- •3. Основные формулы комбинаторики
- •Теорема о перемножении шансов
- •Урны и шарики
- •Выбор без возвращения, с учётом порядка
- •Выбор без возвращения и без учёта порядка
- •Выбор с возвращением и с учётом порядка
- •Выбор с возвращением и без учёта порядка
- •4. Определения и примеры
- •Задача о встрече
- •Задача Бюффона(1)
- •5. 2.3. Частота, или статистическая вероятность, события
- •Формула полной вероятности и формула Байеса
- •[Формулировка
- •Доказательство
- •Закон распределения дискретной случайной величины
- •Определение
- •Свойства
- •17. 2.3. Числовые характеристики случайных величин и их свойства
- •Основные законы распределения целочисленных случайных величин
- •Производящие функции
- •Биномиальный закон (распределение Бернулли)
- •Закон распределения Пуассона (закон редких событий)
- •Геометрический закон распределения
- •Равномерный закон распределения
- •Гипергеометрический закон распределения
- •Формулировки
Формулировки
Пусть случайная величина определена на вероятностном пространстве , а её математическое ожидание μ и дисперсия σ2 конечны. Тогда
,
где a > 0.
Если a = kσ, где σ — стандартное отклонение и k > 0, то получаем
.
В частности, случайная величина с конечной дисперсией отклоняется от среднего больше, чем на 2 стандартных отклонения, с вероятностью меньше 25%. Она отклоняется от среднего на 3 стандартных отклонения с вероятностью меньше 11,2%
Центральная предельная теорема объясняет широкое распространение нормального законараспределения. Теорема утверждает, что всегда, когда случайная величина образуется в результате сложения большого числа независимых случайных величин с конечными дисперсиями, закон распределения этой случайной величины оказывается практическинормальным законом.
Названием "закон больших чисел" объединена группа теорем, устанавливающих устойчивость средних результатов большого количества случайных явлений и объясняющих причину этой устойчивости