- •1.Случайные события. Действия над событиями.
- •2.Классическое определение вероятности и ее свойства.
- •3.Аксиоматическое определение вероятности.
- •4. Формулы комбинаторики. Гипергеометрическое распределение.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •9. Функция распределения вероятностей и её свойства.
- •10. Плотность распределения вероятностей и её свойства.
- •11. Математическое ожидание и его свойства.
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты
- •15. Основные дискретные распределения случайных величин.
- •16. Равномерное и показательное распределение.
- •17. Нормальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26. Эмпирическая функция распределения.
- •27. Гистограмма и полигон.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •33. Распределение , Стьюдента и Фишера.
- •1. Распределение (хи-квадрат).
- •Распределение Фишера.
- •34 Проверка статистических гипотез.
- •36. Критерий согласия Пирсона.
- •38. Сравнение дисперсий двух нормальных выборок.
- •39.Сравнение средних двух нормальных выборок.
- •40. Дисперсионный анализ.
- •41. Парная регрессия.
- •42. Парный коэффициент корреляции, его свойства.
- •43. Проверка гипотез о достоверности коэффициента корреляции.
- •44. Нелинейная парная регрессия
18. Двумерная функция распределения и ее свойства.
Многомерная случайная величина Х=(Х1, Х2, ... Хn) – это совокупность случайных величин Хi , заданных на одном и том же пространстве элементарных событий. Закон распределения вероятностей многомерной случайной величины Х задается ее функцией распределения
которая является числовой функцией многих переменных и как вероятность принимает значения на отрезке [0,1].
Свойства двумерной функции распределения совпадают с многомерной:
1. 0 , так как это вероятность.
2. F(x,y) –неубывающая функция.
3. F(x) непрерывна в каждой точке слева.
4. .
5. .
6. Вероятность того, что случайная точка попадет в замкнутый прямоугольник.
7.
Двумерный дискретный закон распределения изображается в виде таблицы, где в первой строке строчки перечисляются возможные значения случайной величины , в первом столбце возможные значения
|
|
|
|
|
Y1 |
P11 |
P12 |
|
P1n |
Y2 |
P21 |
P22 |
|
P2n |
|
|
|
|
|
Yn |
Pm1 |
Pm2 |
|
Pmn |
При этом должно выполняться условие нормировки
Обозначим одномерные законы распределения
|
X1 |
|
Xn |
P |
P1 |
|
Pn |
|
y1 |
|
yn |
P |
q1 |
|
qn |
любых x,y R выполняется соотношение
19. Двумерная плотность вероятности и ее свойства.
Случайный вектор называется непрерывным, если существует такая непрерывная неотрицательная функция p(x,y), что для При этом p(x,y) – двухмерная плотность вероятности.
Свойства.
1. p(x,y)=
2. P
3.
4.
20. Независимость случайных величин
Случайные величины 1, 2 называются независимыми, если для любых действительных чисел x1,…,xn R случайные события ( 1<X1),…, ( n<Xn) независимы.
Из определения независимых событий вероятность появления должна равняться произведению вероятностей
P( 1<X1,…, n<Xn )=P( 1<X1)…P( n<Xn)
Случайные события независимы, если многомерная функция распределения равна произведению функций распределения координат.
1. Дискретные случайные величины будут независимы, если . для всех ,
2. Непрерывные случайные величины. Они описываются плотностью вероятности, которая равнв производной n порядка по произв. хn
p(x,y)= Если случайные величины независимы, то .