- •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
24. Экспоненциальное распределение: плотность, функция распределения, математическое ожидание и дисперсия.
Экспоненциальным (показательным) распределением непрерывной случайной величины Х называется такое распределение, которое описывается следующим выражением для плотности вероятности:
f(x) = { 0, если x<0
λ℮-λx, если x≥0.
Функция распределения вероятностей в этом случае имеет вид
F(x)= { 0, если x<0
1-℮-λx , если x≥0
Математическое ожидание: Mx=1/λ
Дисперсия: Dx= 1/ λ2
25. Нормальное распределение: плотность, функция распределения, математическое ожидание и дисперсия. Стандартное нормальное распределение. Функция Лапласа. Интеграл Пуассона.
Нормальным называют такое распределение вероятностей непрерывной случайной величины, которое описывается плотностью
f(x) = (1/σ√2π)℮^(-(x-a)2/2σ2)
Математическое ожидание нормального распределения равно параметру a, т.е. M(x)=a
Диспесия: D(X) =σ2
Функция Лапласа: Φ(x)= 1/√2π0∫ x℮(-z2/2)dz
Интеграл Пуассона: -∞∫∞℮(-z2/2)dz=√2π
Стандартное нормальное распределение - это нормальное распределение с параметрами a = 0 и σ2 = 1, т. е. плотность примет вид
26. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило «трех сигм». Вероятность попадания нормальной случайной величины в интервал, симметричный относительно математического ожидания.
Вероятность попадания нормально распределенной случайной величины в заданный интервал:
P(α<X<β)= Φ (β –a/σ)- Φ(α-a/ σ).
Сущность правила «трех сигм»:
Если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.
P(│X-a│<3σ)≈0,9973
27. Многомерные случайные величины. Закон распределения двумерной случайной величины. Закон распределения составляющих.
Очень часто результат испытания характеризуется не одной случайной величиной, а системой случайных величин, которую называют многомерной.
Законом распределения дискретной двумерной случайной величины называют перечень возможных значений этой величины, т.е. пар чисел (xi, yj) и их вероятностей p(xi, yj)(i=1,2,.,n; j=1,2,..,m). Обычно закон распределения задают в виде таблицы с двойным рядом.
Зная закон распределения двумерной дискретной случайной величины, можно найти законы распределения каждой из составляющих. Например, события (X=x1; Y=y1), (X=x1; Y=y2), ...,(X=x1; Y=ym), несовместны, поэтому вероятность P(x1) того, что X примет значение х1, по теореме сложения такова:
P(x1)=p(x1,y1)+p(x1,y2)+...+p(x1,ym).
Таким образом, вероятность того, что Х примет значений х1, равна сумме вероятностей «столбца х1». В общем случае, для того чтобы найти вероятность P(X=xi) надо просуммировать вероятности столбца xi. Аналогично сложив вероятности «строки yj». Аналогично сложив вероятности «строки yj», получим вероятность P(Y=yj).