- •1.Понятие двойного интеграла.
- •2 . Сведение двойного интеграла к повторному.
- •3.Замена переменных в двойном интеграле.
- •4. Некоторые приложения двойных интегралов.
- •5.Тройные интегралы.
- •8.Формула Грина.
- •9.Условия независимости криволинейного интеграла от пути интегрирования.
- •10 Некоторые прил10ожения криволинейных интегралов.
- •16.Скалярное поле, векторное поле
- •Теорема
- •[Править]Доказательство
- •Свойства
- •Формулировка
- •[Править]Доказательство
- •30. Ряд Лорана
- •[Править]Свойства
- •31. Изолированные особые точки
- •[Править]Классификация
- •32. Вычеты и их применение
- •33. Преобразование Лапласа. Связь с преобразованием Фурье
- •34. Основные теоремы об оригиналах и изображениях
- •35. Свертка оригиналов
- •36. Применение операционного исчисления
- •37. Вычисление оригиналов по известному изображению
- •38. Вероятность. Аксиоматика теории вероятностей
- •39. Комбинаторный анализ
- •Перечислительная комбинаторика
- •[Править]Структурная комбинаторика
- •[Править]Экстремальная комбинаторика
- •[Править]Теория Рамсея
- •40. Алгебра событий. Основные теоремы теории вероятностей
- •Теорема умножения вероятностей
- •Формула полной вероятности
- •Теорема гипотез (формула Бейеса)
- •41. Формула полной вероятности, формула Байеса
- •42. Схема независимых испытаний. Формула Бернулли
- •43. Предельные теоремы Лапласа и Пуассона
- •44. Случайные величины. Дискретная случайная величина
- •Числовые характеристики дискретных случайных величин
- •45. Непрерывная случайная величина
- •46. Основные распределения случайных величин
- •47. Предельные теоремы теории вероятностей
- •48. Многомерные случайные величины
- •49. Основные понятия математической статистики. Основы вычислительного эксперимента.
- •50. Точечные и интервальные оценки
- •51. Статистическая проверка статистических гипотез Определения
- •Этапы проверки статистических гипотез
- •[Править]Виды критической области
Теорема гипотез (формула Бейеса)
Имеется полная группа несовместных гипотез Н1, Н2, …., Нn. Вероятности этих гипотез до опыта известны и равны соответственно Р(Н1), Р(Н2)…. Р(Нn).
Произведен опыт, в результате которого наблюдалось появление некоторого события А. Как следует изменить вероятность гипотез в связи с появлением этого события? По существу речь идет о том, чтобы найти условную вероятность Р(Нi/А) для каждой гипотезы.
Р(Нi/А) = [Р(Нi)×Р(Нi/A] / [∑Р(Hi)×P(A/Hi)], i = 1, 2, …, n (17)
41. Формула полной вероятности, формула Байеса
См.40
42. Схема независимых испытаний. Формула Бернулли
Проводится серия из nнезависимых испытаний, каждое из которых заканчивается либо “успехом” либо “неуспехом”, в каждом испытании (опыте) вероятность успеха p, а вероятность неуспеха q=1-p. Вероятность того, что в серии будет реализовано ровно k “успехов” вычисляется по формуле
, где 0<p<1, k=0, 1, …, n, , .
Формула Бернулли — формула в теории вероятностей, позволяющая находить вероятность появления события A при независимых испытаниях. Формула Бернулли позволяет избавиться от большого числа вычислений — сложения и умножения вероятностей — при достаточно большом количестве испытаний. Названа в честь выдающегося швейцарского математика Якоба Бернулли, выведшего формулу.
Теорема: Если Вероятность p наступления события Α в каждом испытании постоянна, то вероятность того, что событие A наступит k раз в n независимых испытаниях, равна: , где .
43. Предельные теоремы Лапласа и Пуассона
Теорема Пуассона
Если число испытаний n в схеме независимых испытаний Бернулли стремится к бесконечности и так, что , , то при любых
Это означает, что при больших n и малых p вместо громоздких вычислений по точной формуле можно воспользоваться приближенной формулой
, т.е. использовать формулу Пуассона для = np.
На практике пуассоновским приближением пользуются при npq < 9.
Локальная теорема Муавра-Лапласа
Пусть 0< p <1 и величина при n ограничена. Тогда .
На практике приближением Муавра-Лапласа пользуются при npq > 9.
Точность формулы растет, как с ростом величин n и k, так и по мере приближения величин p и q к 0.5.
Интегральная теорема Муавра-Лапласа
Пусть 0< p <1, тогда для схемы Бернулли при n для любых a и b справедлива формула
.
Отсюда, в частности, следует, что для вычисления вероятности того, что число успехов в nиспытаниях Бернулли заключено между k1 и k2, можно использовать формулу
,
где , , - функция Лапласа.
Точность этой приближенной формулы растет с ростом n.
Если npq сравнительно невелико, то лучшее приближение дает формула
и для вычисления вероятности того, что число успехов в n испытаниях Бернулли заключено между k1 и k2, можно использовать формулу
, где , .
44. Случайные величины. Дискретная случайная величина
Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед не известное и зависящее от случайных причин, которые заранее не могут быть учтены. Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями. Число возможных значений дискретной случайной величины может быть конечным или бесконечным. Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями. Закон распределения дискретной случайной величины можно задать таблично, в виде формулы (аналитически) и графически.