- •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
20. Математическое ожидание непрерывной случайной величины
Пусть Х– непрерывная СВ, которая принимает значения на [a,b].Тогда плотность распределения Х вне [a,b] равна 0. Разобьем [a,b] на n частей точками
. Тогда получим отрезки , , … , , … , . По теореме о среднем имеем
Здесь - плотность распределения X, , . Рассмотрим дискретную СВ , которая принимает значения с вероятностями . Так как ,
,то СВ определена корректно. .
Это интегральная сумма для непрерывной функции на [a,b]. Пусть . Тогда дискретная величина будет все менее и менее отличаться от непрерывной случайной величины X, а в пределе она становится непрерывной. Поэтому естественно за математическое ожидание непрерывной величины X взять предел математического ожидания , если последний существует.
Так как -непрерывная функция, то
Аналогично, если х принимает значения на всей числовой прямой, то
21. Мода и медиана
Модой случайной величины наз. ее наиболее вероятное значение. Термин “наиболее вероятное значение”, строго говоря, применим к дискретной СВ; для непрерывной СВ модой является то значение, в котором плотность максимальна. Обозначается буквой .
Pi f(x)
дискретная непрерывная
0 0 x
Медианой СВ Х наз. такое ее значение , для которого справедливо тождество
т.е. одинаково вероятно, окажется ли случайная величина меньше или больше .
Геометрически медиана - это абсцисса точки, в которой площадь, ограниченная кривой распределения, делится пополам.
х
22. Дисперсия случайной величины
Математическое ожидание СВ характеризует ее в среднем – это центр ее распределения.
Дисперсия СВ есть характеристика рассеивания, т. е. расбросанности значений случайной величины около ее математического ожидания.
Дисперсия случайной величины – это математическое ожидание квадрата отклонения СВ от ее математического ожидания .
Если - дискретная случайная величина, заданная рядом распределения
|
|
|
|
то Если X- непрерывная случайная величина с плотностью распределения , то .
Дисперсия как мера рассеивания значений случайной величины обладает тем недостатком, что ее размерность не совпадает с размерностью случайной величины (размерность дисперсии – это квадрат размерности случайной величины).
Поэтому вводится еще одна мера рассеивания с размерностью, совпадающей с размерностью случайной величины. Это среднее квадратичное отклонение, которое определяется как корень квадратный из дисперсии. Среднее квадратичное отклонение обозначается символом: или ,
23. Свойства дисперсии
Дисперсия постоянной величины равна нулю. .
Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат
= = =
Дисперсия алгебраической суммы двух независимых СВ равна сумме их дисперсий, то есть Здесь было использовано свойство математического ожидания: если X и Y – независимые случайные величины, то .
Упрощенное правило вычисления дисперсии: дисперсия СВ равна разности между математическим ожиданием квадрата СВ и квадратом ее математического ожидания .