![](/user_photo/2706_HbeT2.jpg)
- •1. События и операции над ними
- •2. Классическое определение вероятности
- •3. Статистическое определение вероятности
- •4. Геометрическое определение вероятности
- •5. Теорема сложения вероятностей
- •6. Произведение событий
- •7. Условная вероятность
- •8. Теорема сложения вероятностей совместных событий
- •9. Формула полной вероятности
- •10. Вероятность гипотез. Формулы Бейеса
- •11. Формула Бернулли
- •12. Локальная теорема Лапласа
- •13. Интегральная теорема Лапласа
- •14. Дискретные и непрерывные случайные величины
- •15. Закон распределения вероятностей дискретной случайной величины.
- •16. Биномиальное распределение
- •17. Распределение Пуассона
- •18. Геометрическое распределение
- •19. Гипергеометрическое распределение
- •20. Математические операции над случайными величинами
- •21. Числовые характеристики дискретных случайных величин
- •22. Математическое ожидание дискретной случайной Величины
- •23. Вероятностный смысл математического ожидания
- •24. Свойства математического ожидания
- •25. Отклонение случайной величины от ее математического ожидания
- •26. Дисперсия дискретной случайной величины
- •27. Формула для вычисления дисперсии
- •28. Свойства дисперсии
- •29. Среднее квадратическое отклонение
- •30. Начальные и центральные теоретические моменты
- •31. Закон больших чисел
- •32. Функция распределения случайной величины
- •33. Непрерывные случайные величины. Плотность вероятности
- •34. Мода и медиана. Квантили. Моменты случайных величин. Асимметрия и эксцесс
- •35. Моменты непрерывной случайной величины
- •36. Равномерный закон распределения
- •37. Показательный (экспоненциальный) закон распределения
- •38. Нормальный закон распределения
- •39. Вероятность попадания в заданный интервал нормальной случайной величины
- •40. Вычисление вероятности заданного отклонения
- •41. Распределение "хи квадрат"
- •42. Распределение Стьюдента
- •43. Система двух случайных величин
- •1. Генеральная и выборочная совокупности
- •2. Повторная и бесповторная выборки. Репрезентативная выборка
- •3. Способы отбора из генеральной совокупности.
- •4. Статистическое распределение выборки.
- •5. Эмпирическая функция распределения.
- •6. Полигон и гистограмма.
- •7. Статистические оценки параметров распределения.
- •8. Несмещенные, эффективные и состоятельные оценки.
- •9. Средние значения количественного признака X.
- •10. Дисперсии количественного признака X.
- •11. Оценка генеральной дисперсии по исправленной выборочной.
- •12. Точность оценки, доверительная вероятность (надежность). Доверительный интервал.
- •13. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ.
- •14. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном σ.
- •15. Доверительные интервалы для оценки среднего квадратического отклонения σ нормального распределения.
- •16. Статистическая проверка статистических гипотез.
- •17. Отыскание правосторонней критической области.
- •18. Отыскание левосторонней и двусторонней критических областей.
16. Биномиальное распределение
Биноминальным
называют распределение вероятностей,
определяемой формулой Бернулли
Этот закон назван «биноминальным»
потому, что правую часть равенства
можно рассматривать как общий член
разложения Бинома Ньютона:
Первый
член разложения
определяет вероятность наступления
рассматриваемого события n
раз в n
независимых испытаниях …последний
член
определяет вероятность того, что событие
не появится ни разу.
Можно записать Биноминальный закон в виде таблицы:
17. Распределение Пуассона
При больших n использовать ф-лу Бернулли не удобно.
Теорема.
Если вер-сть р наступления соб. А в
каждом испытании →к 0 при n→∞,
причем произведение np
→к постоянному числу λ, то вероятность
Pm,n
того, что соб. А появится m
раз в n
независимых испытаниях, удовлетворяет
предельному равенству
.
По ф-ле Бернулли Pm,n=
pmqn-m;
=n!\(n-m)!m!=n(n-1)...(n-m+1)\m!
– подставляем в ф-лу Бернулли и учитывая,
что lim
np=
λ (при n→∞),
т.е. при достаточно больших n,
p≈
λ\n.
Подставляем рm=
(λ\n)m.
Pm,n=(λm\m!)*[1*(1-1\n)(1-2\n)…(1-(m-1)\n)]*(1-
λ\n)n(1-
λ\n)-m.
Т.к. lim(1-1\n)=lim(1-2\n)=…=lim(1-(m-1)\n)=1
(при
n→∞), а
lim(1- λ\n)n=e-λ
и
lim(1- λ\n)-m=1,
то
limPm,n= λme-λ\m!
Но
согласно условия теор Пуассона: р→0,
n→∞,
np→λ,
λ≤10,
то Pm,n≈
λme-λ
\
m!.
Определение
Пусть
где
>0,
к=0,1,2…
Тогда говорят, что случайная величина Х имеет пуассоновское распределение с параметром .
Вычислим математическое ожидание и дисперсию такой случайной величины. По определению имеем
Если в сумме k= 0, то соответствущее слагаемое равно нулю, так как 0! = 1. Поэтому
,
(с учетом
).
^=о
Вычислим
DX.
Предварительно вычислим
.
Пользуясь тождеством
имеем
Вторая
сумма уже вычислена и равна
,
а первая равна
Поэтому
18. Геометрическое распределение
Определение. Пусть
,
где
0 < р <
1, q= р - 1,k
= 0, 1, 2,...
Тогда говорят, что случайная величина Х имеет геометрическое распределение.
Вычислим математическое ожидание и дисперсию такой случайной величины. Пользуясь теоремой о почленном дифференцировании степенных рядов, имеем
Вычислим МХ2. Пользуясь тождеством , имеем
Вторая
сумма уже вычислена и равна
,
а первая равна
Поэтому
.
19. Гипергеометрическое распределение
Вероятность
равна отношению числа исходов,
благоприятствующих событию
,
к числу всех элементарных исходов.
–эта
формула определяет распределение
вероятностей, которое называется
гипергеометрическим.
Если
n
значительно меньше N
(практически если
),
то
гипергеометрическое распределение
вероятности, близкие к вероятностям,
найденным по биноминальному закону.
. Теор (без док-ва). M(X)=nM\N, D(X)=(1-M\N)*(1-n\N)*n*M \(n-1).