- •1.Случайные события. Основные понятия. Классификация событий. Диаграммы Эйлера-Венна.
- •7. Основные понятия комбинаторики. Размещения. Перестановки. Их сходства и отличия. Выбор с возвращением и без.
- •8. Основные понятия комбинаторики. Размещения. Сочетания. Их сходства и отличия. Выбор с возвращением и без.
- •11. Теоремы сложения вероятностей для несовместных случайных событий (для двух случайных с доказательством)
- •15. Повторные независимые испытания. Формула Бернулли. Частная и общая теорема о повторении опытов в случае более двух исходов испытания.
- •18. Повторные независимые испытания. Приближение биномиального распределения при большом числе испытаний к нормальному. Интегральная теорема Муавра-Лапласа. Условия применения
- •20. Случайные величины. Виды случайных величин. Их сходства и отличия.
- •30. Медиана. Квантили и квартили случайной величины. Их значение и интерпретация. Неоднозначность определения у дискретных св.
20. Случайные величины. Виды случайных величин. Их сходства и отличия.
Случайная величина – переменная, которая в результате опыта в зависимости от случая принимает одно из множества значений (какое именно – неизвестно). С теоретико-множественной позиции СВ – функция, определенная на пространстве элементарных событий. Случайные величины бывают дискретные и непрерывные. Дискретная величина – принимает конечное или бесконечное счетное множество значений (можно пронумеровать натуральными числами). Непрерывная величина – это СВ, бесконечное и несчетное множество значений которой есть некоторый интервал (конечный или бесконечный) и она сплошь заполняет этот интервал. Дискретная величина задается законом распределения или функцией распределения, непрерывная СВ – функцией плотности и функцией распределения.
21. Дискретная СВ. Математическое ожидание и дисперсия. Основные законы распределения дискретных СВ (перечислить).
Дискретная величина – принимает конечное или бесконечное счетное множество значений (можно пронумеровать натуральными числами). Дискретная величина задается законом распределения или функцией распределения.
Закон распределения: где хi – значение СВ, pi - вероятность значений.
0≤ pi≤1 Σpi =1
Функция распределения F(x) – функция, выражающая для каждого х вероятность того, что СВ примет значение меньше х.
Математическое ожидание – это среднее значение СВ. Для дискретной СВ , для конечных n. Если СВ принимает бесконечное, но счетное число значений, если ряд сходится, то
Дисперсия характеризует разброс, рассеяние значение СВ вокруг её мат. ожидания. Для дискретной СВ с конечным числом значений n , для СВ, принимающей бесконечное, но счетное число значений (если ряд сходится) . Основные законы распределения – биномиальный, Пуассона, отрицательный биномиальный, 1й геометрический, 2й геометрический, гипергеометрический
22. Функция распределения и ее свойства. Сходства и отличия функций распределений дискретных и непрерывных СВ.
Функция распределения Fξ(x) – функция, выражающая для каждого х вероятность того, что ξ примет значение меньше х. Fξ(x)=Р(ξ<x)
F(x) – интегральная функция распределения, вероятность попадания случайной точки ξ левее заданной х
Общие для дискретной и непрерывной СВ свойств функции распределения:
1) 0≤F(x)≤1, как вероятность. F(-∞)=0 F(+∞)=1 Fξ(x)=0, ∀x≤xmin
Fξ(x)=1 ∀x≤xmax
2) F(x) – неубывающая функция на всей числовой оси
3) Р(a≤x≤b) = F(b) – F(a)
Свойства только дискретной СВ:
4) F(x) = Функция разрывная и ступенчатая.
5) Вероятность попадания дискретной СВ в интервал (-∞; -b] равна значению функции распределения в точке, смещенной относительной b вправо на бесконечно малое значение. Р(х≤b)=F(b+0)
Cвойства функции распределения только непрерывной СВ:
4) Ф-я F(x) непрерывна в любой точке и имеет всюду непрерывную производную
23. Непрерывная случайная величина. Теорема о вероятности отдельно взятого значения. Математическое ожидание и дисперсия. Основные законы непрерывных СВ (перечислить).
Непрерывная величина – это СВ, бесконечное и несчетное множество значений которой есть некоторый интервал (конечный или бесконечный) и она сплошь заполняет этот интервал. Непрерывная СВ задается функцией плотности и функцией распределения.
Теорема о вероятности отдельно взятого значения: Вероятность любого отдельно взятого значения непрерывной величины равна 0.
Доказательство:
Математическое ожидание – это среднее значение СВ. Для непрерывной СВ
Дисперсия характеризует разброс, рассеяние значение СВ вокруг её мат. ожидания для непрерывной СВ
Основные законы распределения – Нормальный, равномерный, показательный (экспоненциальный), логнормальный, Гамма-, Пирсона, Стьюдента, Фишера - Снедекора.
