![](/user_photo/2706_HbeT2.jpg)
- •Элементы комбинаторики, размещения, перестановки, сочетания.
- •Случайные события, алгебра событий, формулы де Моргана.
- •Классическая вероятность, теорема сложения вероятностей.
- •Статистическое определение вероятности, геометрическая вероятность.
- •Аксиоматическое определение вероятностей.
- •7. Независимость двух событий и в совокупности.
- •8.Полная группа событий, формула полной вероятности, формула Байеса.
- •9. Схема Бернулли, формула Бернулли, наивероятнейшее число схемы Бернулли.
- •10. Локальная и интегральная формулы Муавра-Лапласа в схеме Бернулли.
- •11. Функция Гаусса и функция Лапласа, их применения и свойства
- •12. Формула Пуассона
- •13. Оценка вероятности отклонения частоты от среднего и частости от вероятности в схеме Бернулли.
- •14. Случайн. Величина как функция на вероятностном пространстве, ф-ция распред.
- •15. Дискретная случайная величина (дсв), полигон распределения, свойства функции распределения
- •17.Математическое ожидание, дисперсия и среднее квадратическое отклонение дискретной св, их свойства.
- •18. Биномиальное, геометрическое, гипергеометрическое распределение, их среднее и дисперсия.
- •25. Вероятность отклонения от седнего и вероятность попадания на промежуток для номальной св.
- •32. Ковариация и корреляция св, свойства коэффициента корреляции.
- •33. Двумерное нормальное распределение.
- •34. Преобразование св, теорема о функции плотности преобразованной абсолютно непрерывной св.
- •35. Теорема о функции плотности распределения суммы компонент абсолютно непрерывной двумерной св (формула свертки)
- •37. Неравенства Маркова и Чебышева.
- •39. Центральная предельная теорема
- •Генеральная совокупность и выборка, выборочный метод
- •41.Вариационный ряд выборки.
- •42.Выборочная ф-я распределения, ее св-ва и связь с генеральной ф-ей распределения.
- •43. Выборочное среднее и дисперсия, исправленная выборочная дисперсия
- •44.Точечные оценки параметров генеральной совокупности, оценка среднего и дисперсии.
- •45.Несмещенность, состоятельность и эффективность точечных оценок.
- •46. Свойства точечных оценок среднего, дисперсии и доли
- •47.Интервальная оценка параметра ген. Сов-сти, доверительная вероятность.
- •48.Интервальная оценка для среднего норм. Ген. Сов-ти для известной и неизвестной дисперсии
18. Биномиальное, геометрическое, гипергеометрическое распределение, их среднее и дисперсия.
Пусть имеются n испытаний Бернулли с вероятностью успеха p и неуспеха q, р + q = 1.
Дискретная СВ Х – число успехов имеет распределение
pk=
Р(Х = k)
=
, k
=0,1, 2,…,n.
Это распределение называется биномиальным с параметрами p и q. Заметим, что сумма вероятностей
=(p+q)n=1
Математическое ожидание и дисперcия CВ Х:
МХ = nр, DX = npq.
Максимум вероятностей рk дocтигaется при k = [nр - q]+1
Дискретная СВ Х имеет геометрические распределение, если она принимает значения k=1,2,3,…(счетное множество значений) с вероятностями
pk= Р(Х = k)=pqk-1, k=1,2,3,…,
где 0<p<1, q=1-p
Определение является корректным, так как сумма вероятностей
СВ Х, имеющая геом распред, представляет собой число испытаний Бернулли до первого успеха.
Мат ожидание и дисперсия Х: MX=1/p, DX=q/p2.
Дискретная СВ Х имеет гипергеометрические распределение, если она принимает значения m с вероятностями
где m=1,2,…,k; k=min(n,M); M≤N; n≤N. Вероятность pm явл вероятность выбора m объектов, обладающих заданным свойством, из множества n объектов, случайно извлеченных(без возврата) из совокупности N объектов, среди которых M объектов обладают заданным свойством.
Мат ожидание и дисперсия случайной величины, имеющей гипергеометрическое распределение с параметрами n,M,N:
MX=nM/N;
DX=n
19 Распределение Пуассона
CВ Х распределена по закону Пуассона, если она принимает целые значения 0,1,2,… с вероятностями
pk=
Р(Х = k)
=
где λ> 0 – параметр распределения. При этом
Мат ожидание идисперсия пуассоновской СВ равны параметру распределения:
MX= λ;DX=λ.
20.Непрерывные случайные величины, функция распределения и функция плотности вероятностей
X, Fx(X)=P(X<x)
X-непрерывная; Fx-непрерывная
X имеет плотность распределение вероятности если сущ-ет на отрезке числовая фун-ция p(x), такая что
Fx(X)=
P(a≤x<b)=F(b)-F(a)
Св-ва непрер СВ:
P(X=xo)=0
Через предел
Lim xo →a
P(a≤x<хо)=F(хо)-F(a) xo →a
P(a≤x<b)=
21. Равномерное распределение и его характеристики.
Непрерывная СВ Х распределена равномерно на отрезке [a;b], если ее плотность вероятности р(х) постоянна на этом отрезке и равна нулю вне его, т.е. р(х)= ,,,1-𝑏−𝑎. , 𝑎≤𝑥≤𝑏-0, 𝑥<𝑎, 𝑥>𝑏.. (время ожидания транспорта, кот. приходит случайно на остановку)
Ф-ия распределения
СВ, распределенной по равномерному
закону, имеет вид: f(x)=
Мат. ожидание и дисперсия равномерной СВ:
МХ=
; DX=
22. Переход от непрерывной СВ к дискретной, έ-сеть.
X
-сеть
>0
закидываем сеть
считаем вероятности
получаем таблицу
23. Показательное распределение.
Непрерывная СВ Х
имеет показательное распределение с
параметром λ, если ее плотность вероятности
имеет вид p(x)=
, где λ
0
(время непрерывн. работы прибора). Ф-ия
распределения СВ, распределенной по
показательному закону, равна F(x)=
Графики ф-ии распределения и плотности
вероятности:
Мат. ожидание и
дисперсия показательно распределенной
СВ Х: MX=
;
DX=
24. Нормальная СВ.
если есть СВ,
которая имеет много факторов и ни один
из которых не превалирует, то эта величина
будет нормальной (пример: рост человека).
Непрерывная СВ Х имеет нормальное
распределение (закон Гаусса) с параметрами
a
и
(сигма), если ее плотность вероятности
имеет вид: p(x)=
, где
0.
Ф-ия распределения нормальной СВ Х:
MX=a;
DX=
график плотности вероятности нормального распределения:
Выделяется стандартнаянормальная СВ при a=0 и =1. Для стандартного распределения плотность равна
, а ф-ия распределения