- •4. Совместные и несовместные события. Теоремы сложения вероятностей.
- •5.Зависимые и независимые события. Условная вероятность. Теоремы умножения вероятностей.
- •7.Формула полной вероятности и формула Байеса.
- •8. Повторные независимые испытания. Формула Бернулли.
- •10.Локальная и интегральная теоремы Муавра-Лапласа.
- •12.Теорема Пуассона (вывод формулы).
- •14.Функция распределения дискретной случайной величины, ее свойства и график
- •16.Дисперсия дискретной случайной величины и ее свойства. Среднее квадратичное отклонение. Размерность дисперсии и среднеквадратичного отклонения.
- •17.Биномиальный закон распределения и его числовые характеристики (вывод формулы).
- •18.Закон Пуассона и его числовые характеристики (вывод формулы). Простейший поток событий.
- •21. Плотность распределения вероятностей непрерывной случайной величины и ее свойства.
- •22.Математическое ожидание и дисперсия непрерывной случайной величины.
- •23.Равномерный закон распределения и его числовые характеристики.
- •25.Нормальный закон распределения, его параметры и их вероятностный смысл. Зависимость формы нормальной кривой от параметров.
- •28.Функция Лапласа и ее связь с функцией распределения нормальной случайной величины.
- •29.Моменты случайных величин. Асимметрия и эксцесс.
- •31.Нормальный закон распределения двумерной случайной величины. Двумерное нормальное распределение
- •32.Неравенство Маркова.
- •34.Теорема Чебышева. Закон больших чисел в форме Чебышева и его значение.
- •35.Теорема Бернулли. Закон больших чисел в форме Бернулли и его значение.
- •36.Понятие о центральной предельной теореме и ее следствиях.
- •40.Точечные оценки параметров генеральной совокупности. Средняя арифметическая и ее свойства.
- •41.Дисперсия вариационного ряда и ее свойства. Исправленная выборочная дисперсия.
- •43.Статистическая проверка гипотез. Критерий проверки, ошибки первого и второго рода, критическая область.
- •45.Модели и основные понятия регрессионного анализа.
- •События и вероятность
- •Повторные независимые испытания
- •Дискретные случайные величины
- •Непрерывные случайные величины
- •Законы больших чисел
- •Математическая статистика
28.Функция Лапласа и ее связь с функцией распределения нормальной случайной величины.
1) Распределение N(0;1) наз-ся станд-ным нормальным..Для стандартного распред-я плотность вер-ти равна: , а ф-я распред-я .
Ф-я Лапласа и ф-я распред-я НСВ Х с параметрами связаны соотнош-м: .
2)Получим формулу д/вычисления вер-ти попадания НСВ с параметрами в задан. интервал(α;β) через стандарт-е распред-е :
3)3σ Вер-ть того, что НСВ отклоняется от своего мат.ожид-я по модулю меньше, чем ε>0, определяется формулой . Если положить , то получим .
Отсюда вытекает, что среди 10000 значений НСВ в среднем только 27 выйдут за пределы интервала . Это означает, что практически среди небольшого числа значений Х нет таких, кот. выходят за пределы указанного интервала. Правило 3-х сигм часто применяется д/грубой оценки сигма: .
29.Моменты случайных величин. Асимметрия и эксцесс.
Моментом n-го порядка Х по отн-ию к знач-ию а Mn(a)=M(X-a)n, а=0-начальный момент ύn
ф=Ь(Ч)-центральный μn
Для ДСВ: ύn=
Для НСВ: ύn=
Можно показать что справедлива формула:
μn=
μ2=ύ2-ύ12
μ3=ύ3-3ύ2 ύ1+2ύ12
μ4=ύ4-4ύ1 ύ3+6ύ12 ύ2-3ύ14
На практике при изуч. распределения отличного от норм. необх. колич. оценить эти различия для этого вводятся вспомог.числ. хар-ки
ассиметрия и эксцесс.Центр.
момент 3-го порядка μ3 характ-ет отклонение распределения СВХ от симметрии относит. мат.ожид.За меру этого отклонения берут число:
α = μ3/σ3(х)-коэф.ассиметрии.
Ассиметрия всех распред-ий графики которых симметр. относит.прямой х=а=М(х) равна 0. Центр.момент 4-го порядка μ4 служит для хар-ки крутости распред-ия СВ Х по сравнению с крутостью распред-ия НСВ с мат.ожид.и дисп. такими же как и у Х.За меру этой крутости берут число: χ = [ μ4/σ4(х) ] -3
30.Функция распределения, плотность распределения двумерной случайной величины и их свойства. Закон распределения составляющих .Функцией распределения F(x, y) двумерной случайной величины (X, Y) называется вероятность того, что X < x, a Y < y:
F( х, у ) = p ( X < x, Y < y ). (8.1)
Рис.1Это означает, что точка (X, Y) попадет в область, заштрихованную на рис. 1, если вершина прямого угла располагается в точке (х, у).Плотностью совместного распределения вероятностей (двумер-ной плотностью вероятности) непрерывной двумерной случайной величины называ-ется смешанная частная производная 2-го порядка от функции распределения: . (8.2)Замечание. Двумерная плотность вероятности представляет собой предел отношения вероятности попадания случайной точки в прямоугольник со сторонами Δх и Δу к площади этого прямоугольника при Свойства двумерной плотности вероятности.1) f(x, y) ≥ 0 (см. предыдущее замечание: вероятность попадания точки в прямоуголь-ник неотрицательна, площадь этого прямоугольника положительна, следовательно, предел их отношения неотрицателен).
2) (cледует из определения двумерной плотности вероятно-сти). 3) (поскольку это вероятность того, что точка попадет на плос-кость Оху, то есть достоверного события). Условной плотностью φ(х/у) распределения составляющих Х при данном значении Y = у называется .
Аналогично определяется условная плотность вероятности Y при Х = х .