- •1. Предмет тер вера. Случ опыт. Случ событие.Элемент событие. Мн-во эл событий
- •2.Достоверн и невозможн событие. Сумма, разность, произведение.
- •3. Несовместные события. Полная группа событий. Противоположные события.
- •4. Классич и статистич определение вероятностей.
- •5. Формулы комбинаторики
- •6. Вероятн суммы несовместных событий. Следствия (о вероятн против события и суммы вер группы событий)
- •7.Теорема сложения вер 2х совместных соб. Вер суммы неск совместн событий как вер появления хоты бы одно из неск событий.
- •8. Условная вероятнось. Завис и независ события. Теорема умножения вероятней ( для 2х событий)
- •9. Формула полной вероятности
- •10. Формула Байеса (учебник)
- •10. Формула Байеса (лекции)
- •11. Схема Бернулли. Теорема Бернулли. Теорема Пуассона.
- •12. Случайные величины. Дискретные и непрерывные случайные величины
- •13. Закон распределения дискретной случайной величины
- •14. Функция распределения дискретной случайной величины
- •2. Свойство:
- •15. Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
- •16. Дисперсия дискретной случайной величины. Св-ва дисперсии. Среднее квадратическое отклонение.
- •18. Закон распределения Пуассона. Математическое ожидание и дисперсия дискретной случайной величины, распределенной по закону Пуассона.
- •19.Функция распределения вероятностей непрерывной случайной величины и ее свойства.
- •20. Плотность распределения вероятностей непрерывной случайной величины и ее свойства.
- •21. Математическое ожидание и дисперсия непрерывной случайной величины. Среднее квадратическое отклонение.
- •22. Мода. Медиана. Наивероятнейшее число появления события в независимых испытания Бернулли. Геометрическая интерпретация числовых характеристик случайных величин.
- •24. Экспоненциальное распределение: плотность, функция распределения, математическое ожидание и дисперсия.
- •25. Нормальное распределение: плотность, функция распределения, математическое ожидание и дисперсия. Стандартное нормальное распределение. Функция Лапласа. Интеграл Пуассона.
- •27. Многомерные случайные величины. Закон распределения двумерной случайной величины. Закон распределения составляющих.
- •Условные законы распределения:
- •Функции регрессии:
- •Плотность распределения составляющих двумерной дискретной случайной величины.
- •Зависимые и независимые случайные величины.
- •Линейная зависимость между случайными величинами и значение коэффициента корреляции:
- •35. Центральная предельная теорема – теорема Ляпунова
- •Локальная теорема Лапласа:
- •33. Закон больших чисел.
- •34. Теорема Бернулли
2. Свойство:
3. Свойство: , т.к. F(x)=P(X<х)
4. Свойство: (по определению)
5. Свойство:F(x) непрерывна слева:
15. Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
Математическое ожидание дискретной случайной величины Х – это сумма произведений всех её значений на соответствующие вероятности:
(1)
Математическое ожидание называют также средним значением случайной величины, учитывая то, что каждое возможное значение хi входит в выражение (1) с соответствующим «весом», которым и является вероятность рi. В частном случае, когда все значения хi равновероятны, т.е. , математическое ожидание будет равно среднему арифметическому всех возможных значений:
Свойства математического ожидания (теоремы и док-ва)
1. Мат ожидание постоянной величины равно этой постоянной
Док-во: Постоянную величину С можно рассматривать как случайную величину, которая принимает лишь одно значение С с вероятностью, равно единице. Поэтому
2. Постоянный множитель можно выносить за знак мат ожидания.
Док-во: Если Х – случайная величина, то kХ – тоже случайная величина, которая принимает kxi с вероятностями pi, т.е. с вероятностями значений хi. Тогда математическое ожидание величины kХ:
3. Мат ожидание суммы конечного числа случайных величин равно сумме их мат ожиданий.
Док-во: Докажем теорему для суммы случайных величин. Математическое ожидание суммы случайных величин Х и Y:
Разобьем это выражение на 2 части: (2)
Так как при любом значении xi рассматривается появление всех возможных значений yj, то эти значения образуют полную группу событий, сумма вероятностей которых равна единице:
Подставим эти значение в выражение (2), находим
M (X+Y) =
Следствие. Мат ожидание отклонения случайной величины Х от её мат ожидание равно 0
Действительно,
4. Мат ожидание произведения конечного числа независимых случайных величин равно произведению их мат ожиданий.
Док-во: Рассмотрим произведение 2х случайных величин Х и Y. Это случайная величина XY, которая принимает все значения с вероятностями pij. Т.к. величины X и Y независимы, то
16. Дисперсия дискретной случайной величины. Св-ва дисперсии. Среднее квадратическое отклонение.
