![](/user_photo/2706_HbeT2.jpg)
- •Элементы комбинаторики, размещения, перестановки, сочетания.
- •Случайные события, алгебра событий, формулы де Моргана.
- •Классическая вероятность, теорема сложения вероятностей.
- •Статистическое определение вероятности, геометрическая вероятность.
- •Аксиоматическое определение вероятностей.
- •7. Независимость двух событий и в совокупности.
- •8.Полная группа событий, формула полной вероятности, формула Байеса.
- •9. Схема Бернулли, формула Бернулли, наивероятнейшее число схемы Бернулли.
- •10. Локальная и интегральная формулы Муавра-Лапласа в схеме Бернулли.
- •11. Функция Гаусса и функция Лапласа, их применения и свойства
- •12. Формула Пуассона
- •13. Оценка вероятности отклонения частоты от среднего и частости от вероятности в схеме Бернулли.
- •14. Случайн. Величина как функция на вероятностном пространстве, ф-ция распред.
- •15. Дискретная случайная величина (дсв), полигон распределения, свойства функции распределения
- •17.Математическое ожидание, дисперсия и среднее квадратическое отклонение дискретной св, их свойства.
- •18. Биномиальное, геометрическое, гипергеометрическое распределение, их среднее и дисперсия.
- •25. Вероятность отклонения от седнего и вероятность попадания на промежуток для номальной св.
- •32. Ковариация и корреляция св, свойства коэффициента корреляции.
- •33. Двумерное нормальное распределение.
- •34. Преобразование св, теорема о функции плотности преобразованной абсолютно непрерывной св.
- •35. Теорема о функции плотности распределения суммы компонент абсолютно непрерывной двумерной св (формула свертки)
- •37. Неравенства Маркова и Чебышева.
- •39. Центральная предельная теорема
- •Генеральная совокупность и выборка, выборочный метод
- •41.Вариационный ряд выборки.
- •42.Выборочная ф-я распределения, ее св-ва и связь с генеральной ф-ей распределения.
- •43. Выборочное среднее и дисперсия, исправленная выборочная дисперсия
- •44.Точечные оценки параметров генеральной совокупности, оценка среднего и дисперсии.
- •45.Несмещенность, состоятельность и эффективность точечных оценок.
- •46. Свойства точечных оценок среднего, дисперсии и доли
- •47.Интервальная оценка параметра ген. Сов-сти, доверительная вероятность.
- •48.Интервальная оценка для среднего норм. Ген. Сов-ти для известной и неизвестной дисперсии
25. Вероятность отклонения от седнего и вероятность попадания на промежуток для номальной св.
Вероятность того,
что отклонение СВ Х, распределенной по
нормальному закону, от математического
ожидания а не превысит величину
(по абсолютной величине), равна
«Правило трёх сигм» :
Вероятность
попадания значений нормальной СВ Х в
интервал [
]
пределяется формулой
32. Ковариация и корреляция св, свойства коэффициента корреляции.
Коэффициентом
ковариации двух случайных величин Х и
Y
называется число, определяемое формулой:
cov(X,Y)=M[(X-ax)(Y-ay)]
= М(XY)-MX*MY.
Либо cov(X,Y)=
.
Здесь
.
Тогда коэффициентом корреляции будет
называться число corr(X,Y)=
.
Свойства cov:
Симметричность: cov(X,Y)= cov(Y,Х)
cov(X,Х)=DX
Если X,Y независимы, то cov(X,Y)=0
cov(CX,Y)=C cov(X,Y)
cov(X+C,Y)= cov(X,Y)
Свойства corr(r):
Если X и Y независимы, то
. Обратное утверждение неверно.
Если
, то X и Y являются зависимыми СВ
Если Y=aX+b, то
, где
Из свойств коэффициента корреляции следует, что он является мерой линейной зависимости СВ X и Y.
33. Двумерное нормальное распределение.
Случайная величина
распределена по двумерному нормальному
закону, если ее совместная плотность
имеет вид
Двумерный нормальный
закон определяется параметрами
,
,
,
,
,
которые имеют смысл:
Теорема: если
то
величины X
и Y
являются некоррелированными. Если две
нормальные величины некоррелированы,
то они независимы. В общем случае это
утверждение неверно.
34. Преобразование св, теорема о функции плотности преобразованной абсолютно непрерывной св.
Пусть дана СВ X,
для которой каждой величине X(x1,…,
xn)
соответствует вероятность P(p1,
..., pn)
– таблица распределения. Задана функция
y=
Тогда
можно рассмотреть новую преобразованную
СВ Y=
,
для которой величине
соответствует
вероятность ,
–
таблица распределения. Теорема о функции
плотности преобразованной СВ: пусть X
– непрерывная СВ,
Пусть
Y
– преобразованная СВ. Тогда функция
плотности
. Замечание: если
имеет отрицательную производную, то
нужно поставить модуль. Если
частично монотонна, то указанная формула
также справедлива, но нужно поставить
модуль (
).
35. Теорема о функции плотности распределения суммы компонент абсолютно непрерывной двумерной св (формула свертки)
Пусть имеются две
СВ – X
и Y,
рассматриваемых как двумерная величина
(т.е. они имеют
одну плотность PX,Y(x,y).
Рассмотрим новую СВ Z=X+Y,
для которой необходимо найти плотность
Pz.
По определению Fz(z)=P(Z<z)=P(X+Y<z).
Тогда
и
Поскольку
x+y=z,
то y=z-x.
Тогда имеем формулу свертки
.
Теорема: пусть X,
Y
– двумерная СВ с функцией плотности
PX,Y(x,y).
Тогда СВ Z=X+Y
имеет функцию плотности, определяемую
формулой S-свертки
или
37. Неравенства Маркова и Чебышева.
Если значение случайной величины Х неотрицательны и существует математическое ожидание МХ = а, то для любого ε>0
Р (Х ≤ ε) ≥ 1 – a/ε
Или
Р (Х > ε) < a/ε
Неравенство называется неравенством Маркова.
Если случайная величина имеет дисперсию DX, то справедливо неравенство Чебышева:
Р (|Х – a| ≤ ε) ≥ 1 – DX/ε2
Или
Р (|Х – a| > ε) < DX/ε2
38. Теорема Чебышева.(Закон больших чисел)
Имеется последовательность случайных величин X1, X2, X3, …, Xn, … Независимы и одинаково распределены со средними MXi = a и дисперсиями DXi = DX, то справедлива теорема Чебышева:
Из этого неравенства при n → ∞ следует закон больших чисел:
Смысл закона больших чисел заключается в том, что средние значения случайных величин стремятся к их математическому ожиданию при n → ∞ по вероятности. Отклонение средних значений от математического ожидания становится сколь угодно малым с вероятностью, близкой к единице, если n достаточно велико. Другими словами, вероятность любого отклонения средних значений от а сколь угодно мала с ростом n.