- •1. Достоверные, невозможные и случайные события. Их вероятности
- •2. Несовместные, равновозможные события. События, образующие полную группу.
- •3. Классическое определение вероятности. Ограниченность классического определения вероятности.
- •4. Относительная частота. Статистическая вероятность. Геометрическая вероятность.
- •5. Сумма событий. Теоремы сложения вероятностей.
- •10. Повторение испытаний. Формула Бернулли.
- •11. Локальная и интегральная теоремы Лапласа.
- •12, 13, 14.Случ. Величины. Основные понятия. Законы распределения дсв.
- •15. Определение числовых характеристик случайных величин. Мат ожидание д.С.В. И его свойства.
- •16. Дисперсия дсв. Её свойства. Среднее квадратическое отклонение д.С.В.
- •17. Начальные и центральные теоретические моменты дсв. Мода. Медиана. Асимметрия. Эксцесс.
- •18.Функция распределения вероятностей случайной величины. Её свойства.
- •19. 20. Плотность распределения вероятностей н.С.В. Её свойства. Мат ожидание, дисперсия и среднее квадратическое отклонение н.С.В
- •21. Центральные и начальные теоретические моменты н.С.В. Мода, медиана, асимметрия, эксцесс.
- •22. Равномерное распределение. Его числовые характеристики.
- •23. Показательное распределение. Его числовые характеристики.
- •24. Нормальное распределение. Его параметры и график.
- •25. Оценка отклонения теоретического распределения от нормального. «Правило трёх ». Асимметрия и эксцесс.
11. Локальная и интегральная теоремы Лапласа.
Локальная теорема Лапласа: Если в n независимых испытаниях, событие А может появиться с вероятностью p и не появиться с вероятностью q=1-p, =>
=> вероятность того что в n испытаниях появ k раз => Pn(k) = (1/√(n∙q∙p)) * φ(x)
где X= k-n∙p/√(n∙q∙p) φ(x)=(1/√(2π))*e^(-x2/2)
(х)- ф-я четная, т.е. (-х)= (х). Значение функции (х) находится по таблице.
Интегральная теорема Лапласа: Если в n независимых испытаниях, соб А появляется с 1й и той же вер-тью p и не появляется с вер-тью q=1-р, то вер-ть того, что соб А появится в n испытаниях не менее k1 и не более k2 раз, определяется по формуле: Pn(k1,k2)=Ф(х2)-Ф(х1),
Xi= ki - n∙p/√(n∙q∙p)
где Ф(х) – функция Лапласа. Функция Лапласа нечетная, т.е, Ф(-х)=-Ф(х), значение функции определяется по таблице, причем для x>5 - Ф(х)=0,5.
12, 13, 14.Случ. Величины. Основные понятия. Законы распределения дсв.
Опр: Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед неизвестное и зависящее от случайных причин, которые заранее не могут быть учтены.
Опр: Дискретной случайной величиной (ДСВ) называют величину, которая принимает отдельные изолированные значения с определённой вероятностью.
Опр: Непрерывной называют случайную величину, которая принимает все возможные значения из некоторого промежутка.
Опр: Законом распределения случайных величин называется всякое соответствие м/у возможными значениями случ вел и вер-ми их осуществления.
Закон распределения ДСВ может быть записан в виде таблицы, графика :
x |
x1 |
x2 |
… |
хn- значение сл вел |
p |
p1 |
p2 |
… |
pn- их вероятности |
Так как события x1, x2, … , xn образуют полную группу, то сумма вероятностей этих событий равна 1, т.е. p1+p2+…+pn=1.
Виды законов распределения дискретной случайной величины:
1.Биномиальный закон: Р = Сnk ∙ pk ∙ qn-k
2.Распределение Пуассона: Р = (λ k ∙ e – λ )/k! , где k = n ∙ p
3.Геометрический закон: Р = q k - 1 ∙ p
4.Гипергеометрический закон: P = (Cnm ∙ CN - nM – m) / CNM
Биномиальное закон и закон Пуассона.
Биномиальный закон: Р = Сnk ∙ pk ∙ qn-k
Биномиальный закон основывается на формуле Бернулли. В нём Сnk – коэффициент в разложении в бином Ньютона. Если в биномиальном законе n>30 и p<0,01, то применяют закон Пуассона: Р = (λ k ∙ e – λ )/k! , где k = n ∙ p
Геометрический закон.
Пусть производятся независимые испытания в каждом из которых вероятность появления события А одна и та же = р, а не появления q=1-р.
Пусть событие А в k-1 испытаниях не появляется, а в k-ом испытании появилось, тогда по теореме умножения вероятностей независимых событий
=> Р = q k - 1 ∙ p
15. Определение числовых характеристик случайных величин. Мат ожидание д.С.В. И его свойства.
Случайная величина полностью описывается законом распределения, но иногда он неизвестен. В этом случае используют числа, которые описывают ДСВ суммарно, их назыв числовыми характеристиками.
К ним относятся: мат ожидание М(X), дисперсия D(X), среднее квадратическое отклонение σ(X), начальный νk(X) и центральный μk(X) теоретические моменты, мода Mo(X), медиана Me(X), асимметрия As(X) и эксцесс Ek(X).
пусть задан закон распределения:
x |
x1 |
x2 |
… |
xn |
p |
p1 |
p2 |
… |
pn |
Опр: Мат ожиданием ДСВ называется сумма произведений возможных значений случайной величины на их вероятности.
М(х) = ∑(от k=1 до n) xk ∙ pk = x1 ∙ p1 + x2 ∙ p2 +…+ xk ∙ pk
С точки зрения вероятности мат ожидание – есть среднее арифметическое возможных значений случайной величины.
Свойства математического ожидания:
1.M(C)=C, С-const.
2.M(CX)=CM(X)
3.Математическое ожидание произведения двух независимых случайных величин равно произведению их математических ожиданий: M(X*Y)=M(X)*M(Y).
4.M(X+Y)=M(X)+M(Y).
5. Пусть производится n независимых испытаний, в каждом из которых событие А появляется с одной и той же вероятностью p, тогда математическое ожидание числа появлений события А равно: M(X)=np.