- •События, их виды и действия с ними. Алгебра событий. Аксиоматическое определение вероятности.
- •Аксиоматическое определение вероятности
- •Классическое и статистическое определения вероятности. Свойства вероятности. Классическое определение вероятности.
- •Свойства вероятности.
- •Относительная частота. Статистическое определение вероятности.
- •Теоремы сложения вероятностей. Теорема сложения вероятностей.
- •4. Независимость событий. Условные вероятности. Теоремы об умножениях вероятностей зависимых и независимых событий. Условная вероятность
- •Независимость событий
- •Теоремы умножения вероятностей.
- •5. Формула полной вероятности. Формулы Байеса. Формула полной вероятности.
- •6. Схема и формула Бернулли.
- •7. Понятия случайной величины.
- •Функция распределения
- •Свойства функции распределения:
- •Числовые характеристики дискретной случайной величины.
- •Свойства математического ожидания:
- •Свойства дисперсии:
- •8. Математическое ожидание св и его свойства.
- •Дисперсия и ее свойства. Стандартное отклонение.
- •Свойства дисперсии:
- •10. Биномиальное распределение. Формула Бернулли. Распределение Пуассона. Биномиальное распределение
- •Распределение Пуассона
- •11. Непрерывная случайная величина
- •Свойства функции распределения:
- •Плотность распределения вероятностей и ее свойства.
- •Свойства плотности распределения вероятностей:
- •13. Равномерный закон распределения
- •Понятие многомерной (векторной) св и ее закон, функция и плотность распределения. Условные математические ожидания и дисперсии. Многомерные случайные величины
- •Зависимые св. Ковариация и коэффициент корреляции. Корреляционная матрица случайного вектора. Независимые случайные величины
- •Свойства независимых случайных величин
- •Ковариация
- •Линейный коэффициент корреляции
- •Нормальное распределение.
- •Центральная предельная теорема
- •Нормальное распределение(не википед)
- •18. Вероятность попадания св в заданный интервал .Вероятность заданного отклонения нормальной св.Правило 3 сигм.
- •Отметим ряд свойств функции Лапласа, полезных для применения.
- •19. Теоремы Муавра-Лапласа
- •Понятие о центральной предельной теореме Ляпунова и ее применение.
- •Задачи математической статистики. Генеральная и выборочная совокупности.
- •Статистическое распределение. Эмпирическая функция распределения и ее свойства.
- •Полигон и гистограмма.
- •Генеральная и выборочная средние, их свойства. Оценка генеральной средней по выборочной.
- •Генеральная и выборочная дисперсии, их свойства. Оценка генеральной дисперсии по выборочной. Исправленная дисперсия.
- •Линейная регрессия. Метод наименьших квадратов.
Распределение Пуассона
В одинаковых условиях производится n независимых испытаний. В каждом может появиться событие А с вероятностью р или появиться событие А отрицательное(- над А) с вероятностью q (q=1-p). Вероятность того, что при n испытаниях событие А появится m раз и не появится n-m раз, определяется формулой Бернулли. Рассмотрим случай, когда n является достаточно большим, а p достаточно малым. Положим np=a где а – некоторое число. Распределение Пуассона называется распределение вероятности ДСВ, определенной формулой:
где a = n · p — параметр Пуассона (математическое ожидание), а дисперсия равна математическому ожиданию.
Замечание 1.
Распределение Пуассона является предельным случаем биномиального распределения.
Lim(n->∞) Pm=(am *e-a)/m!
Замечание 2.
∑(от k=0 до ∞) Pm = ∑(от k=0 до ∞) (am *e-a)/m! = 1
Замечание 3.
Математическое ожидание ДСВ распределенной по закону Пуассона = числу а – параметру этого распределения
M(x)=a
Замечание 4.
D(x)=a
Замечание 5.
Сумма двух независимых случайных величин, распределенных по закону Пуассона с параметрами а и b так же распределена по закону Пуассона с параметрами a+b
P(x+y)=(((a+b)m)/k!)*e-(a+b)
Эта формула рассчитана на n независимых величин, распределенных по закону Пуассона.
11. Непрерывная случайная величина
Определение: Непрерывной называют величину, все возможные значения которой полностью заполняют конечный или бесконечный промежуток числовой оси.
Очевидно, число возможных значений непрерывной случайной величины бесконечно.
Непрерывную случайную величину можно задавать с помощью функции распределения.
Определение: Функцией распределения непрерывной случайной величины Х называется функция F(х), определяющая для каждого значения х R
вероятность того, что случайная величины Х в результате испытания примет значение, меньшее х:
F(x)=P(X<x),где х R
Функцию распределения иногда называют интегральной функцией распределения.
Свойства функции распределения:
1)1≤ F(x) ≤1
2)У непрерывной случайной величины функция распределения непрерывна в любой точке и дифференцируема всюду, кроме, быть может, отдельных точек.
3) Вероятность попадания случайной величины Х в один из промежутков (а;b), [а;b), [а;b], равна разности значений функции F(х) в точках а и b,т.е. Р(а<Х<b)= F(b)- F(a)
4)Вероятность того, что непрерывная случайная величина Х примет одно отдельное значение равна 0.
5) F(-∞)=0, F(+∞)=1
Задание непрерывной случайной величины с помощью функции распределения не является единственным. Введем понятие плотности распределения вероятностей (плотность распределения).
Плотность распределения вероятностей и ее свойства.
Определение: Плотностью распределения вероятностей f(x) непрерывной случайной величины Х называется производная от ее функции распределения, т.е.:
f(x)=F’(x)
Плотность распределения вероятностей иногда называют дифференциальной функцией распределения или дифференциальным законом распределения.
График плотности распределения вероятностей f(x) называется кривой распределения вероятностей.