Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Теория вероятностей в примерах и задачах на языке R

Покупка
Основная коллекция
Артикул: 777837.02.01
Доступ онлайн
от 532 ₽
В корзину
Частному лицу
Бумажная книга
2 683 ₽
Купить
Купить в составе основной коллекции от 1 490 ₽
В учебнике излагаются основные понятия и методы теории вероятностей, их реализация средствами языка R. Приведено много примеров и задач с подробными решениями. Соответствует требованиям федеральных государственных образовательных стандартов высшего образования последнего поколения. Для студентов, обучающихся по направлениям подготовки «Экономика», «Бизнес-информатика», аспирантов, научных сотрудников и преподавателей.

Теория вероятностей в примерах и задачах на языке R: Краткий обзор учебника

В данной статье представлен обзор учебника С.Я. Криволапова "Теория вероятностей в примерах и задачах на языке R", предназначенного для студентов, аспирантов и преподавателей экономических, бизнес-информационных и смежных специальностей. Учебник охватывает основные концепции и методы теории вероятностей, подкрепленные многочисленными примерами, задачами и их подробными решениями, реализованными с использованием языка R.

Основные положения и структура учебника

Учебник начинается с введения в основы языка R, включая установку, загрузку библиотек, типы данных, работу с векторами, матрицами, арифметическими операциями, условными операторами и циклами. Также рассматриваются основы программирования пользовательских функций, константы, математические функции и функции округления. Особое внимание уделяется функциям комбинаторики и моделированию случайных выборок, что является ключевым для понимания последующих разделов. Далее следует обзор основных понятий теории вероятностей, включая случайные события, случайные величины, их свойства и операции над ними.

Основная часть учебника посвящена классическим разделам теории вероятностей: исчислению событий, комбинаторике, вероятностным моделям с конечным и бесконечным вероятностным пространством, условным вероятностям, формулам полной вероятности и Байеса. Рассматриваются способы описания законов случайных величин, функция распределения и плотность распределения, числовые характеристики случайных величин, примеры законов дискретных и абсолютно непрерывных случайных величин, производящие и характеристические функции, функции от случайных величин, случайные векторы и предельные теоремы.

Применение языка R и метод Монте-Карло

Одной из ключевых особенностей учебника является активное использование языка R для решения задач. Автор приводит примеры реализации различных методов теории вероятностей с помощью R, что позволяет студентам на практике освоить материал и развить навыки работы с современными вычислительными инструментами. Особое внимание уделяется методу статистических испытаний (методу Монте-Карло), который используется как для проверки аналитических решений, так и для получения приближенных решений задач, не имеющих аналитических решений.

Основные темы и примеры

Учебник охватывает широкий спектр тем, включая:

  • Исчисление событий: операции над событиями, свойства операций, формулы де Моргана.
  • Комбинаторика: правила суммы и произведения, перестановки, размещения, сочетания, формулы бинома Ньютона.
  • Вероятностные модели: классическое определение вероятности, геометрическая вероятность, выбор с возвращением и без возвращения, биномиальная схема испытаний, полиномиальное распределение, геометрическое распределение, отрицательное биномиальное распределение, распределение Пуассона.
  • Случайные величины: функция распределения, плотность распределения, математическое ожидание, дисперсия, стандартное отклонение, квантили, моды, характеристики.
  • Условные вероятности и независимость событий: условная вероятность, теорема умножения, формула полной вероятности, формула Байеса.
  • Функции случайных величин: линейные функции, логнормальное распределение, экспоненциальное распределение, хи-квадрат распределение, распределение Стьюдента, распределение Фишера, распределение Коши, гамма-распределение.
  • Случайные векторы: двумерное нормальное распределение, условные законы распределения, ковариация, коэффициент корреляции.
  • Предельные теоремы: закон больших чисел, центральная предельная теорема.

Каждая тема сопровождается подробными примерами и задачами с решениями, что способствует лучшему пониманию материала.

Заключение

Учебник С.Я. Криволапова представляет собой ценный ресурс для студентов и преподавателей, изучающих теорию вероятностей. Благодаря подробному изложению материала, большому количеству примеров и задач с решениями на языке R, он обеспечивает прочную основу для понимания основных концепций и методов теории вероятностей и их применения на практике.

Текст подготовлен языковой моделью и может содержать неточности.

406

Только для владельцев печатной версии книги: чтобы получить доступ к дополнительным материалам, пожалуйста, введите последнее слово на странице №173 Вашего печатного экземпляра.

