- •Министерство образования и науки российской федерации
- •Дифференциальные уравнения первого порядка
- •Уравнения с разделёнными и разделяющимися переменными
- •Однородные уравнения первого порядка
- •Линейные уравнения первого порядка
- •Уравнение в полных дифференциалах
- •Интегрирующий множитель
- •Дифференциальные уравнения высших порядков
- •Уравнения вида
- •Уравнения второго порядка, приводящиеся к уравнениям первого порядка
- •Линейные однородные уравнения. Определения и общие свойства
- •Линейные однородные уравнения второго порядка с постоянными коэффициентами
- •Линейные однородные уравнения го порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения второго порядка
- •Неоднородные линейные уравнения второго порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения высших порядков
- •Системы обыкновенных дифференциальных уравнений
- •Системы линейных дифференциальных уравнений с постоянными коэффициентами
- •Р я д ы Числовые ряды Числовой ряд. Сумма ряда. Необходимый признак сходимости ряда
- •Достаточные признаки сходимости рядов с положительными членами
- •Знакопеременные ряды
- •Функциональные ряды
- •Ряды Тейлора и Маклорена
- •Ряды Фурье
- •Ряды Фурье для четных и нечетных функций
- •Ряд Фурье для функции с периодом
- •К о м б и н а т о р и к а
- •Общие правила комбинаторики
- •Соединения в комбинаторике
- •Размещения без повторений
- •Перестановки без повторений
- •Сочетания без повторений
- •Размещения с повторениями
- •11 12 13 14 15 16 17 19
- •Перестановки с повторениями
- •Т е о р и я в е р о я т н о с т е й Случайные события Основные понятия теории вероятностей
- •Основные теоремы теории вероятностей Теорема сложения вероятностей несовместных событий
- •Зависимые и независимые события. Условная вероятность
- •Теорема умножения вероятностей
- •Теорема сложения вероятностей совместных событий
- •Вероятность появления хотя бы одного события
- •. Формула полной вероятности
- •Формула Бейеса
- •Повторение испытаний
- •Формула Бернулли
- •Локальная теорема Лапласа
- •. Формула Пуассона
- •Интегральная теорема Лапласа
- •Случайные величины Случайная величина. Виды случайных величин
- •Закон распределения вероятностей дискретной случайной величины
- •Числовые характеристики дискретных случайных величин
- •Математическое ожидание дискретной случайной величины
- •Дисперсия дискретной случайной величины
- •Плотность распределения вероятностей непрерывной случайной величины
- •Числовые характеристики непрерывных случайных величин
- •Законы распределений
- •Равномерное распределение
- •Нормальное распределение
- •. Правило трёх сигм
- •Показательное распределение
- •Функция надёжности
- •Элементы математической статистики Основные сведения из математической статистики
- •Статистическое распределение выборки. Полигон и гистограмма
- •1 4 6
- •10 15 25
- •Статистические оценки параметров распределения
- •Оценка генеральной дисперсии по исправленной выборочной
- •Точность оценки, доверительная вероятность (надёжность). Доверительный интервал
- •Методы расчёта сводных характеристик выборки
- •Сведение первоначальных вариант к равноотстоящим
- •Оценка отклонения теоретического и эмпирического распределений от нормального. Асимметрия и эксцесс
- •Элементы теории корреляции
- •. (1)
- •(4) . (5) Корреляционная таблица
- •Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •Методика вычисления выборочного коэффициента корреляции
- •. Статистическая проверка статистических гипотез
- •Линейное программирование Задача линейного программирования
- •Построение математической модели
- •Графическое решение задачи линейного программирования
- •Симплексный метод решения задачи линейного программирования
- •Решение задачи 1 симплексным методом
- •Искусственное начальное решение. Метод больших штрафов.
- •Особые случаи применения симплекс-метода
- •1.7.2 Бесконечное множество решений
- •1.7.4 Неограниченные решения
- •1.7.5 Промежуточное вырожденное решение
- •Задача о назначениях
- •4 Изменение запаса ресурса продукта а 7
- •1 Изменение единицы стоимости продукта а 4
- •Заключение
Плотность распределения вероятностей непрерывной случайной величины
Рассмотрим интервал и определим вероятность того, что непрерывная случайная величина примет значения, заключённые в этом интервале. Согласно свойству 2 имеем. Разделим эту величину на ширину интервала, получим величину вероятности, приходящейся на единицу длины интервала:, которую назовём средней плотностью распределения вероятности на интервале. Введём понятие плотности распределения вероятности в данной точке, определив её как предел средней плотности на интервале при условии, чтои указанный предел существует. Обозначим эту плотность распределения вероятностей через, тогда
Плотностью распределения вероятностей непрерывной случайной величины называют функцию- первую производную от функции распределения:
Зная плотность распределения , можно найти функцию распределения. А именно. Таким образом:
Заметим, что закон распределения непрерывной случайной величины может быть задан как функцией распределения, так и плотностью распределения. Для дискретной случайной величины имеет смысл только функция распределения вероятностей (почему?).
Найдём вероятность того, что непрерывная случайная величина примет значение, принадлежащее интервалу .. Итак
Плотность распределения обладает следующими свойствами:
.
В частности, если все возможные значения случайной величины принадлежат интервалу , то
.
Из дифференциального исчисления известно, что . Так как, получим
.
Последнее выражение означает: вероятность того, что случайная величина примет значение, принадлежащее интервалу , приближённо равна произведению плотности вероятности в точкена длину интервала. В этом заключается вероятностный смысл плотности распределения.
Числовые характеристики непрерывных случайных величин
Понятие математического ожидания и дисперсии дискретной величины могут быть распространены на непрерывную случайную величину. Только при этом вероятность того, случайная величина примет данное значение , следует заменить на вероятность попадания случайной величины в бесконечно малый интервал шириной , а суммирование – интегрированием. Из определения функции распределении следуетУмножая наи интегрируя от, получим следующую формулу, определяющую математическое ожидание непрерывной случайной величины:
при условии, что несобственный интеграл сходится.
Математическим ожиданием непрерывной случайной величины , возможные значения которой принадлежат отрезку , называют определённый интеграл
Дисперсией непрерывной случайной величины называют математическое ожидание квадрата её отклонения. Если возможные значения принадлежат отрезку
.
При решении задач часто пользуются преобразованной формулой дисперсии. А именно
Законы распределений
При решении задач приходится сталкиваться с различными распределениями непрерывных случайных величин. Плотности распределений непрерывных случайных величин называют также законами распределений. Часто встречаются законы равномерного, нормального и показательного распределений.
Равномерное распределение
Распределение вероятностей называют равномерным, если на интервале, которому принадлежат все возможные значения случайной величины, плотность распределения сохраняет постоянное значение.
Найдём плотность равномерного распределения , считая, что все возможные значения случайной величины принадлежат интервалу , на котором плотность сохраняет постоянное значение. Заметим, что по условию не принимает значений вне интервала, т.е.
Найдём постоянную С. Так как все возможные значения случайной величины принадлежат интервалу то. Откудаи плотность распределения примет вид: