- •5. Векторы, основные определения, понятия, действия над ними
- •9. Уравнения прямой на плоскости: с угловым коэффициентом; через две точки; в отрезках, общее уравнение
- •15. Предел числовой последовательности.
- •16. Предел функции, его геометрическая интерпретация, действия над пределами.
- •17. Первый и второй замечательный предел
- •18. Бесконечно малые величины, их свойства, эквивалентность.
- •19. Раскрытие неопределённостей
- •20. Непрерывность функции.Основные определения, теоремы
- •21. Точки разрыва
- •22. Свойство непрерывных функций на сегменте
- •23. Определение производной
- •24. Правила дифференцирования
- •25. Дифференциал функции
- •26. Производные высших порядков
- •27. Правило Лопиталя.
- •28. Применение производных к исследованию
- •30. Теорема Лагранжа, коши
- •31, Экстремум функции
- •32. Первообразная функции, интеграл и его свойства
- •33.Таблица интегралов
- •34. Методы вычисления неопределенного интеграла (непосредственное интегрирование, подстановкой, по частям).
- •35. . Интегрирование рациональных дробей.
- •36.Интегрирование выражений, содержащих тригонометрические функции.
- •37. Универсальная тригонометрическая подстановка.
- •38. Интегрирование иррациональностей.
- •39. Определенный интеграл как предел интегральных сумм.
- •40. Формула Ньютона- Лейбница. Свойства определенного интеграла.
- •41. Методы вычислений определенного интеграла( непосредственное, подстановкой, по частям).
- •42. Приложения вычислений определенного интеграла ( вычисление площади плоской фигуры, объема тела вращения, длины кривой).
- •57. Дифференциальные уравнения 1 порядка, задача Коши.
- •58 Линейные дифференциальные уравнения первого порядка
- •59 Однородные ду первого порядка
- •60 Ду, допускающие понижение порядка.
- •2. Уравнения, не содержащие явно независимой переменной.
- •3. Уравнения, однородные относительно .
- •4. Обобщенно - однородные уравнения.
- •5. Уравнение в точных производных.
- •62 Структура общего решения линейного неоднородного дифференциального уравнения.
- •63. Линейные неоднородные дифференциальные уравнения второго порядка с постоянными коэффициентами с правой частью специального вида. Метод неопределенных коэффициентов.
- •71. Классификация событий. Сумма, произведение событий, их свойства, графическое представление.
- •72. Различные определения вероятности.
- •73. Теорема умножения вероятностей.
- •74. Схема Бернулли повторных испытаний. Формула Бернулли.
- •75. Локальная и интегральная теоремы Лапласа.
- •77. Закон распределения вероятностей дискретной случайной величины. Числовые характеристики.
- •78.Законы распределения: биномиальный, Пуассона, равномерный, показательный, нормальный.
- •79. Числовые характеристики дискретных и непрерывных случайных величин.
- •80. Статистическое распределение выборки. Полигон и гистограмма.
73. Теорема умножения вероятностей.
Теорема умножения: Вероятность произведения событий равна вероятности одного из этих событий, умноженной на условную вероятность другого при условии, что первое событие уже произошло.
Р(А В) = Р(А) РА(В). (2.1)
Доказательство:
n – число всех исходов испытания.
m – число исходов, благоприятствующих наступлению события А.
к – число исходов, благоприятствующих наступлению события В, при условии, что А имело место, т.е. к – число исходов, когда А и В наступили вместе.
Поэтому Р(А В) = = = = P(A) PA(B).
Теорема умножения вероятностей обобщается на случай произвольного числа событий:
Р(АВСD) = Р(А)· РА(В) ·РАВ(С) · РАВС(D), (2.2)
т.е. вероятность произведения нескольких событий равна произведению вероятности одного из этих событий на условные вероятности других; при этом условная вероятность каждого последующего события вычисляется в предположении, что все предыдущие события произошли.
Пример 2. Вероятность попадания в цель для первого стрелка равна 0,8, для второго – 0,7, для третьего – 0,9. Каждый из стрелков делает по одному выстрелу. Какова вероятность того, что в мишени три пробоины?
Решение. Обозначим события: Аi - попадание в цель i-го стрелка (i=1,2,3); В – в мишени три пробоины. Очевидно, что В=А1А2А3, причем события А1, А2, А3 - независимы. По теореме умножения для независимых событий
Р(В) = Р(А1А2А3) = Р(А1) ·Р(А2) ·Р(А3) = 0,8·0,7·0,9 = 0,504.
74. Схема Бернулли повторных испытаний. Формула Бернулли.
Теория вероятностей имеет дело с такими экспериментами, которые можно повторять, по крайней мере теоретически, неограниченное число раз. Пусть некоторый эксперимент повторяется n раз, причем результаты каждого повторения не зависят от исходов предыдущих повторений. Такие серии повторений часто называют независимыми испытаниями. Частным случаем таких испытаний являются независимые испытания Бернулли, которые характеризуются двумя условиями:
результатом каждого испытания является один из двух возможных исходов, называемых соответственно «успехом» или «неудачей»;
вероятность «успеха» в каждом последующем испытании не зависит от результатов предыдущих испытаний.
Теорема Бернулли. Если производится серия из n независимых испытаний Бернулли, в каждом из которых успех появляется с вероятностью р, то вероятность того, что успех в n испытаниях появится ровно m раз , выражается формулой
Pn(m)=Cnmpmqn-m, где q=1-p – где вероятность неудачи.
Эта формула называется формулой Бернулли.
75. Локальная и интегральная теоремы Лапласа.
Одно из возможных приближений даёт локальная теорема Муавра-Лапласа (ЛТМЛ).
ЛТМЛ. ◄Пусть случайная величина μn – число успехов в схеме Бернулли из n испытаний с вероятностью успеха в отдельном испытании p (0 < p < 1), q = 1 – p и величина , где m - целое число от 0 до n. Тогда при n→∞:
равномерно по всем m, для которых |xm|≤C<∞ при некотором C>0. ►
Возможно, формулировка становится ясна не сразу, тем не менее практический смысл теоремы прост: при больших значениях n вероятность наблюдать ровно m успехов можно приближённо рассчитывать по следующей формуле:
Если вас интересует вероятность того, что число успехов будет лежать в некоторых пределах – P(m1 ≤ μn ≤ m2) – в рассчётах помогает интегральная теорема Муавра-Лапласа (ИТМЛ).
ИТМЛ. ◄ Для схемы Бернулли с вероятностью успеха p в отдельном испытании, 0<p<1, q=1-p при n→∞:
равномерно по a, b; -∞ ≤ a ≤ b ≤ ∞. ►
Смысл: при больших значениях n вероятность P(m1 ≤ μn ≤ m2) можно рассчитывать следующим образом:
Определение. С.в. X имеет стандартное нормальное распределение (обозначается X~N(0,1)), если её функция распределения задаётся следующим образом:
Соответственно, функция плотности для такой с.в. выглядит так:
Определение. С.в. X имеет нормальное распределение с параметрами μ и σ2 (обозначается X~N(μ; σ2)), если её функция распределения задаётся следующим образом:
Соответствующая функция плотности:
Т.о. стандартное нормальное распределение – частный случай нормального распределения с параметрами μ=1, σ2=1.