- •2. Основные понятия теории вероятностей : Случайные события, совместные и несовместные события.
- •3. Основные понятия теории вероятностей : полная совокупность событий, противоположное событие, элементарное событие.
- •5. Вычисление упорядоченных выборок без повторений. Привести пример.
- •6. Вычисление упорядоченных выборок с повторениями. Привести пример
- •7.Вычисление неупорядоченных выборок без повторений. Привести пример
- •8.Вычисление неупорядоченных выборок с повторениями. Привести пример
- •9. Геометрическая вероятность. Привести примеры. Геометрические вероятности.
- •12. Условная вероятность. Вероятность произведения двух зависимых событий.
- •14. Понятие дерево вероятностей.
- •16.Схема Бернулли. Биномиальные коэффициенты.
- •17. Локальная предельная теорема Муавра - Лапласа.
- •19.Интегральная предельная теорема Лапласа как предельное испытание Бернулли.
- •18.Теорема Пуассона. Функция Пуассона как предельное испытание Бернулли
- •21.Понятие случайной величины (св). Понятие функции распределения вероятностей св.
- •24.Математическое ожидание дискретной св и его важнейшие свойства
- •Свойства математического ожидания.
- •25.Дисперсия дискретной св и ее важнейшие свойства
- •30. Непрерывные случайные величины. Функция распределения ( интегральный закон распределения), ее свойства.
- •31.Непрерывные св. Плотность распределения вероятностей (дифференциальная функция), ее свойства.
- •32.Математическое ожидание непрерывной св, ее свойства.
- •Свойства математического ожидания.
- •33.Дисперсия непрерывной св, ее свойства. Стандартное отклонение.
- •35.Вероятность попадания нормально распределенной св в заданный интервал. Правило трех сигм, ее численная реализация.
- •Правило трех сигм. Используя формулу: , вычислим для случая .
- •36.Показательное распределение. Плотность, функция распределения, математическое ожидание и дисперсия. Численная реализация правила трех сигм.
- •37.Равномерное распределение. Плотность, функция распределения, математическое ожидание и дисперсия.
- •Неравенство Чебышева.
- •39. Центральная предельная теорема (цпт) и следствия из нее.
39. Центральная предельная теорема (цпт) и следствия из нее.
Теорема: (Центральная предельная теорема.) Если случайная величина Х представляет собой сумму большого числа взаимно независимых случайных величин, то эта случайная величина Х имеет распределение близкое к нормальному.
Имеется набор случайных величин. Случайные величины слабо друг от друга зависят, у них одни и те же математические ожидания.
эта величина не меняется
. Приведём также два следствия из центральной предельной теоремы, относящиеся к независимым испытаниям. Локальная теорема Муавра - Лапласа утверждает:
Если вероятность успеха в каждом испытании отлична от нуля и единицы, а число испытаний достаточно велико, то для расчёта вероятности появления ровно успехов в серии из испытаний можно пользоваться приближённой формулой
( ), (4.22)
где - функция плотности нормального распределения (см. табл. П.1).
На практике, очевидно, вероятность появления любого конкретного числа успехов близка к нулю. Это имеет простое объяснение - ведь всего есть различных событий (может наступить успехов), и сумма вероятностей этих событий должна быть равна единице. Поэтому важно уметь вычислять вероятности того, что число успехов в серии из испытаний будет заключено между числами и . Для этого используется интегральная теорема Муавра - Лапласа:
Если вероятность успеха в каждом испытании отлична от нуля и единицы, а число испытаний достаточно велико, то для расчёта вероятности того, что число успехов в серии из испытаний будет заключено в промежутке , можно пользоваться приближённой формулой
( ), (4.23)