- •1. Случайные события и действия над ними.
- •2. Алгебра событий.
- •3. Вероятность события. Свойства вероятности.
- •4. Теорема сложения вероятностей.
- •5. Условная вероятность.
- •6. Теорема умножения вероятностей. Независимые события.
- •7. Формула полной вероятности. Теорема Байеса.
- •8. Случайная величина. Определение. Пример.
- •9. Функция распределения случайной величины.
- •10. Свойства функции распределения.
- •11. Случайные величины дискретного типа.
- •12. Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
- •13. Дисперсия дискретной случайной величины. Свойство дисперсии.
- •14. Производящая функция дискретной случайной величины.
- •15. Формулы для математического ожидания и дисперсии дискретной случайной величины через производящую функцию.
- •16. Схемы испытаний Бернулли.
- •17. Биномиальное распределение.
- •18. Математическое ожидание, дисперсия и производящая функция биномиальной случайной величины.
- •19. Мода биномиального распределения.
- •20. Распределение Пуассона.
- •21. Предельная теорема Пуассона.
- •22. Локальная предельная теорема Муавра-Лапласа.
- •23. Интегральная предельная теорема Муавра-Лапласа.
- •24. Дифференциальная и интегральная функции Гаусса.
- •25. Закон больших чисел в схеме Бернулли.
- •26. Непрерывные случайные величины. Свойство плотности распределении.
- •27. Равномерное распределение.
- •28. Нормальное распределение.
- •29. Показательное распределение.
- •31. Мода непрерывной случайной величины.
- •32. Медиана непрерывной случайной величины.
- •33. Математическое ожидание непрерывной случайной величины. Свойства математического ожидания.
- •39. Двумерные непрерывные случайные величины.
- •40. Числовые характеристики системы двух случайных величин.
- •41. Коэффициент ковариации и его свойства.
- •42. Коэффициент корреляции и его свойства.
- •43. Виды сходимости последовательности случайных величин.
- •44. Неравенство Чебышева.
- •45. Закон больших чисел для сумм независимых случайных величин.
- •46. Центральная предельная теорема теории вероятности.
- •47. Метод наименьших квадратов
- •48. Линейная среднеквадратическая регрессия
- •49. Генеральная совокупность. Случайная выборка. Вариационный ряд.
- •50. Эмпирическая функция распределения. Теорема Гливенко.
- •51. Выборочное среднее значение и выборочная дисперсия. Сходимость к теоретическим значениям.
- •52. Выборочный коэффициент ковариации.
- •53. Выборочный коэффициент корреляции.
- •54. Доверительные интервалы для неизвестного математического ожидания нормального распределения.
- •55. Критерий x2.
- •5 6. Понятие случайного процесса. Определение и примеры
- •57. Марковские процессы. Переходные вероятности
- •58. Теорема Колмогорова-Чепмена для переходных вероятностей
- •59. Дифференциальные уравнения Колмогорова для переходных вероятностей
- •60. Уравнения Колмогорова в стационарных режимах
20. Распределение Пуассона.
Пусть - любое неслучайное фиксированное число; X – целочисленная с.в., значение кот. принадлежит мн-ву {0,1,2,…,}. Пусть k – любое фиксир. число, кот. принадлежит 0,1,2,…; >0; X{0,1,2,…,}=N+; XN+, kN+; {X=k}. Случ. событие состоит в том, что случайная величина X принимает некоторое конкретное значение k. Это событие можно обозначить Ak. Будем говорить, что случ. величина X будет иметь пуассоновское распределение или явл. пуассоновской случ. величиной с с пар-ром , если вер-ть события Ak вычисляется по ф-ле: pk=p(Ak)=(k/k!)e. При этом k=0pk=1. Составим з-н распределения: X
0 |
1 |
2 |
3 |
4 |
… |
k |
e- |
e- |
(2/2!)e- |
(3/3!)e- |
(4/4!)e- |
… |
(k/k!)e- |
Табл. бесконечна справа.