Криволапов, С. Я. Теория вероятностей в примерах и задачах на языке R : учебник / С. Я. Криволапов. — Москва : ИНФРА-М, 2024. — 412 с. + Доп. материалы [Электронный ресурс]. — (Высшее образование). — DOI 10.12737/1898404. - ISBN 978-5-16-017941-4. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2141610 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
ТЕОРИЯ ВЕРОЯТНОСТЕЙ 
В ПРИМЕРАХ И ЗАДАЧАХ 
НА ЯЗЫКЕ R
С.Я. КРИВОЛАПОВ
УЧЕБНИК
Москва 
ИНФРА-М 
202


УДК 519.2(075.8)
ББК 22.17я73
 
К82
Р е ц е н з е н т ы:
Н.В. Белотелов, кандидат физико-математических наук, доцент, 
старший научный сотрудник Федерального исследовательского 
центра «Информатика и управление» Российской академии наук;
О.В. Шашков, кандидат физико-математических наук, доцент, доцент Департамента математики Финансового университета при Правительстве Российской Федерации
ISBN 978-5-16-017941-4 (print)
ISBN 978-5-16-110952-6 (online)
Материалы, отмеченные знаком 
, 
доступны в электронно-библиотечной системе Znanium
© Криволапов С.Я., 2023
Криволапов С.Я.
К82  
Теория вероятностей в примерах и задачах на языке R : учебник / 
С.Я. Криволапов. — Москва : ИНФРА-М, 2024. — 412 с. + Доп. материалы [Электронный ресурс]. — (Высшее образование). — DOI 
10.12737/1898404.
ISBN 978-5-16-017941-4 (print)
ISBN 978-5-16-110952-6 (online)
В учебнике излагаются основные понятия и методы теории вероятностей, их реализация средствами языка R. Приведено много примеров и задач с подробными решениями.
Соответствует требованиям федеральных государственных образовательных стандартов высшего образования последнего поколения.
Для студентов, обучающихся по направлениям подготовки «Экономика», «Бизнес-информатика», аспирантов, научных сотрудников и преподавателей.
УДК 519.2(075.8)
ББК 22.17я73


Основные обозначения
P
 — вероятность события A.
(
)
|
A B
P
  — условная вероятность события A при  условии события B.
( )
X
F
x  — функция распределения случайной величины X.
( )
X
f
x  — плотность распределения случайной величины X.
(
)
X
E
 — математическое ожидание случайной величины X.
2
(
),
X
X
s
Var
 — дисперсия случайной величины X.
X
s  — стандартное (среднее квадратическое) отклонение случайной величины X.
(
)
k X
ν
 — начальный момент k-го порядка случайной величины X.
(
)
k X
m
  — центральный момент k-го порядка случайной величины X.
X
A  — коэффициент асимметрии случайной величины X.
X
E  — коэффициент эксцесса случайной величины X.
med
x
 — медиана случайной величины X.
mod
x
 — мода случайной величины X.
xa — квантиль уровня a случайной величины X.
1
x
a
-a
w
=
 — 100 %
a
-ная точка случайной величины X.
Bin( ;
)
n p  — случайная величина, распределенная по биномиальному закону с параметрами n и p.
Geom( )
p  — случайная величина, распределенная по геометрическому закону с параметром p.
NB( ;
)
r p  — случайная величина, распределенная по отрицательному биномиальному закону с параметрами r и p.
Pois( )
l  — случайная величина, распределенная по закону Пуассона с параметром l.
HGeom( , , )
m n k  — случайная величина, распределенная по гипергеометрическому распределению с  параметрами m (число 
элементов типа I в  общей совокупности), n (число элементов 
типа II), k (объем выборки).
( ; )
a s

 — случайная величина, распределенная по нормальному 
закону с параметрами a и s.
za — квантиль уровня a стандартной нормально распределенной 
случайной величины X.
( , )
a s

  — случайная величина, распределенная по  логнормальному закону с параметрами a и s.
Unif( ; )
a b  — случайная величина, равномерно распределенная 
на отрезке [ ; ]
a b .


