- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез (формула Байеса)
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения случайной величины
- •15. Функция распределения случайной величины
- •16. Общие свойства функции распределения св
- •17. Плотность распределения случайной величины
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •24. Система случайных величин. Свойства распределения двумерного случайного вектора
- •25. Функция распределения дискретного двумерного случайного вектора
- •26. Функция и плотность распределения непрерывного двумерного случайного вектора
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •28. Функция одной дискретной св
- •29. Функция одной непрерывной св
- •30. Корреляционный момент случайных величин X и y и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •42. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
- •43. Правило 3σ
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •51. Виды измерений
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных (дискретные и непрерывные вариационные ряды, кумулятивные ряды)
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации (размах, лимиты, среднее линейное отклонение, дисперсия, стандартное отклонение)
- •57. Ассиметрия и эксцесс
- •Плосковершинный островершинный полигон
- •58. Оценка показателей альтернативного признака
41. Дисперсия нормального закона распределения
Найдем дисперсию случайной величины X , распределенной по нормальному закону с параметрами и а:
Таким образом, ,
, .
По нормальному закону распределено большое количество случайных величин.
Например, этому закону подчиняется распределение роста 20-ти летнего мужчины, вес женщины, рост которой равен 170 см, дальность полета снаряда, результат измерения длины, массы, времени и т.д.
42. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
Функция наз. функцией Лапласа или интегралом вероятности. Она тесно связана с нормальным законом распределения. Ее основные свойства:
область определения функции Лапласа – вся числовая ось;
функция Лапласа монотонно возрастает на всей числовой прямой;
функция - нечетная.
4) .
1
-1
Итак, пусть у нас имеется нормальная СВ с математическим ожиданием a и дисперсией . Тогда функция распределения этой случайной величины
Если , то случайная величина наз. нормированной.
Найдем вероятность того, что случайная величина , распределенная по нормальному закону с параметрами , , примет значение из
Таким образом, .
43. Правило 3σ
Найдем вероятность того, что отклонение нормальной случайной величины от ее математического ожидания по модулю меньше некоторого положительного , т.е. найдем вероятность .
Итак: .
Если в этой формуле положить , то получим
.
Отсюда вытекает, что среди 10000 значений нормальной случайной величины в среднем только 27 выйдут за пределы интервала . Это означает, что практически среди небольшого числа значений X нет таких, которые выходят за пределы указанного интервала. В этом и состоит правило «трех сигм», которое широко применяется в статистике.
44. Неравенство Маркова
Теорема. Если CB X может принимать только неотрицательные значения и у нее есть математическое ожидание, то какова бы ни была CB той же размерности, что и X, всегда выполняется неравенство .неравенство Маркова
Доказательство. Пусть - непрерывная случайная величина с плотностью распределения . Из условия теоремы следует, что при и при .
.
Так как , то
Итак, ,
.
45. Неравенство Чебышева
Теорема. Каково бы ни было для любой CB X, дисперсия которой конечна, справедливо неравенство Чебышева .
Доказательство.
Рассмотрим величину .Это не отрицательное СВ
.
Т. обр., к СВ Y, имеющей мат. ожид., можно применить неравенство Маркова
.
Подставим в это неравенство выражение Y через X и
или
46. Теорема Чебышева
Определение. Последовательность чисел наз. равномерно ограниченной, если существует такая постоянная М, что для любого .
Теорема Чебышева Если - последовательность попарно независимых случайных величин, у каждой из которых есть математическое ожидание и дисперсия , , причем дисперсии равномерно ограничены, то для любого положительного
Доказательство.
Последовательность равномерно ограничена, т.е. существует такое М, что для любого натурального . Рассмотрим случайную величину . У этой величины есть математическое ожидание и дисперсия: ,
Здесь мы воспользовались свойством, что если случайные величины независимы, то дисперсия их суммы равна сумме их дисперсий.
Таким образом, удовлетворяет всем требованиям для применения неравенства Чебышева, а значит, при любом имеем
или
Итак,
Пусть , тогда при любых .
Отсюда , чтд.
Следствие.
Если - последовательность независимых случайных величин, математические ожидания каждой из которых равны , а дисперсии , то неравенство выше и утверждение теоремы принимают вид
( )
Отсюда следует ,
Если точность всех измерений одна и та же, т.е. , i=1,2,…