- •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.
14. Дисперсия случайных величин. Основные свойства.
Дисперсией С.В. Х наз-ся мат. ожидание квадрата отклонения С.В. Х от её мат. ожидания. Дисперсия характеризует степень рассеянности возможного значения С.В. относительно её мат. ожидания.
Св-ва: 1) D(C) = 0, C=const; 2) D(kX)= *D(x) k=const; 3) D(x+y)=D(x)+D(y); X и Y – независим. С.В. 4) D(x)=M( ) - (x);
Док-во:
15. Тип. Законы распред-ия дискрет. C.В. Бином. Закон распред-ия.
Дискретная С.В. с возможными значениями 0,1,2,…..n распределена по биномиальному закону, если вер-ти её возможных значений опред-ся по формуле:
Таким образом по бином. закону распред-ся число испытаний, в кот. некот. событие А наступает в серии из n независим. испытаний.
Теорема: Числовые характер-ки биномиально-распределённой С.В. опред-ся по формулам: M(x)=np; D(x)=npq; σ(x)=
Док-во: Рассмотрим С.В. Хi – число появлений события А в i-том испытании в серии из n-независим. испытаний.
Частота события , распред-ся по нормированному бином. распред-ию. Её возможные значения 0, , 1.
16. Тип. Законы распред-ия дискретных с.В. Распред-ие Пуассона.
Дискретная С.В. с возможным значением 0,1,2……m, распред-ся по закону Пуассона если вер-ти наступления её возможных значений опред-ся по формуле: , где =np
– параметр распред-ия. M(x)=D(x)= ; σ(x) = .
Док-во:
Распред-ие Пуассона явл. предельным случаем бином. закона распред-ия, а именно при р 0, n . Поэтому распред-ие Пуассона наз-ся распред-ем редких явлений. Использ-ся в сфере массового обслуживания с простым потоком событий, число заявок на заданный промежуток времени – С.В. распределяемая, по закону Пуассона.
34. Интегральная предельная теорема. Теорема Ляпунова.
Интегральная предельная теорема явл. частным случаем общей и универсальной центральной предельной теоремы. Центральная предельная теорема представляет собой группу теорем, посвящённых установлению условий, при кот. возникает норм. закон распред-ия. Среди этих теорем наиважнейшее место занимает теорема Ляпунова.
Теорема: Если – независим. С.В., у каждой из кот. сущ. мат. ожидание , дисперсия , абсолютный центр. момент 3-его порядка и
то закон распред-ия суммы , при неограниченно приближается к норм. с мат. ожиданием и дисперсией . Теорему принимают без док-ва.
35. Предмет мат. Статистики. Осн. Функция мат. Статистики.
Мат. ст-ка – это раздел математики, занимающийся изучением методов сбора, систематизации и обработки стат. данных с целью выявления стат. закономерностей.
Мат. ст-ка опирается на Т.В., если Т.В. изучает закономерности случ. явлений на основе абстрактного описания исследуемого процесса, то мат. ст-ка основывается на реал. рез-тах наблюдений.
Опираясь на Т.В., мат. ст-ка занимается оценкой параметров распред-ия, а также самим распред-ем. Т.к. объем стат. данных ограничен, следовательно для получения более достоверной оценки параметров распред-ия необходимы научно-обоснованные правила.
2 осн. задачи мат. ст-ки: 1)выработка научно-обоснованных правил и рекомендаций по оценке параметров распред-ия, а также самих распред-ий. 2) проверка стат. гипотез.
Сущ. 2 способа исследования рез-тов наблюдений: сплошной и выборочный. Согласно сплошному исследованию подвергаются всевозможные рез-ты наблюдений. На практике чаще использ-ся выборочный метод, согласно кот. исследованию подвергается опред. часть, кот. принято называть выборкой.
Полученные рез-ты исследований по данным выборки распространяется на все рез-ты наблюдений с опред. Степенью доверия. В этом состоит осн. ф-ия мат. ст-ки.