Exp( ; )
a b   — случайная величина, равномерно распределенная 
по экспоненциальному закону с параметром l.
n
T  — случайная величина, распределенная по закону Стьюдента 
с числом степеней свободы n.
;n
ta  — квантиль уровня a случайной величины, распределенной 
по закону Стьюдента с числом степеней свободы n.
2n
χ  — случайная величина, распределенная по закону хи-квадрат 
с числом степеней свободы n.
2;n
a
χ
 — квантиль уровня a случайной величины, распределенной 
по закону хи-квадрат с числом степеней свободы n.
;n k
F
 — случайная величина, распределенная по закону Фишера 
с числом степеней свободы n и k.
; ;n k
fa
 — квантиль уровня a случайной величины, распределенной 
по закону Фишера с числом степеней свободы n и k.
0
C(
, )
x
g  — случайная величина, распределенная по закону Коши 
с параметрами 
0
x  и g.
( ; )
a
Γ
q  — случайная величина, имеющая гамма-распределение 
с параметрами a и q.
( )
x
Γ
 — гамма-функция, ( )
1
0
a
t
x
t
e dt
∞
-
-
Γ
= ∫
.
0
P(
;
)
x
a  — случайная величина, распределенная по закону Парето с параметрами 
0
x  и a.
cov(
,
)
X Y  — ковариация случайных величин X и Y.
xy
r  — коэффициент корреляции случайных величин X и Y.
x — выборочное среднее.
2
ˆ X
s  — выборочная дисперсия.
ˆ X
s  — выборочное стандартное отклонение.
Значок ∫
 обозначает начало решения задачи или  доказательство утверждения, проводимое аналитическим способом, без 
использования средств языка R.
Значок R  обозначает начало решения задачи, проводимое с использованием средств языка R.
Значок 
 обозначает окончание решения задачи или доказательства утверждения.


Предисловие
Книга представляет собой изложение основ теории вероятностей. Особенностями изложения являются подробный разбор 
примеров на каждую тему и полное решение приведенных 175 
задач с активным применением средств языка R. Использование 
языка R дало возможность включить в рассмотрение отдельные задачи и некоторые темы, важные с точки зрения приложений теории 
вероятностей и не рассматриваемые в традиционных курсах из-за 
их повышенной сложности. Много внимания уделено методу статистических испытаний (методу Монте-Карло) как для проверки 
имеющихся аналитических решений, так и для получения приближенного решения задач, не имеющих аналитических решений.
Приводится справочный материал о математических средствах 
языка R, используемых в дальнейшем изложении. Дается понятие 
о методе Монте-Карло и методах его применения в задачах теории 
вероятностей.
Рассмотрены традиционные разделы учебного курса теории вероятностей:
 
• исчисление событий;
 
• введение в комбинаторику;
 
• вероятностные модели с конечным и бесконечным вероятностным пространством;
 
• условные вероятности, формулы полной вероятности и Байеса;
 
• способы описания законов случайных величин, функция распределения и плотность распределения случайной величины;
 
• числовые характеристики случайных величин;
 
• примеры законов дискретных и абсолютно непрерывных случайных величин;
 
• производящие и характеристические функции;
 
• функции от случайных величин;
 
• случайные векторы, условные распределения;
 
• предельные теоремы.
Книга может быть полезной бакалаврам, магистрантам и аспирантам, изучающим дисциплины «Теория вероятностей», «Математическая статистика», «Анализ данных», а также преподавателям 
соответствующих специальностей.
В результате изучения материалов учебника студент приобретет 
способность применять математические методы для решения стандартных теоретических и прикладных задач теории вероятностей, 


интерпретировать полученные математические результаты. Кроме 
того, он будет:
знать
 
• основные понятия теории вероятностей, в том числе исчисление 
случайных событий и случайных величин;
 
• предельные теоремы теории вероятностей;
уметь
 
• выбирать вероятностные модели, подходящие для исследования 
соответствующих случайных признаков;
 
• моделировать с помощью метода статистических испытаний 
случайные признаки, описывающие статистические системы;
владеть навыками
 
• использования компьютерных технологий при реализации математических методов и моделей;
 
• вычислительной работы в RStudio.