Дисперсией случайной величины Х называется мат ожидание квадрата отклонений её математического ожидания самой величины: или
Среднее квадратическое отклонение случайной величины Х – это арифметическое значение корня квадратного из её дисперсии:
Св-ва дисперсии формулируются в виде теорем:
1.Дисперсия постоянной величины равна 0.
Док-во: Рассматривая постоянную как случайную величину, замечаем, что отклонение её мат ожидание всегда равно 0. Значит, и дисперсия равна 0.
2. Постоянный множитель можно выносить за знак дисперсии, возводя его при этом в квадрат:
Док-во: Если Х – случайная величина, то kX – тоже случайная величина, мат ожидание которой kM(x). Применяя к случайной величине kX определение дисперсии, получаем :
3.Дисперсия случайной величины равна разности мат ожидания её квадрата и квадрата мат ожидания самой величины:
Док-во: По определению дисперсии и с учетом свойств мат ожидания получаем:
4. Дисперсия суммы конечного числа независимых случайных величин равна сумме их дисперсий.
Док-во: Докажем теорему для суммы 2х случайных величин Х на Y.
На основании определения дисперсии:
Т.к.
17. Основные законы распределения дискретных случайных величин. Биноминальный закон распределения. Математическое ожидание и дисперсия дискретной случайной величины, имеющей биноминальный закон распределения.
Законом распределения дискретной случайной величины называют перечень её возможных значений и соответствующих им вероятностей. Закон распределения дискретной случайной величины Х может быть задан в виде таблицы, первая строка которой содержит возможные значения xi , а вторая – вероятности рi:
Х |
х1 |
х2 |
… |
хn |
р |
р1 |
р2 |
… |
рn |
Где
Если множество возможных значений Х бесконечно (счетно), то ряд р1+р2+…сходится и его сумма равна единице.
Закон распределения дискретной случайной величины Х может быть задан также аналитически (в виде формулы): или с помощью функции распределения: F(x)=Р(Х<х)
Закон распределения дискретной случайной величины можно изобразить графически, для чего в прямоугольной системе координат строят точки и соединяют их отрезками. Полученную фигуру называют многоугольником распределения.
Основные законы распределения дискретной случайной величины: Биномиальный и закон распределения Пуассона.
Биномиальным называют закон распределения дискретной случайной величины Х-числа появления события в n независимых испытаниях, в каждом из которых вероятность появления события равна р; вероятность возможного значения Х=k (числа k появлений события) вычисляют по формуле Бернулли:
Ряд распределения биномиальной случайной величины имеет вид:
X |
0 |
1 |
2 |
…. |
k |
…. |
n |
P |
Pn(0) |
Pn(1) |
Pn(2) |
…. |
Pn(k) |
… |
Pn(n) |
Зная значения величин n и р можно составить ряд распределения и изобразить полигон распределения для конкретной биномиальной величины, т.е. p и n являются параметрами биномиального распределения.
Если число испытаний велико, а вероятность р появления события в каждом испытании очень мала, то используют приближенную формулу Pn(m)= ( m=0, 1,2,3,….), где m-число появления события в n независимых испытаниях, (среднее число появлений события n в испытаниях), и говорят, что случайная величина распределена по закону Пуассона.
Математическое ожидание и дисперсия для биномиального закона
Теорема 1. Математическое ожидание биноминальной величины X равно произведению числа испытаний на вероятность появления события в каждом испытании M(X)=np.
Док-во: Случайная величина Х, распределенная по биноминальному закону, определяется числом появлении события А при n испытаниях. Вероятность появления такого события в одном испытании равна p, не появления q=1-p.
Пусть Xi – число появлений события А при i–ом испытании.
Ясно, что Xi может принять только два значения: 1 с вероятностью p (т.е. событие А произошло) и 0 с вероятностью q (т.е. А не произошло) и, следовательно
M(Xi)=1*p+0*q=p.
Однако X1+ X2+…+ Xn=X, т.е. число появлений события А в одной серии испытаний n можно рассматривать как сумму случайных величин.
Поэтому M(X1)+M(X2)+…+M(Xn)=np - числа появлений события А в каждом испытании.
Теорема 2. Дисперсия числа появлений события А в n независимых испытаниях равна произведению числа испытаний на вероятности появления и непоявления события в одном испытании:
Док-во: Пусть Х-число появлений события А в n независимых испытаниях. Оно равно сумме появлений событий А в каждом испытании:
Х=Х1+Х2+…+Xn
Т.к. испытания независимы, то и случайные величины X1, X2,…,Xn независимы. Поэтому
D(X) =D(X1) +D(X2) +…+D(Xn)
D(Xi)=M(X2)-M2(Xi), i=1,2,…,n