- •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.
Нормальное распределение.
Нормальное распределение, также называемое гауссовым распределением или распределением Гаусса — распределение вероятностей, которое задается функцией плотности распределения:
где параметр μ — среднее значение (математическое ожидание) случайной величины и указывает координату максимума кривой плотности распределения, а σ² — дисперсия.
Нормальное распределение играет важнейшую роль во многих областях знаний, особенно в статистической физике. Физическая величина, подверженная влиянию значительного числа независимых факторов, способных вносить с равной погрешностью положительные и отрицательные отклонения, вне зависимости от природы этих случайных факторов, часто подчиняется нормальному распределению, поэтому из всех распределений в природе чаще всего встречается нормальное (отсюда и произошло одно из названий этого распределения вероятностей).
Нормальное распределение зависит от двух параметров — смещения и масштаба, то есть является с математической точки зрения не одним распределением, а целым их семейством. Значения параметров соответствуют значениям среднего (математического ожидания) и разброса (стандартного отклонения).
Стандартным нормальным распределением называется нормальное распределение с математическим ожиданием 0 и стандартным отклонением 1.
Центральная предельная теорема
Нормальное распределение часто встречается в природе. Например, следующие случайные величины хорошо моделируются нормальным распределением:
отклонение при стрельбе
некоторые погрешности измерений (однако, многие погрешности приборов в технике имеют сильно не нормальные распределения)
рост живых организмов
Такое широкое распространение закона связано с тем, что он является предельным законом, к которому приближаются многие другие (например, биномиальный).
Центральная предельная теорема показывает, что в случае, когда результат измерения (наблюдения) складывается под действием многих независимых причин, причем каждая из них вносит лишь малый вклад, а совокупный итог определяется аддитивно, т.е. путем сложения, то распределение результата измерения (наблюдения) близко к нормальному.
Нормальное распределение(не википед)
Для вычисления математического ожидания нормально распределенной случайной величины воспользуемся тем, что интеграл Пуассона .
( первое слагаемое равно 0, так как подынтегральная функция нечетна, а пределы интегрирования симметричны относительно нуля).
.
Следовательно, параметры нормального распределения (а и σ) равны соответствен-но математическому ожиданию и среднему квадратическому отклонению исследуемой случайной величины.
18. Вероятность попадания св в заданный интервал .Вероятность заданного отклонения нормальной св.Правило 3 сигм.
Известно, что если случайная величина X задана плотностью распределения , то вероятность того, что X примет значение, принадлежащее интервалу (a,b), такова:
.
Пусть случайная величина X распределена по нормальному закону. Тогда
.
Преобразуем эту формулу так, чтобы можно было пользоваться готовыми таблицами. Введем новую переменную . Отсюда .
Найдем новые пределы интегрирования. Если , то , если , то . Тогда
.
Выражение , входящее в эту формулу, является функцией верхнего предела X, которая называется функцией Лапласа или интегралом вероятностей и обозначается Ф(x). В результате получаем:
Ф — Ф ,
где Ф(x) = .
Эту формулу называют формулой Лапласа.
Если случайная величина X является признаком генеральной совокупности, то формула Лапласа дает долю элементов генеральной совокупности, у которых значение признака X находится в границах от до .
Интеграл, через который выражается функция Лапласа, нельзя выразить через элементарные функции. Его можно представить в виде степенного ряда, если разложить в ряд подынтегральную функцию и почленно проинтегрировать ряд. Тогда
Ф(x) = .
C помощью этого ряда можно вычислить значение Ф(x) для любого x с любой точностью. Составлены специальные таблицы значений функции Лапласа.