Формула полной вероятности и формула Байеса.

Если событие может наступить только при появлении одного из несовместных событий (гипотез) , то вероятность события вычисляется по формуле полной вероятности: , где -вероятность гипотезы , - условная вероятность

события при выполнении гипотезы

Проиллюстрируем формулу полной вероятности на графе с выделенной вершиной:

 

 

Полная вероятность события равна весу всего вероятностного графа с гипотезами.

С формулой полной вероятности тесно связана формула Байеса. Если до опыта вероятности гипотез были , ,.. .,, а в результате опыта появилось событие, то с учетом этого события "новые", т.е. условные вероятности гипотез вычисляются по формуле Байеса

 

Формула Байеса дает возможность "пересмотреть" вероятность гипотез с учетом наблюдавшегося результата опыта. Условная вероятность может находиться

как отношение веса ветви, проходящей через вершину, соответствующую гипотезе , к весу всего вероятностного графа.

 

Основные понятия математической статистики.

Математическая статистика – это наука, изучающая случайные явления посредством обработки и анализа результатов наблюдений и измерений.

Первая задача математической статистики – указать способы получения, группировки и обработки статистических данных, собранных в результате наблюдений, специально поставленных опытов или произведённых измерений.

Вторая задача математической статистики – разработка методов анализа статистических сведений в зависимости от целей исследования. Например, целью исследования может быть:

- оценка неизвестной вероятности события;

- оценка параметров распределения случайной величины;

- оценка неизвестной функции распределения случайной величины;

- проверка гипотез о параметрах распределения или о виде неизвестного распределения;

- оценка зависимости случайной величины от одной или нескольких случайных величин и т.д.

Случайную величину будем называть генеральной совокупностью.

Исходным материалом для изучения свойств генеральной совокупности являются статистические данные, т.е. значения , полученные в результате повторения случайного опыта (измерения случайной величины ). Предполагается, что опыт может быть повторён сколько угодно раз в неизменных условиях. Это означает, что распределение случайной величины , , заданной на множестве исходов -го опыта, не зависит от и совпадает с распределением генеральной совокупности .

Набор независимых в совокупности случайных величин , где соответствует -му опыту, называют случайной выборкой из генеральной совокупности . Число называется объёмом выборки.

Совокупность чисел , полученных в результате -кратного повторения опыта по измерению генеральной совокупности , называется реализацией случайной выборки или просто выборкой объёма .

В основе большинства результатов математической статистики лежит выборочный метод, состоящий в том, что свойства генеральной совокупности устанавливаются путём изучения тех же свойств на случайной выборке.

 

Математи́ческое ожида́ние — среднее значение случайной величины, распределение вероятностей случайной величины, рассматривается в теории вероятностей. В англоязычной литературе и в математическом сообществе Санкт-Петербурга обозначается через в русской — M[X] (возможно, от англ. Mean value или нем. Mittelwert, а возможно от рус. Математическое ожидание). В статистике часто используют обозначение μ.

Дисперсия, в математической статистике и теории вероятностей, наиболее употребительная мера рассеивания, т. е. отклонения от среднего. В статистическом понимании Дисперсии.

Дисперсия вычисляется по формуле

Среднее квадратичное отклонение — это квадратный корень из среднего арифметического всех квадратов разностей между данными величинами и их средним арифметическим. Среднее квадратичное отклонение принято обозначать греческой буквой сигма σ