- •1. Случайные события, их классификация. Понятие вероятности.
- •2. Алгебра случайных событий, диаграммы Вьенна-Эйлера.
- •7. Формула полной вероятности.
- •8. Формула Байеса.
- •9. Схема Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
- •18. Математическое ожидание и дисперсия непрерывной случайной величины и их свойства (без доказательства).
- •19. Начальные и центральные моменты.
- •2 0. Равномерный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •21. Показательный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •22. Поток событий. Простейший поток. Распределение промежутка времени между последовательными событиями простейшего потока.
- •24. Функция Лапласа и ее свойства. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило «трех сигм».
- •25. Неравенство Чебышева. Понятие о законе больших чисел. Теорема Чебышева (без док-ва). Теорема Бернулли (без док-ва).
- •26. Центральная предельная теорема (без док-ва). Локальная и интегральная теоремы Муавра-Лапласа.
- •27. Двумерные случайные величины, формы задания закона распределения.
- •28. Характеристики двумерной случайной величины: математическое ожидание и дисперсия компонент.
- •29. Зависимость случайных величин. Корреляционный момент и коэффициент корреляции, их свойства.
- •30. Предмет математической статистики. Генеральная совокупность, выборка, ее свойства.
- •31. Статистический и интервальный ряды распределения.
- •32. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
- •33. Свойства точечных оценок числовых характеристик и параметров распределения.
- •34. Точечная оценка математического ожидания и ее свойства.
- •35. Точечная оценка дисперсии, несмещенная оценка дисперсии.
- •36. Метод моментов. Метод максимального правдоподобия.
- •37. Интервальные оценки параметров распределения.
- •38. Интервальная оценка математического ожидания нормального распределения.
10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
Случайной величиной называется величина, которая в каждом испытании (при каждом наблюдении) принимает одно из множества своих возможных значений, заранее не известно, какое.
Дискретная с.в. – с.в., множество возможных значений которой конечно или счетно.
Ряд распределения с.в. (ряд распределения вероятности). График ряда распределения задается многоугольником распределения – ломанная, которая соединяет точки с координатами (xi,pi)
X |
x1 |
x2 |
x3 |
… |
xk |
… |
P |
p1 |
p2 |
p3 |
… |
pk |
… |
Закон распределения с.в.: pk=P({X=xk})
11. Функция распределения дискретной случайной величины и ее свойства.
Функцией распределения случайной величины Х называется функция FX(x) = P(X<x), .
Под (X<x) понимается событие, состоящее в том, что случайная величина Х примет значение, меньшее, чем число х. Если известно, о какой случайной величине идет речь, то индекс, обозначающий эту случайную величину, опускается: FX(x) = F(x).
Свойства:
Если , то
12. Математическое ожидание дискретной случайной величины и ее свойства.
Математическое ожидание дискретной случайной величины Х называется взвешенная сумма всех ее значений:
Свойства:
М(С) = С, С =const
M(C+X)=M(X)=C
M(C·X)=C·M(X)
M(X+Y)=M(X)+M(Y)
Если X, Y – независимые, то M(X·Y)=M(X) ·M(Y)
13. Дисперсия дискретной случайной величины и ее свойства.
Дисперсия случайной величины называется математическое ожидание квадрата ее отклонения от математического ожидания D(X) = M[(X-mX)2] или D(X) = M(X2) – (M(X))2;
Свойства:
D(C) = 0; C=const
D(X+C)=D(X)
D(C·X)=C2·D(X)
Если X, Y – независимые, то D(X+Y)=D(X) ·(D(Y)
Средним квадратичным отклонением Х называется неотрицательное значение квадратного корня из дисперсии:
14. Биноминальный закон распределения: ряд распределения и основные числовые характеристики.
, где n – число испытаний в схеме Бернулли, р – вероятность появления события в каждом испытании. Х = {0,1,2,…,n}
M(X)=np; D(X)=np(1-p)
15. Геометрический закон распределения.
, где р – вероятность появления события в каждом испытании; X = {1,2,3,…,k,…}
16. Пуассоновский закон распределения: ряд распределения и основные числовые характеристики.
Если n→∞, а р→0, то , где X = {0,1,2,…,k,…}; λ>0; λ=np – среднее число появлений события в n испытаний.
M(X)=D(X)= λ
17. Непрерывная случайная величина. Функция распределения и функция плотности вероятности, их свойства.
Случайная величина Х называется непрерывной, если она примет более чем счетное число значений.
fx(x) называется плотностью распределения случайной величины Х. График плотности распределении случайной величины Х называется кривой распределения случайной величины.
Свойства плотности распределения:
для всех : f(x)≥0;
∫f(z)dz = 1;
для всех точек , в которых существует производная F`(x).
Вероятность того, что непрерывная случайная величина Х примет конкретное число значения, равна нулю для всех : Р(Х=х0) = 0.
Вероятность попадания непрерывной случайной величины в числовой промежуток можно рассчитать: для всех : таких, что с<d:
Р(с≤X≤d) = P(c≤X≤d) = P(c≤X≤d) = P(c<X<d) = F(d)-F(c) = ∫f(x)dx.