- •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
31.Нормальный закон распределения двумерной случайной величины. Двумерное нормальное распределение
Двумерная случайная величина XY распределена нормально, если ее плотность вероятности f(x,y) имеет вид
32.Неравенство Маркова.
Маркова неравенство – неравенство, дающее возможность оценить производную многочлена на некотором отрезке, если известна оценка для самого многочлена на этом отрезке.
Если многочлен Pn(x) степени n на отрезке [–1; 1] удовлетворяет условию то на этом отрезке справедливо неравенство
33.Неравенство Чебышева. Следствия. Первая форма неравенства Чебышева.Вероятность того, что отклонение случайной величины Х от ее математического ожидания, а произойдет по абсолютной величине постоянное число Е>0, не больше , т.е. . (61)
Вторая форма неравенства Чебышева Вероятность того, что отклонение случайной величины Х от ее математического ожидания, а не произойдет по абсолютной величине постоянного числа Е>0, не меньше , т.е. . (62)
34.Теорема Чебышева. Закон больших чисел в форме Чебышева и его значение.
Если случайные величины Хi, i=1,2…,n,
независимы и одинак. распределены со
средними МХi =a и дисперсиями DXi =DX,
то справедлива теорема Чебышева:
n
P(|1/n сумма ( Xi) - a | <= e ) >= 1- DX/ne*e
i=1
Из этого неравенства при n стр-ся к беск-ти
следует закон больших чисел
n
limP(|1/n сумма (Xi )- a| <=e)=1
n-& i=1
Смысл закона закл . в том, что средние значения
случайных величин стремятся к их мат. ожиданию
при n- & по вероятн. Отклонение средн. значений
от мат.ожидания стан-ся сколь угодно малым с
вероятностью, близкой к 1, если n достаточно
велико или вероятность любого откл. средн. знач.
от а сколь угодно мала с ростом n.
(e – это эпсилон.)
35.Теорема Бернулли. Закон больших чисел в форме Бернулли и его значение.
Теорема Бернулли:
Если вер-ть наст-я соб-я А в каж-м из n повторных нез-х испыт-й пост-на, то при неогран-м увел-ии числа n исп-й отн-я частота наст-я соб-я А стрем-ся по вер-ти к числу p, т.е. для >0
Т-ма Б-ли явл-ся теор-ким обосн-ем для стат-го опр-я вер-ти.
Неравенство Бернулли:
Пусть n исп-й Бернулли с вер-ю успеха p, q=1-p и m – число успехов. Тогда для >0
Пусть производится последовательность независимых испытаний, в результате каждого из которых может наступить или не наступить событие А, причем вероятность наступления этого события одна и та же при каждом испытании и равна р. Если событие А фактически произошло m раз в n испытаниях, то отношение m/n называют, как мы знаем, частотой появления события А. Частота есть случайная величина, причем вероятность того, что частота принимает значение m/n, выражается по формуле Бернулли (13): Закон больших чисел в форме Бернулли состоит в следующем: с вероятностью, сколь угодно близкой к единице, можно утверждать, что при достаточно большом числе опытов частота появления события А как угодно мало отличается от его вероятности, т. е.
|
(55) |
иными словами, при неограниченном увеличении числа n опытов частота m/n события А сходится по вероятности к Р(А). (Доказательство) Мы говорили (см. § 1, п. 1), что при большом числе испытаний частота Р*(А)=m/n события А обладает свойством устойчивости. Это обстоятельство находит свое объяснение в законе больших чисел Бернулли.