- •20. Закон распределения дсв.
- •2. Основные формулы комбинаторики
- •3.Относительная чистота.
- •4. Теорема сложения вероятностей.
- •5. Полная группа событий
- •6. Противоположные события
- •7. Произведение событий
- •8.Условная вероятность
- •9. Теорема умножения вероятностей
- •10. Независимые события
- •11. Вероятность появления хотябы одного события.
- •12.Теорема сложения совместных событий
- •13.Формула полной вероятности
- •14.Вероятность гипотез. Формула Бейеса.
- •15.Формула бернулли
- •16. Локальная теорема Лапласа
- •17. Интегральная теорема Лапласа.
- •18. Вероятность отклонения частоты от постоянной вероятности в независимый испытаниях.
- •19. Случайная величина
- •23. Среднее квадратическое отклонение
- •24. Функция распределения вероятностей непрерывной случайной величины.
- •25.Плотность распределения вероятностей непрерывной случайной величины.
- •26. Математическое ожидание и Дисперсия Непрерывные Случайные Величины
- •27. Виды законов распределения вероятностей непрерывной св
- •28.Равномерное распределение
- •29. Нормальное распределение
- •Свойства нормального распределения
- •30. Функция одной случайного аргумента
- •31.Функции от двух случайных аргументов
- •9. Теорема умножения вероятностей
- •10. Независимые события
23. Среднее квадратическое отклонение
Среднее квадратическое отклонение являются характеристикой степени рассеянности случайной величины относительно ее центра симметрии, т.е. мат. ожид. Пусть ε – случайная величине, тогда ее дисперсией называется число D(ε)=E(ε-E(инд.ε))(с.2). Средним квадратическим отклонением случайной величины назвается число τ(ε)=√D(ε)`
24. Функция распределения вероятностей непрерывной случайной величины.
F(x)=P(X<х). Случайная величина непрерывна в том случае если ее ф-ия распределена и если она непрерывна с непрерывной производной. Св-ва: 1)Значение ф-ии распределения отрезку [0,1]; 0≤F(X)≤1; 2)F(X)-неубывающая ф-ия P(a≤x≤b)=F(b)-F(a); 3)x≤a; F(X)=1Lim F(X)x=0; Lim F(X)x=1.
25.Плотность распределения вероятностей непрерывной случайной величины.
Это ф-ия f(x) производная от ф-ии распределения F(X)=f(x). Св-ва: Плотность распределения не отрицательная ф-я f(x)≥0. 1) График Плотности распределения называется кривой распределения. 2) Не собстенный интеграл от Плотности распределения в (-;) =1 - f(x)dx=1.
26. Математическое ожидание и Дисперсия Непрерывные Случайные Величины
M(x)=-xf(x)dx
Св-ва
1. Равномерно распределенная СВ MO(X)=b+a/2
2. Нормально распределенная СВ MO(X)=m
3. Экспоненциально распределенная СВ MO(X)=1/
D(X)=-(x-m)2f(x)dx
СВ-ва
1. Равномерно распределенные D(X)=(b-a)2/12
2. Нормально распределенные D(X)= 2
3. Экспоненциально распределенные D(X)=1/2
Пример: Случайная величина Х в (0;5) задана дифференциальной ф-ий: 2/25*х вне этого интервала f(x)=0. Найти D(X). РЕШЕНИЕ: D(X)=abx2f(x)dx-(M(x)) 2М(х)=0(кривая распределена симметрично относительно прямой х=0) D(X)=2/2505x3dx=2/25(x4/405)=2/25*54/4=25/2
27. Виды законов распределения вероятностей непрерывной св
Случайная величина называется дискретной,если она принимает случайные изолированные значения, причем каждое значение этой СВ содержит окрестность, в которой нет других значений СВ. Причем каждое значение СВ определяется с некоторой вероятностью. Соответствие всех значений ДСВ и вероятности этих значений Х(х1,х2…) называется распределением случайной величины P(p1,p2…). ПРИМЕРЫ: 1) схема Бернули – P=e(c.m)(инд.n)p(c.n)q(c.n-m), 2) локальный закон Лапласа: P=φ(x)/√npq`. Эти 2 закона используются при 0,1<p>1 и при n∞. Если P мало, а n велико, тогда используется феноминальный закон Пуассона:
P(k)=λ(c.k)e(c.-λ)/k!, λ=np, k=0,1,2…n. Зная закон распределения ДСВ мы можем найти функцию распределения ДСВ F(x). ФРСВ – вероятность того, что СВ принимает значения <x, F(x)=P(X<x).
F(x)=∑[k, x(инд.k)<X] P(X=x(инд.k).
28.Равномерное распределение
Это распределение нам уже знакомо. Говорят, что ξ имеет равномерное распределение на отрезке [a, b], и пишут ξ Ua,b если
в точках a и b функция распределения недифференцируема, и плотность можно задать как угодно.