
- •1. Предмет теории вероятностей. Понятие случайного события.
- •2. Основные типы событий, алгебра событий.
- •3.Понятие вероятности события. Классическое, статистическое и геометрическое определение вероятности. Свойства вероятностей.
- •Урны и шарики
- •Урновая схема: выбор без возвращения, с учетом порядка
- •Урновая схема: выбор без возвращения и без учета порядка
- •Урновая схема: выбор с возвращением и с учетом порядка
- •Урновая схема: выбор с возвращением и без учета порядка
- •8.Формула полной вероятности.
- •9. Формула Бейеса.
- •10. Формула (схема) Бернулли.
- •11. Предельные теоремы в схеме Бернулли. Формула Пуассона и условия её применимости.
- •Предельные теоремы для схем Бернулли
- •Пуассоновское приближение
- •Нормальное приближение
- •О применимости предельных теорем в схеме Бернулли
- •12. Локальная и интегральная теорема Муавра-Лапласа.
- •13. Дискретные случайные события и возможности их описания.
- •15. Функция распределения и её свойства. Вероятность попадания случайной величины на заданный интервал.
- •16. Плотность распределения и её свойства. Вероятностный и геометрический смысл плотности распределения.
- •17. Математическое ожидание случайной величины и его свойства.
- •18. Дисперсия и среднее квадратическое отклонение случайной величины. Свойства дисперсии. Производящая функция.
- •19. Мода и медиана. Моменты случайных величин. Асимметрия и эксцесс. Квантили распределения.
- •20. Математическое ожидание и дисперсия числа появления события в независимых опытах.
- •21. Непрерывная случайная величина. Числовые характеристики непрерывных случайных величин.
- •Кривая распределения вероятностей.
- •22. Закон равномерного распределения.
- •23. Экспонентный закон распределения.
- •24. Нормальное распределение. Функция Лапласа. Вероятность попадания в заданный интервал.
- •25. Функция распределения двумерной случайной величины.
- •26. Плотность распределения вероятностей двумерной случайной величины и её свойства.
- •27. Зависимость и независимость двух случайных величин. Числовые характеристики двумерной с.В. Математическое ожидание и дисперсия.
- •28. Корреляционный момент. Коэффициент корреляции. Свойства ковариации и коэффициента корреляции.
- •Свойства ковариации Править
- •29. Предельные теоремы теории вероятностей. Неравенство и теория Чебышева
- •31. Центральная предельная теорема.
- •32. Математическая статистика. Основные понятия.
- •33. Генеральная совокупность и выборка. Характеристики выборки. Способы отбора.
- •34. Статистическое распределение выборки.
- •35. Эмпирическая функция распределения.
- •36. Полигон и гистограмма.
- •37. Статистические оценки параметров распределения.
- •39. Точечная и интервальная оценки. Доверительный интервал. Методики нахождения точечных оценок.
- •40. Метод статистических гипотез.
Пуассоновское приближение
Верна следущая предельная теорема:
Теорема Пуассона:
Пусть
,
таким образом, что
,
где
- заданное число. Тогда для любого
фиксированного
.
Другими
словами, в описанном предельном переходе
биномиальные вероятности
аппроксимируются пуассоновским
распределением.
Доказательство:
Для
краткости будем считать, что ,
.Тогда
,
поскольку
выражение в квадратных скобках стремится
к единице, если фиксировано,
а
.
Нормальное приближение
Здесь
мы рассмотрим случай, когда число
испытаний в схеме Бернулли растет
,
а вероятность успеха в единичном
испытании
остается фиксированной.
Верна так называемая интегральная теорема Муавра-Лапласа.
Теорема Муавра-Лапласа:
Пусть
- число успехов в последовательности
из
независимых испытаний Бернулли с
вероятностью успеха в единичном испытании
.
Пусть
.
При
(2),
где .
Замечание 1.
Функция
,
появившаяся в этой теореме, называется
функцией распределения
стандартного нормального закона.
Дл
язначений
этой функции существуют подробные
таблицы. Отметим, что она
не
зависит ни от каких параметров.
Следовательно, предел в теореме
Муавра-Лапласа является универсальным,
так как он не зависит от
параметра ,
который имеется в допредельном выражении.
На
самом
деле,
эта теорема является частным случаем
другой, еще более универсальной центральной
предельной теоремы.
Замечание 2.
Чтобы
понять смысл выражения
(3),
необходимо
вспомнить, что и
.
Таким образом, это выражение имеет
вид
.
Легко видеть, что
,
а
.
Преобразование
(3) называется центрированием
и нормированием случайной величины
.
Замечание 3.
В
предельном переходе ",
"
фиксировано"
каждая
"индивидуальная" вероятность стремится
к нулю. Асимптотика этого стремления
описывается так называемой локальной
предельной теоремой.
Что же касается интегральной предельной
теоремы Муавра-Лапласа, то можно сказать,
что она описывает предельное поведение
сумм большого числа таких малых
вероятностей.
Действительно,
,
таким
образом, в последней сумме содержится
много (порядка )
слагаемых.
Замечание 4.
Скорость сходимости в (2) хорошо изучена. Имеет место так называемая оценка Берри-Эссеена:
Существует
такое ,
что
.
О применимости предельных теорем в схеме Бернулли
Следует различать ситуации, когда к схеме Бернулли можно применить пуассоновскую, а когда нормальную аппроксимации. Из формулировок теорем Пуассона и Муавра-Лапласа, а также Замечания 4 можно вывести следующие общие правила:
1.Если велико,
а
не
велико, следует пользоваться пуассоновским
приближением;
2.Если велико
и
велико,
то можно применять нормальное приближение.
На
практике в ситуации, когда имеет
порядок сотен, поступают следующим
образом: если
,
то применяют пуассоновское приближение;
если же
имеет
порядок нескольких десятков, топользуются
нормальной аппроксимацией.
12. Локальная и интегральная теорема Муавра-Лапласа.
Локальная теорема Лапласа
Использование
формулы Бернулли при больших
значениях требует
выполнения арифметических действий
над огромными числами, что обусловлено
наличием факториалов в формуле для
числа сочетаний. Поэтому, если число
испытаний
достаточно
велико, то для нахождения вероятности
появления события
ровно
раз
применяют следующую теорему.
Теорема. Если
вероятность
появления
события
в
каждом испытании постоянна и отлична
от нуля и единицы, то вероятность
того,
что событие
появится
в
испытаниях
ровно
раз,
приближенно равна (тем точнее, чем
больше
)
значению функции
.
Для
положительных значений аргумента
значения функции
приведены
в специальной таблице. Для отрицательных
значений аргумента пользуются той же
таблицей и свойством четности функции
,
то есть
.
Таким
образом, вероятность того, что
событие
появится
в
испытаниях
ровно
раз,
приближенно равна
,
где
.
Интегральная теорема Лапласа
Теорема. Если
вероятность появления
события
в
каждом испытании постоянна и отлична
от нуля и единицы, то вероятность
того,
что событие
появится
в
испытаниях
от
до
раз,
приближенно равна определенному
интегралу
,
где
.
При
решении задач, требующих применения
интегральной теоремы Лапласа, используют
специальную таблицу для интеграла
.
В ней приведены значения функции
(которую
называют функцией
Лапласа)
для
.
Если
,
то принимают
.
Для
пользуются
той же таблицей и свойством нечетности
функции Лапласа, то есть
.
Для
того чтобы можно было пользоваться
таблицей, преобразуем формулу из
интегральной теоремы Лапласа:
Таким
образом, вероятность того, что
событие
появится
в
испытаниях
от
до
раз,
может быть вычислена по формуле
,
где
.