24. Непрерывная случайная величина. Функции плотности вероятности и ее свойства
Непрерывная величина – это СВ, бесконечное и несчетное множество значений которой есть некоторый интервал (конечный или бесконечный) и она сплошь заполняет этот интервал. Непрерывная СВ задается функцией плотности и функцией распределения.
f(x)=F`(x) дифференциальная функция
Свойства f(x):
-
f(x)≥0 (как производная монотонно не убывающей функции.
-
Вероятность попадания в (х1;х2). Р(х1≤Х≤ х2)=
-
F(x)=
-
25. Математическое ожидание случайной величины. Его свойства. Отличия для независимых и зависимых СВ в расчете математического ожидания их произведения.
Математическое ожидание – это среднее значение СВ. Для дискретной СВ , для конечных n. Если СВ принимает бесконечное, но счетное число значений, если ряд сходится, то Для непрерывной СВ .
Свойства:
-
М(С)=С
-
М(СХ)=С*М(Х)
-
М(Х+У)=М(Х)+М(У)
М(Х-У)=М(Х)-М(У)
М(Х±С)=М(Х)±С
Мат. ожидание произведения независимых величин Х, У: М(ХУ)=М(Х)*М(У)
Мат. ожидание произведения двух зависимых СВ Х,У: М(ХУ)=М(Х)М(У)-cov(X,Y)
26. Понятие о центрированной и стандартной случайной величине. Их связь с исходной величиной, изменение формы и положения на координатной плоскости полигона или кривой плотности распределения вероятности.
Центрированная СВ: ẋ=х-М(х) М(ẋ)=0 D(ẋ)=D(x)
Стандартная СВ: Т= ẋ/σх М(Т)=0 D(T)=1
При центрировании полигон и функция плотности сдвигается влево на величину М(х), при стандартизировании сжимается относительно оси ординат в σх раз.
27. Дисперсия случайной величины. Её свойства. Отличия независимых и зависимых СВ в расчете дисперсии их суммы. Среднее квадратическое отклонение. Понятие о центрированной и стандартной случайной величине.
Дисперсия характеризует разброс, рассеяние значение СВ вокруг её мат. ожидания. Для дискретной СВ с конечным числом значений n , для СВ, принимающей бесконечное, но счетное число значений (если ряд сходится) . Дисперсия характеризует разброс, рассеяние значение СВ вокруг её мат. ожидания для непрерывной СВ
Свойства дисперсии:
1) D(C)=0
2) D(CX)=C2*D(X)
3) D(X)=M(X2)-[M(X)]2
4) D(X±Y) = D(X)+D(Y) для независимых D(X±Y) = D(X)+D(Y) ±2cov(X,Y) для зависимых
5) D(XY)=D(X)*D(Y)+D(X)*(M(Y))2+D(Y)*(M(X))2
Среднее квадратическое отклонение
Центрированная СВ: ẋ=х-М(х) М(ẋ)=0 D(ẋ)=D(x)
Стандартная СВ: Т= ẋ/σх М(Т)=0 D(T)=1
28. Начальные и центральные моменты k-го порядка СВ, их наиболее применимые значения. Связь между ними.
Момент СВ – числовая характеристика распределения СВ. Начальный момент k-го порядка считается по формуле . ν1=М(х); ν2=М(х2) D(x)= ν2 – (ν1)2
Центральный момент k-го порядка считается по формуле μk(x)=M(X-M(X))k = M(ẋ)k
μ1=0 μ2=D(X) μ3 = ν3-3ν2ν1+2(ν1)2 – используется для расчета коэффициента асимметрии.
μ4=ν4-4ν3ν1+6ν2(ν1)2-3(ν1)4 - используется для расчета коэффициента эксцесса.
29. Коэффициенты асимметрии и эксцесса СВ. Мода.
Коэффициент асимметрии с конечным 3м моментом – показатель асимметричности распределения, определяющий степень наклона полигона вероятностей дискретной случайной величины или скошенности функции плотности вероятностей непрерывной СВ.
Для симметричного распределения Ас=0.
Ас>0 – правосторонняя асимметрия
Ас<0 – левосторонняя асимметрия
Коэффициент эксцесса с конечным 4м моментом – показатель, служащий мерой
крутости (плосковершинности и крутовершинности) у кривой плотности вероятностей непрерывной СВ и у полигона дискретной СВ по сравнению с функцией плотности вероятности нормального закона распределения.
Мода – наиболее часто встречающееся значение СВ. Если одна мода, то распределение унимодальное, если 2 моды – бимодальное, много мод – полимодальное.