- •1. Комбинаторика: основные принципы, понятия и формулы.
- •2. Предмет теории вероятностей
- •3. Основные понятия теории вероятностей: опят, исход опыта, пространство элементарных исходов. Примеры.
- •4. Основные определения теории вероятностей: случайные события, благоприятствующие исходы, совместные и несовместные события.
- •6. Операции над событиями. Алгебра событий.
- •7. Аксиоматическое определение вероятности.
- •8. Важнейшие свойства вероятностей.
- •9.Классическое определение вероятности.
- •10. Геометрическое определение вероятности.
- •11. Статическое определение вероятности.
- •12. Зависимые и независимые события, их взаимность. Определение условной вероятности и следствие из него.
- •13. Полная вероятность.
- •14. Формула Байеса.
- •15.Схема Бернулли:n однотипных независимых испытаний. Основные задачи в схеме Бернулли.
- •16. Визуализация опыта, удовлетворяющего схеме Бернулли. Вывод формулы Бернулли.
- •17. Применение формулы Бернулли при решении 2 основных задач в схеме Бернулли.
- •18.Применение формулы Пуассона при решении двух основных задач в схеме Бернулли.
- •19. Применение формулы Муавра-Лапласа при решении 2 основных задач в схеме б ернулли.
- •20.Наивероятнейшее число «успехов» в серии n испытаний по схеме Бернулли.
- •21. Случайная величина как функция, ее область определения и область значения. Примеры.
- •22. Классификация случайных величин.
- •23. Способы задания свдт.
- •24. Функция плотности вероятности f(X) как способ задания свнт. Свойства функции плотности.
- •25. Функция распределения вероятностей f(X): ее определения и свойства.
- •26. Математическое ожидание свдт: определение и свойства.
- •27. Математическое ожидание свнт: определение и свойства.
- •28. Дисперсия свдт: определение и свойства.
- •29. Дисперсия свнт: определение и свойства.
- •30. Биномиальное распределение.
- •31. Бернуллиевское распределение.
- •32. Геометрическое распределение.
- •33.Гипергеометрическое распределение
- •34. Распределение Пуассона.
- •35.Равномерное дискретное распределение.
- •36. Равномерное непрерывное распределение.
- •График:
- •37. Экспоненциальное распределение.
- •38. Нормальное распределение.
График:
Функцию распределения
(x)
как интеграл с переменным верхним
пределом найдем с помощью функции
плотности и получим:
F(x)=
P
(с<x<d)= F(d)-F(c), если d,c лежат в промежутке от a до b, то это выражение будет равно (d-c)/(b-а).M(X) = (a+b)/2
D(X)=
12
37. Экспоненциальное распределение.
П
оказательное
распределение СВНТ Х (экспоненциальное)
– СВНТ Х имеет экспоненциальное
распределение с параметром λ, если f(x)
СВНТ Х задана 2 аналитическими выражениями.
1)Следует найти функцию распределения.
2) Найдем вероятность попадания х в промежуток.
3) Найдем математическое ожидание.
4) дисперсия равна ( )2
38. Нормальное распределение.
СВНТ Х распределена по нормальному
закону с параметрами
,
если ее функция плотности имеет вид:
Где х – независимая переменная ( -
),
- это параметры, то есть переменные,
которые сохраняют постоянные значения
до окончания процесса (
( -
),
,
п=3,14; е=2,718).
Так как функция не выражается с помощью элементарной функции, то найдем следующие параметры:
P(а<x<b)= F(b) - F(a), но запись не выражается через элементарную функцию. Тогда: СВНТ Х – N (М(х)=0;
),
для которой значение функции распределения
табулировано. Значит P(
<x<b)=
F(b) - F(
)=
P(
<x
- а<b-а)= P(
<
<
)=
Ф
)
- Ф(
).
(Значение табулировано: формула Лапласа).
39. Правило «трёх
сигм» для нормального распределения
вероятностей.
На
практике правило трех сигм применяют
так: если распределение изучаемой
случайной величины неизвестно, но
условие, указанное в приведенном правиле,
выполняется, то есть основание
предполагать, что изучаемая величина
распределена нормально; в противном
случае она не распределена
нормально.
РАСПРЕДЕЛЕНА ПО НОРМАЛЬНОМУ
ЗАКОНУ: Х –N(M(x)=a,
)
Р(а-3
<x< a+3
)=
P(
<
<
)=
P(-3<Z<3)=F(3)-F(-3)=2Ф(3)=
0,9973
