- •1.Основные понятия теории вероятностей. Классическое, статистическое и геометрическое определения вероятности. Основные понятия тв.
- •Статистическое определение вероятности
- •Геометрическое определение вероятности
- •2. Алгебраические операции над событиями. Отношение м/д событиями. Аксиоматическое определение вероятности события. Отношение м/д событиями
- •Аксиоматическое определение вероятностей события
- •3.Основные свойства вероятностей. Правило сложения вероятностей. Условные вероятности. Теорема умножения вероятностей. Независимые события.
- •4.Формула полной вероятности. Формула Байеса.
- •5.Повторение испытаний. Формула Бернулли.
- •6.Локальная и интегральная теоремы Лапласа.
- •7. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях.
- •8. Наивероятнейшее число появлений события при повторных испытаниях по схеме Бернулли.
- •9. Случайные величины. Закон распределения вероятностей. Биноминальное распределение. Геометрическое распределение.
- •10. Распределение Пуассона.
- •11. Функция распределения св и ее свойства.
- •12. Непрерывные св. Равномерный закон распределения.
- •13 Показательный закон распределения. Нормальный закон распределения.
- •14 Многомерные случайные величины. Ф-ция распределения многомерной случайной величины, её свойства.
- •15 Двумерные непрерывные св. Плотность распределения вероятностей двумерной св, её свойства
- •16 Двумерные св. Условные законы распределения.
- •17 Независимые случайные величины. Критерий независимости.
- •18 Функции случайных величин, их законы распределения.
- •19.Числовые характеритики св.
- •20.Моменты распределения одномерной св.
- •21.Ковариация и коэффициент линейной корреляции 2 св, их свойства.
- •22.Условное мат ожидание
- •23. Двумерное нормальное распределение. Условие независимости некоррелированных св.
- •24.Теорема об условных распределениях компанент двумерной нормально распределенной св.
- •25 Характеристические функции случайных величин, их свойства. Примеры
- •26. Неравенства Маркова и Чебышева.
- •27. Теорема Чебышева. Теорема Маркова.
- •28. Центральная предельная теорема.
- •29. Теорема Ляпунова. Интегральная теорема Лапласса.
- •30. Распределение выборки. Эмпирическая функция распределения.
- •33. Оценка дисперсии случайной величины.
- •34. Неравенство Рао-Крамера. Следствие для несмещенной оценки
- •35. Эффективная оценка мат. Ожидания нормальной распределенной величины.
- •36. Асимптотически эффективные и сверх эффективные оценки. Теорема о состоятельности оценки.
- •37. Условные законы распределения. Условное мат. Ожидание.
- •38.Достаточные статистики. Критерий факторизации
- •39.Теорема Колмагорова – Блекуэлла.
- •41. Метод моментов
- •42. Распределение….
- •43. Распределение Стьюдента.
- •44. Теоремы о случайной величине, имеющей распределение Стьюдента.
- •45. Распределение Фишера. Теорема о случайной величине, имеющей распределение Фишера
- •46 Доверительный интервал для мат. Ожидания нормально распределенной с.В.( -неизвестно)
- •47 Доверительный интервал для мат. Ожидания нормально распределенной с.В.( -известно)
- •48 Доверительный интервал для дисперсии нормально распределеннной с.В.
- •55 Проверка гипотезы о равенстве двух дисперсий нормально распределенный с.В.
16 Двумерные св. Условные законы распределения.
Опр: пусть (Х,У) дискретная двумерная СВ. Условным законом распределения случайной компоненты Х при условии, что компонента У приняла определенное значение называется совокупность возможных значений компоненты Х и соответств этим значениям условных вероятн
Аналогично определяется условный закон распределения случайной компоненты У при условии, что Х приняло определенное значение .
.
Опр: пусть (Х,У) – непрерывная 2-мерная СВ. Условной плотностью компоненты Х, при условии, что компонента У приняла определенное значение у, называется неотрицательная ф-ция действительной переменной х определенной при всех следующ формулой:
, где - одномерная плотн распр одномерн СВ
Аналогично определяется условная плотность .
Если известна плотность совместного распределения, то условные плотности компонент находятся по следующим формулам:
Условная плотность обладает св-вами:
17 Независимые случайные величины. Критерий независимости.
Опр: СВ называются независимыми, если закон распределения любого числа из них не зависит от того, какие возможные значения приняли остальные величины.
Равносильное опр: СВ называются независимыми (совокупностями), если для любого набора событий { }(i=1,2,3…n) где произвольные подмножества числовой оси, выполняется равенство: .
Для дискретной СВ равносильное определение: дискретные случайные величины называются независимыми, если для любых значений случайного вектора ( ) выполняется равенство:
Для непрерывных СВ :
Непрерывные СВ называются независимыми, если интервалов числовой оси выполняется равенство:
Теорема 1: случайные величины независимы т.т.т., когда в любой точке ( ) имеет место равенство:
Теорема 1: непрерывные СВ независимы когда выполняется равенство:
Док-во: Х, У -независимые СВ
по теореме 1 события Х и У независимые.
Для дискретной СВ:
Для непрерывн СВ Х,У:
18 Функции случайных величин, их законы распределения.
Опр: пусть дана ф-ция одной переменной с областью определения D(f), и пусть дана некоторая СВ Х все значения которой принадлежат D(f). Тогда, если Х приняла значение х, будем считать, что новая СВ У приняла значение f(x). Эта новая СВ называется ф-цией СВ Х. В этом случае записываем: Y=f(X).
I. Выясним как найти распределение ф-ции одной СВ по известному распределению дискретного аргумента.
а) если различным возможным значениям аргумента Х соответствуют различные возможные значения ф-ции У, то вероятности соответствующих значений Х и У между собой равны:
б) если различным возможным значениям Х соотв значения У, среди которых есть равные между собой, то следует складывать вероятности повторяющихся вероятностей:
II. Та же задача ставится и для непрерывного аргумента: имеется плотность распределения СВ – р(х), а через нее хотим выразить .
Теорема: если f(x) дифференцируемая строго возрастающая ил строго убывающая ф-ция, обратная ф-ция которой , то имеет место равенство
Док-во: пусть и пусть множество значений СВ А это отрезок [a,b].
Ф-ция распределения СВ Y=f(X) имеет вид
f(x) - возрастает возрастает
Замечание: можно рассматривать также ф-ции от 2 и более случайных величин