- •Предмет теории вероятности. Основные задачи.
- •Понятие события, классификация
- •Классическое определение вероятности
- •Статистическое определение вероятности
- •Элементы комбинаторного анализа
- •Действия над событиями.
- •Теорема сложения вероятностей несовместных событий
- •Условная вероятность. Теорема умножения вероятностей. Независимые события.
- •Теорема сложения вер-тей совместных событий
- •Формула полной вероятности. Формула Байеса
- •Повторные независимые испытания. Формула Бернулли
- •Приближенные вычисления вероятностей в схеме испытаний Бернулли
- •Случайные величины. Закон распределение дискретной случайной величины
- •Математические операции над дсв
- •Математическое ожидание дсв
- •Математическое ожидание числа появлений события в нез. Исп.
- •Дисперсия дсв
- •Дисперсия числа появлений события в независимых испытаниях
- •Основные законы распределения дсв
- •Распределение Пуассона
- •Гипергеометрическое распределение
- •Функция распределения вероятностей случайной величины
- •График функции распределения дсв
- •Непрерывные случайные величины. График.
- •Теорема о вер-ти отдельно взятого значения нсв
- •Вероятность попадания нсв в заданный интервал
- •Плотность вероятности нсв
- •Нахождение функций по плотности распределения
- •Числовые характеристики случайных величин
- •Равномерный закон распределения нсв
- •Показательный закон распределения нсв
- •Нормальный закон распределения нсв
- •Нормальная кривая. Влияние параметров на ее форму.
- •Свойства случайной величины, распределенной по нормальному закону.
- •Закон больших чисел
- •Основные задачи математической статики
- •Сплошное и выборочное наблюдения. Генеральная и выборочная совокупности. Типы выборок. Репрезентативность.
- •Статистическое распределение выборки. Эмпирическая функция распределения. Полигон и гистограмма.
- •Оценка параметров генеральной совокупности. Свойства оценок.
- •Основные методы нахождения оценок.
- •Точечные оценки параметров генеральной совокупности по собственно-случайной выборке.
- •Интервальное оценивание. Предельная ошибка выборки.
Нахождение функций по плотности распределения
Числовые характеристики случайных величин
Модой(Mo(X)) CB X называется ее наиболее вероятное значение, т.е. значение, для кот. вер. pi или плотность вероятности f(x) достигает максимума. Если вер. или плотность вероятности достигает максимума не в одной, а в несколбких точках, то распредел. называется полимодальным.
Медианой (Me(X)) НСВ Х называется такое ее значение, для кот. вер. того, что X< Me(X) равна вер. того, что X> Me(X) и равна ½, т.е. вер. того, что СВ Х примет значение меньше Me или больше ее одна и таже и равна ½. Геометрически медиана – это вертикальн. прямая x= Me(X), проходящая через точку Me(X), кот. делит площадь фигуры кривой распределения на 2 равные части.
Коэффициент ассиметрии(А). A= , где - среднеквадратич. отклонение, - центральный момент 3-ей степени. Если распределение симметрично относительно мат. ожидания, то А=0.
Эксцессом или коэффициентом эксцесса называют число E= -3. Число 3 вычитается из соотношения , т.к. для наиболее часто встречающегося нормальн. распределения величина =3. Кривые более островершинные, чем нормальные обладают положительн. эксцессом, а более плосковершинные – отрицат. эксцессом.
Равномерный закон распределения нсв
Пусть X - НСВ, говорят, что НСВ распределена равномерно на [а,в], если плотность распределения(f(x)) постоянна(=с), а вне этого промежутка равна 0
Согласно св-в плотности распределения – полная площадь под кривой распределения =1, а для заданного распределения 1=с(в-а) => c=1/(в-а) =>X распределена равномерно если
Найдем ФРСВ равномерно распределенной на [a,b]
x<a
a<x<b
x>b
Найдем числовые характеристики
Показательный закон распределения нсв
Случайная величина распределена по показательному закону если
В таком случае
1. при x<0
2. x>0
MX= =1/λ
DX= =
Нормальный закон распределения нсв
Нормальный закон распределения задается плотностью распределения вида исследуем вид кривой распределения
1. ОДЗ x любое
2.
3. =0 =>x-a=0=>x=a-стационарная точка
Выясним смысл параметров а и σ
Покажем, что а=MX
Нормальная кривая. Влияние параметров на ее форму.
График плотности нормального распределения называется нормальной кривой или кривой Гаусса.
Нормальная кривая обладает следующими свойствами:
1) Функция определена на всей числовой оси.
2) При всех х функция распределения принимает только положительные значения.
3) Ось ОХ является горизонтальной асимптотой графика плотности вероятности, т.к. при неограниченном возрастании по абсолютной величине аргумента х, значение функции стремится к нулю.
4) Найдем экстремум функции.
Т.к. при y’ > 0 при x < m и y’ < 0 при x > m , то в точке х = т функция имеет максимум, равный .
5) Функция является симметричной относительно прямой х = а, т.к. разность
(х – а) входит в функцию плотности распределения в квадрате.
6) Для нахождения точек перегиба графика найдем вторую производную функции плотности.
При x = m + s и x = m - s вторая производная равна нулю, а при переходе через эти точки меняет знак, т.е. в этих точках функция имеет перегиб.
В этих точках значение функции равно .
Построим график функции плотности распределения.
Построены графики при т =0 и трех возможных значениях среднего квадратичного отклонения s = 1, s = 2 и s = 7. Как видно, при увеличении значения среднего квадратичного отклонения график становится более пологим, а максимальное значение уменьшается..
Если а > 0, то график сместится в положительном направлении, если а < 0 – в отрицательном.
При а = 0 и s = 1 кривая называется нормированной. Уравнение нормированной кривой: