- •2. Теоремы сложения и умножения вероятностей. Условные вероятности.
- •3. Дискретные случайные величины.
- •4.Непрерывные случайные величины.
- •5) Непрерывные и дискретные величины.
- •6. Непрерывные и дискретные случайные величины. Закон распределения Пуассона. Формулы для математического ожидания и дисперсии. Примеры.
- •7. Непрерывные и дискретные случайные величины. Плотность вероятности. Нормальный закон распределения. Математическое распределение и дисперсия. Графическое представление. Примеры.
- •8.Стандартное нормальное распределение
- •9. Понятие генеральной совокупности и выборки. Объём выборки, репрезентативность. Статистическое распределение (вариационный ряд). Примеры. Характеристики выборки
- •10. Оценка параметров генеральной совокупности по характеристикам её выборки (точечная и интервальная). (Параметры генеральной совокупности и характеристики выборки. Формулы, пояснения).
- •1Точечная
- •11 Графические характеристики случайных величин. Гистограмма. Характеристики положения (мода, медиана, выборочная средняя).
- •12. Прямые и косвенные измерения погрешности измерений абсолютная и относительная погрешности измерений систематическая приборная грубая случайная погрешности примеры
- •Вопрос 1.Мех волны
- •2. Звук.Виды звуков.Волнов.Сопротивление
- •4.Эффект доплера
- •9. Формула Стокса.
- •15.Закон Ома для переменного тока
- •17. Электрический диполь.
- •19.Токовый монополь. Токовый диполь. Электрическое поле токового
- •27. Принцип действия электронного усилителя, принципиальная схема на транзисторе.
- •29.Принцип работы электронного осциллографа.
- •30.Электроды для съема биоэлектрического сигнала
- •31. Датчики медико-биологической информации
- •32.Понятие об аналоговых, дискретных и комбинированных регистрирующих устройствах. Устройства отображения. Медицинское применение регистрирующих и отображающих устройств.
- •34.Частотная амплитудно-частотная характеристика усилителей. Линейные искажения. Полоса пропускания.
- •36Шкала электромагнитных излучений
- •40.Энергетические характеристики световых потоков, поток светового излучения и плотность потока(интенсивность). Волновая оптика. Дифракционная решетка. Дифракционный спектр.
- •42. Поляризация света.
- •43. Рассеяние света. Виды оптических неоднородностей. Показатель рассеяния. Закон Рэлея.
- •44.Поглощение света. Законы: Бугера, Бугера-Ламберта-Бара и тд.
- •46. Излучение Солнца.
- •48 Люминесценция. Спектры люминесценции…
- •49.Спектрофотометрия. Спектрофлуориметрия.
- •51. Виды радиоактивных излучений Радиоактивность.
- •54. Поглощённая и эквивалентная дозы ионизирующего излучения. Коэффициент качества для α-, β- ,μ-,
6. Непрерывные и дискретные случайные величины. Закон распределения Пуассона. Формулы для математического ожидания и дисперсии. Примеры.
Непрерывные величины принимают бесконечное число возможных значений в конечном, или в бесконечном интервалах изменения. Например, время, масса, объем.
Дискретные величины могут принимать конечное, счетное число случайных значений. Например, год рождения, число людей в автобусе, число страниц в книге.
Распределению Пуассона удовлетворяют вероятности появления заданного кол-ва редко происходящих случайных событий, наблюдаемый в серии из большого числа независимых опытов. Это распределение описывает дискретные, целочисленные неотрицательные случайные величины, появляющиеся с вероятностью р, много меньшей 1.
Pn(m)=/m!)* ,
Где m-число ожидаемых событий, Pn(m)-вероятность появления m искомых событий в серии из n независимых испытаний, μ-параметр распределения, совпадающий с математическим ожиданием, е-основание натурального логарифма.
Формулы для вычисления математического ожидания случайной величины.
Для дискретных величин M=∑Xi * Pi
Для непрерывных величин M=
Формулы для вычисления дисперсии случайной величины, среднеквадратического отклонения
Для дискретных величин D=∑(Xi-Xср)2 * Рi
Для непрерывных величин D=2 * f(x)dx
Среднеквадратическое отклонение δ=
7. Непрерывные и дискретные случайные величины. Плотность вероятности. Нормальный закон распределения. Математическое распределение и дисперсия. Графическое представление. Примеры.
Случайная величина (далее СВ) – величина, которая принимает значение в зависимости от стечения случайных обстоятельств. (Пр.: число больных на приеме врача, число студентов в аудитории, номер бочонка, когда его вынимают из мешка, при игре в лото и т.п.)
СВ называется дискретной (далее – ДСВ), если она принимает счетное множество значений. (Пр.: число букв на произвольной странице книге, число волос на голове человека, число молекул в выделенном объеме газа и т.п.)
СВ называется непрерывной (далее – НСВ), если она принимает любые значения внутри некоторого интервала. (Пр.: температура тела, масса зерен в колосьях пшеницы и т.п.)
Вероятность
- предел, к которому стремится частота события при неограниченном увеличении числа испытаний. (статистическое определение)
P(A)=limn→∞(m/n)
- отношение благоприятствующих случаев к общему числу равновозможных случаев к общему числу равновозможных несовместимых событий. (классическое опредедение) P(A)=(m/n)
Распределение вероятностей — закон, описывающий область значений СВ и вероятности их принятия.
Распределение ДСВ. Дискретная величина (Х) считается заданной, если указаны ее возможные значения (xn) соответствующие им вероятности Р(хn)=pn. Совокупность Х и Р называется распределением ДСВ.
Распределение НСВ.
dP=f(x)dx
dP – вероятность того, что НСВ Х принимает значения между х и х+dх. Вероятность dP прямо пропорциональна интервалу dx.
f(x) – плотность вероятности (функция распределения вероятностей). Показывает, как изменяется вероятность, отнесенная к интервалу dx случайной величины, в зависимости от самой этой величины.
f(x)=dP/dx
x
F(x)=∫f(x)dx - функция распределения НСВ. Равна вероятности того, что СВ
-∞
принимает значения, меньшие х.
F(x)=(-∞<X<x)
Нормальный закон распределения (закон Гаусса). СВ распределена по этому закону, если плотность вероятности имеет вид
a=M(X) – мат.ожидание СВ, σ – среднее квадратическое отклонение, σ2- дисперсия СВ.
Дисперсия СВ – МО отклонения случайной величины от ее МО.
D(X)=M[X-M(X)]
Удобная формула: D(X)=M(X2)-[M(X)]2
Кривая закона носит колокообразную форму, симметричную относительно прямой х=а (центр рассеивания). В точке х=а функция достигает максимума.
По мере возрастания |х-а| функция f(x) монотонно убывает, асимптотически приближаясь к нулю. С уменьшением σ кривая становится все более и более островершинной. Изменение а при постоянной σ не влияет на форму кривой, а лишь сдвигает ее вдоль оси абсцисс. Площадь, заключенной под кривой, согласно условию нормировки, равна единице. На рисунке изображены три кривые. Для кривых 1 и 2 а=0, но отличаются значением σ (σ1<σ2), кривая 3 имеет а≠0, σ=σ2.
Вычислим функцию распределения.
Обычно используют иное выражение. Введем новую переменную t=(x-a)/σ. Следовательно, dx=σdt. Подставляем это в формулу.
Значение функции Ф(t) обычно находят в составных таблицах, так как интеграл через элементарные функции не выражается. График:
Случайная величина при нормальном распределении может находится в интервале (х1, х2). Вероятность этого равна
Р(х1<x<х2)=Ф((х2-а)/σ)-Ф((х1-а)/σ)
Допустим, что произвольно из нормальных распределений выбираются группы по n значений СВ. Для каждой группы можно найти средние значения (х1, х2, хi). Они сами образуют нормальное распределение (только среднему значению будет соответствовать не вероятность, а относительная частота). МО будет соответствовать исходному, дисперсия и среднее квадратическое отклонение – отличаться в n и в √n соответственно.
Dn=D/n и σn=σ/√n.
На рисунке представлены графики нормальных распределений, полученных для групп со значением n, равными 1, 4, 16 и n→∞. При n=1 – исходное распределение, σn=σ. При n→∞ σn→0, фактически «группа СВ» - все исходное распределение, среднее значение выражается одним числом и соответствует МО, к которому сводится все распределение.