- •Экзаменационные вопросы по дисциплине
- •2. Частота события. Статистическое определение вероятности.
- •3. