- •Вопрос 1
- •1.1. Размещения
- •1.2. Понятие факториала
- •1.3. Размещения с повторениями
- •1.4. Сочетания
- •1.5. Сочетания с повторениями
- •1.6. Перестановки
- •1.7. Перестановки с повторениями
- •Вопрос 3 Классическое, статистическое, геометреческое и аксеоматическое определение вероятности события
- •Вопрос4 Теорема сложения вероятностей несовместных событий. Следствие:Теорема сложения вероятностей совместных событий.
- •Вопрос 5 Условная вероятность. Независимые события. Теорема умножения вероятностей. Вероятность произведения конечного числа событий.
- •Вопрос 6 Формула полной вероятности. Формула Байеса.
- •2) Формула Байеса
- •Вопрос 7 Испытания Бернулли. Формула Бернулли. Локальная и интегральная теоремы Муавра-Лапласа.
- •1)Два испытания, b: “только в одном успех”
- •Вопрос 8 Формула Пуассона
- •Вопрос 9 Понятие случайной величины. Дискретная случайная величина. Закон распределения дискретной случайной величины. Функция распределения дискретной случайной величины.
- •Вопрос 10 Математическое ожидание дискретной случайной величины. Свойства математического ожидания. Дисперсия дискретной случайной величины и ее свойства.
- •Вопрос 11 Основные законы распределения вероятностей дискретной случайной величины: Бернулли, биномиальное, геометрическое, распределение Пуассона, (гипергеометрическое)
- •Вопрос 12 Функция распределения вероятностей непрерывной случайной величины и ее свойства
- •Вопрос 13 Плотность распределения вероятностей непрерывной случайно величины и ее свойства.
- •Вопрос 14 Математическое ожидание и дисперсия непрерывной случайной величины.
- •Вопрос 15 Числовые характеристики случайной величины: центральные и начальные моменты, среднее квадратическое отклонение, мода и медиана, асимметрия и эксцесс, квантиль, процентная точка.
Вопрос 15 Числовые характеристики случайной величины: центральные и начальные моменты, среднее квадратическое отклонение, мода и медиана, асимметрия и эксцесс, квантиль, процентная точка.
Начальный момент к-го порядка случайной величины Х есть математическое ожидание к-ой степени этой случайной величины:
При К=0
К=1 - математическое ожидание;
К=2
Центрированной случайной величиной называется случайная величина, математическое ожидание которой находится в начале координат(в центре числовой оси), т.е М[]=0
Операция центрирования(переход от нецентрированной величины Х к центрированной )
=Х – mx
Центральный момент порядка k случайной величины X есть математическое ожидние k-й степени центрированой случайной величины :
При К=0
К=1 - математическое ожидание;
К=2 -дисперсия.
Среднее квадратическое отклонение случайной величины Х характеризует ширину диапазона значений Х и равно:
СКО измеряются в тех же физических единицах, что и случайная величины.
Правило 3.
[]
Математическое ожидание и дисперсия (или СКО)- наиболее часто применяемые характеристики случайной величины. Они характеризуют наиболее важные черты распределения: его положение и степень разбросанности значений. Для более подробного описания используются начальные и центральные моменты высших порядков. Кроме математического ожидания на практике часто применяются и другие характеристики положения распределения значений.
Мода случайной величины равна ее наиболее вероятному значению, т.е. то значение, для которого вероятность pi (для дискретной случайной величины) или F(x) (для непрерывных случайных величины) достигает максимума:
F(x=max), p(X=M0)= max
Распределение с одним максимумом плотности распределения называется «универсальным». Если многоугольник распределения или кривая распределения имеют более одного максимума, распределение называют «полимодальным». Если распределение обладает не максимумом, а минимумом, то оно называется «антимодальным».
Медиана случайной величины Х равна такому ее значению, для которого выполняется условие p{X<Me}=p{XMe}. Медиана , как правило, существует только для непрерывных случайных величин. Значение Me может быть определено как решение одного из следующих
Уравнений:
F(Me)= 0,5
В точке Me площадь, ограниченная кривой распределения, делится пополам.
Квантиль p случайной величины Х- это такое ее значение, для которого выполняется условие
P{X<p }=F(p )=p
Очевидно, что медиана – это квантиль 0,5.