ПРЕДВАРИТЕЛЬНЫЕ СВЕДЕНИЯ
1.1. ВВЕДЕНИЕ В СРЕДСТВА ЯЗЫКА R
Установка. Для установки R нужно перейти по ссылке https://
cran.r-proect.org и скачать загрузчик R.
Для установки RStudio нужно перейти по ссылке https://www.
rstudio.com/products/rstudio/downloads/ и  скачать загрузчик 
RStudio.
Оператором комментария является символ решетки #. Строчные 
и прописные буквы различаются.
Для вывода на экран нужно набрать имя переменной или использовать функцию печать print().
Для вывода справки о функции с именем F набрать ?F.
Загрузка библиотек. Библиотеки, отсутствующие в  базовой 
версии языка, необходимо установить один раз для  каждого 
компьютера. Например, требуется библиотека «DeskTools». Команда для установки: install.packages(“DeskTools”). В дальнейшем 
всякий раз, когда нужно использовать этот пакет, необходимо в начале сессии запускать команду активации: library(DeskTools). Альтернативным вариантом является запись используемой функции 
пакета с  указанием перед ее наименованием названия пакета 
с двойным двоеточием. Например, вызов функции числа размещений: DeskTools::CombN. В тексте книги используется второй вариант.
Арифметические операции. Присваивание: x <– 10 или x = 10. 
Сложение, вычитание, умножение, деление, возведение в степень: 
+, -, *, \, ^. Целочисленное деление: целая часть — %/%, остаток 
от деления — %%.
Типы данных
Логические (logical): TRUE — истина, FALSE — ложь.
Проверка на равенство: ==.
Пример 1.1
a <- 5
a == 4
FALSE
Целочисленные (integer).
Вещественные числа (numeric).


Комплексные числа (complex).
Текстовые (character).
Списки (list).
Проверить тип.
Пример 1.2
x <- 1:7
is.integer(x)
TRUE
Векторы. Векторы могут содержать данные только одного типа.
Способы задания векторов
1.  Функция c().
Пример 1.3
c(1,3,7)
c
1,3,7
2.  Совокупность последовательных целых чисел.
Пример 1.4
1:10
1 2 3 4 5 6 7 8 9 10
5:0
5 4 3 2 1 0
3.  Функция seq(from, to, by).
Пример 1.5
seq(2, 14, 3)
2 5 8 11 14
4.  Совокупность одинаковых чисел.
rep(x, times)
Пример 1.6
rep(0,5)
0 0 0 0 0
Индексирование
Пример 1.7
a <- 11:20
a[3]
13


a[6:8]
16 17 18
a(c(2,4,6))
12 14 16
Все, кроме первых пяти:
a[-c(1:5)]
16 17 18 19 20
С помощью условного оператора:
a[a > 18]
19 20
a[a > 10 & a < 15]   # & — логическое "И"
11 12 13 14
a[a == 12 | a == 20]  # | — логическое "ИЛИ"
12 20
Атрибуты вектора
Тип данных — функция mode().
Длина вектора — функция length().
Пример 1.8
a <- c(1,4,8)
mode(a)
"numeric"
length(a)
3
Действия над векторами. Арифметические операции выполняются почленно:
a <- c(1,2,3)
b <- c(5,0,-1)
a+b
6 2 2
a*b
5 0 -3
2^b
32.0 1.0 0.5
Сортировка — функция sort()
Пример 1.9
a <- c(7,3,5,9,6,3,4)
b <- sort(a)
b


3 4 5 6 7 9
c <- sort(a, decreasing=TRUE) # В порядке убывания
c
9 7 6 5 4 3 3
Некоторые характеристики вектора
a <- c(1,4,2,5,2)
sum(a)   # Сумма всех элементов
14
prod(a)  # Произведение всех элементов
80
max(a)   # Максимальное значение
5
min(a)   # Минимальное значение
0
diff(a)  # Попарные разности соседних элементов
3 -2  3 -3
mean(a)  # Выборочное среднее
         # (среднее арифметическое)
2.4
var(a)   # Выборочная дисперсия
4.3
sd(a)    # Выборочное стандартное отклонение
2.0736
Матрицы. Функция matrix(x, nrow, ncol) — матрица из nrow 
строк и  ncol столбцов, составленная из  элементов вектора x. 
По умолчанию заполняется по столбцам.
Пример 1.10
M1 <- matrix(c(1,2,3,4,5,6), nrow=2, ncol=3)
         # Можно указать только количество строк
         # или только количество столбцов
M1
      [,1] [,2] [,3]
[1,]    1    3    5
[2,]    2    4    6
M2 <- matrix(c(1,2,3,4,5,6), nrow=2, byrow=T)
           # byrow=T (или TRUE — истина) –
           # задает способ заполнения по строкам
M2
      [,1] [,2] [,3]
[1,]    1    2    3


Доступ онлайн
от 532 ₽
В корзину
Частному лицу
Бумажная книга
2 683 ₽
Купить
Купить в составе основной коллекции от 1 490 ₽