знаменателе задает число единиц последователь- ности bi, реализованных за N испытаний. Очевидно, величина предела не изменится, если в числителе сумму единиц после- довательности aibi заменить суммой единиц последовательнос- ти ai, приходящихся на единицы bi, т. е. отбросить те ai, которые приходятся на нули bi. Распространяя суммирование на едини- цы bi, можно записать соотношение:
Доступ онлайн
В корзину