Мат.ожид.: EX=k=0k(k/k!)e-=. Дисперсия: DX=EX2-(EX)2=. Составим производящую ф-цию: x(z)=Ezx=k=0zk(k/k!)e-= e-(z-1)
n{0,1,2,…,n}; p{n=k}=Cnkpkqn-k; pn(k)=p{n=k}; pn(k1,k2)=p{k1<=n<=k2}=k=k1k2Cnkpkqn-k. n->; n1000; x500; p=0,78. Пример: C1000500=1000!/(500!500!). Для этого используются предельные теоремы.
21. Предельная теорема Пуассона.
При больших значениях пар-ров эти ф-лы заменяются на более простые. Теорема Пуассона: пусть n велико (n), так что n=np(стремится)>0, тогда при любом фиксированном k=0,1,2,…: pn(k)(k/k!)e-, при npq<=9 (на практике) (n; p=n/n). Док-во: pn(k)=Cnkpkqn-k=[n!/(k!(n-k)!)]pkqn-k=[[n(n-1)(n-2)…(n-k+1)]/k!]pkqn-k={p=n/n; q=1-p=1-n/n}=[[n(n-1)(n-2)…(n-k+1)]/k!](n/n)k(1-n/n)n-k = {(n/n)k=nk/nk; 1/nk=(1/n)(1/n)…(1/n)}= nk/k!((n-1)/n)((n-2)/n)…((n-k+1)/n)(1-n/n)n(1/(1-n/n)k) k/k!; {(n-1)/n=1-(1/n)1; (n-2)/n=1-(2/n)1, …, (n-k+1)/n=1-(k-1/n)1 => (1-(n/n))ne-; (1-(n/n))k=(1-(n/n))(1-(n/n))…(1-(n/n))}, ч.т.д., но при условии npq<=9, если нарушается условие, то теорема Пуассона неверна.
22. Локальная предельная теорема Муавра-Лапласа.
Когда npq>9: Теорема: предположим, что 0<p<1, тогда xk=(k-np)/npq; |xk|<=C=const. pn(k)=Cnkpkqn-k; n: pn(k)=(1/2)(1/npq)e (1+n(k)); |n(k)|<=C/n; Пусть (x)=(1/2)e , тогда pn(k)(1/npq)(xk). Ф-ция (x) назыв. дифференц. ф-цией Гаусса: (x)=(1/2)e . pn(k1,k2)=k=k1k2pn(k).
23. Интегральная предельная теорема Муавра-Лапласа.
Теорема: n – Бернулиевская случ. величина, n{0,1,2,…,n}; p{n=k}=pn(k); En=np; Dn=npq; =Dn=npq; Пусть -<a<=b<, тогда при n вер-ть того, что a<=(n-np/npq)<=b стремится к: (1/2)abe dx=ab(x)dx, т.е.: p{a<=(n-np/npq)<=b}(1/2)abe dx=ab(x)dx. Ф(x)=(1/2)-xe dt=-x(t)dt, где Ф(x) – интегральная ф-ция Гаусса. (x)=Ф’(x) (производная от интегр. ф-ции). Выразим ab(x)dx через Ф(x): график интегр. ф-ции Гаусса:
ab(x)dx=-b(x)dx--a(x)dx=Ф(b)-Ф(a). Интегральная теорема Муавра-Лапласа может быть записана так (через интегральную ф-цию Гаусса): Ф(b)-Ф(а). p{a<(n-np/npq)<=b}Ф(b)-Ф(а). Применим теорему к вычислению суммы: p{k1<=n<=k2}=k=k1k2Cnkpkqn-k=p{(k1-np/npq)<= (n-np/npq)<= (k2-np/npq)}Ф((k2-np/npq))-Ф((k1-np/npq)). Значения интегральной ф-ции Гаусса (дифференц. ф-ции Гаусса) при всех допустимых значениях аргумента X можно найти в любом учебнике по теорверу.