- •9. Формула Бернулли и Пуассона.
- •10. Локальная и интегральная теоремы Муавра-Лапласа.
- •11. Способы задания закона распред-ния дискретных св. Их св-ва.
- •12. Способы задания закона распред-ния непрерывных св. Св-ва.
- •29. Закон больших чисел. Неравенство Маркова.
- •30. Закон больших чисел. Неравенство Чебышева.
- •31. Закон больших чисел. Теорема Чебышева.
- •32. Закон больших чисел. Теорема Бернулли.
- •43. Стат. Гипотеза. Общая схема её проверки. Ошибки 1 и 2 рода.
- •17. Тип.Зр непр.Случ.Величин. Равномерный закон распределения.
- •18. Тип.Зр непр. С.В. Показательный закон распред-ия.
- •19. Тип. Зр непр. С.В. Нормальный закон распределения.
- •20. Точные законы распред. С.В. Распред-е Пирсона (хи-квадрат).
- •37. Общие сведения о выборочном методе.
- •38. Точечная оценка параметров распред-ия. Требования к ф-иям выборки.
- •39. Понятие интервальной оценки параметров распред. Доверит. Интервал для неизвестного мат. Ожидания.
- •5. Совместные и несовместные события. Теорема слож-ия вер-тей.
- •7.Полная группа событий. Формула полной вероятности.
- •6. Зависимые и независ. События. Теорема умножения вер-тей.
- •8.Формула Байеса переоценки вер-тей гипотез. Её практич. Значение.
- •25. Плотность вер-ти двумерной с.В.
- •26. Условные законы распределения двумерной с.В.
- •27.Числовые характер-ки двумерной с.В.
- •28. Ковариация и коэффициент корреляции.
- •2. Относительная частота события (очс). Теорема Бернули.
- •3.Классич. Опред-ие вер-ти события. Формулы комбинаторики.
- •4. Геометрическое определение вероятности события.
- •23. Понятие двумерной дискретной св и таблица её распред-ия.
- •24. Функция распред-ия двумерной с.В.
- •41.Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Вер-ти для умеренно больших выборок.
- •13. Математич. Ожидание случайных величин. Основные свойства.
- •14. Дисперсия случайных величин. Основные свойства.
- •15. Тип. Законы распред-ия дискрет. C.В. Бином. Закон распред-ия.
- •16. Тип. Законы распред-ия дискретных с.В. Распред-ие Пуассона.
- •34. Интегральная предельная теорема. Теорема Ляпунова.
- •35. Предмет мат. Статистики. Осн. Функция мат. Статистики.
- •36. Основные понятия математической статистики.
- •42. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Вер-ти для малых выборок.
- •45. Проверка гипотезы о равенстве средних двух совокупностей при известных дисперсиях.
- •44. Проверка гипотезы о равенстве средних двух совокупностей при неизвестных дисперсиях.
- •46. Проверка гипотезы о равенстве дисперсий двух совокупностей.
- •45. Проверка гипотезы о равенстве средних двух совокупностей при известных дисперсиях.
- •44. Проверка гипотезы о равенстве средних двух совокупностей при неизвестных дисперсиях.
- •46. Проверка гипотезы о равенстве дисперсий двух совокупностей.
- •47. Гистограмма распред-ия.
- •48. Проверка гипотезы о соответствии эмпирич. Закона распред-ия теоретич.
- •39. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Мат. Ожидания.
- •40. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для дисперсии.
12. Способы задания закона распред-ния непрерывных св. Св-ва.
Случайной наз. величина, кот. в рез-те испытания принимает то или иное значение, заранее неизвестно какое именно.
СВ наз. непрерывной, если её закон распределения можно представить в виде непрерывной ф-ии.
Закон распред-ния непрерыв. СВ дается в виде ф-ии распред-ния F(x) и плотности распред-ния f(x). F(x) непрерыв. СВ обладает св-вом непрерывности. f(x) – это производная от ф-ии рапред-ния F(x).
Св-ва: 1) , x R (для любых х принадлежащих R); 2) f(- ) = f( )=0; 3)
Ф-ию распред-ния непрерыв. СВ можно опред-ть по формуле:
29. Закон больших чисел. Неравенство Маркова.
В узком смысле закон больших чисел – это ряд теорем, в каждой из кот. устанавливается при тех или иных условиях факт приближения средних характеристик большого числа испытаний к некот. пост. величинам.
В широком смысле – это некот. общие принципы, согласно кот. совокупное действие большого числа случайных факторов приводит к рез-ту почти независящему от случая, т.е. при большом числе СВ их средний рез-т перестает быть случайным и может быть предсказан с большой степенью определенности.
Неравенство Маркова: Если СВ Х принимает только неотриц. значения и имеет мат. ожидание Мх , то для любого числа А > 0 выполняется неравенство:
;
Док-во: Х=(x1,x2…xn) P(X=xi)=pi ; i= . A>0
Выберем, что i=
Заменив возможное значение хk+1, xk+2…xn на А>0 в послед. неравенстве, то получаем более строгое неравенство, т.е.
30. Закон больших чисел. Неравенство Чебышева.
В узком смысле закон больших чисел – это ряд теорем, в каждой из кот. устанавливается при тех или иных условиях факт приближения средних характеристик большого числа испытаний к некот. постоянным величинам.
В широком смысле – это некот. общие принципы, согласно кот. совокупное действие большого числа случайных факторов приводит к рез-ту почти независящему от случая, т.е. при большом числе СВ их средний рез-т перестает быть случайным и может быть предсказан с большой степенью определенности.
Неравенство Чебышева: Для любой СВ, имеющее мат. ожидание Мх и дисперсию Dx справедливо неравенство:
, где ℰ > 0
Док-во: Применив нер-во Маркова к С.В. X’=(X - Mx)2; А= ℰ2
1) ;
2)
И следует:
31. Закон больших чисел. Теорема Чебышева.
В узком смысле закон больших чисел – это ряд теорем, в каждой из кот. устанавливается при тех или иных условиях факт приближения средних характеристик большого числа испытаний к некот. постоянным величинам.
В широком смысле – это некот. общие принципы, согласно кот. совокупное действие большого числа случайных факторов приводит к рез-ту почти независящему от случая, т.е. при большом числе СВ их средний рез-т перестает быть случайным и может быть предсказан с большой степенью определенности.
Теорема Чебышева: Если дисперсия n независимых СВ Х1, Х2 … Хn ограничены одной и той же постоянной, то при средняя арифметич. этих СВ сходится по вероят-ти к средней арифметич. Их мат. ожиданий.
ℰ - сколь угодно малое наперед заданное мат. число.
Док-во: X1, X2… Xn – независ. С.В. M(xi)=ai i= D(xi) C
Рассмотрим С.В. для кот. запишем нерав-во Чебышева:
Тогда: