- •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 .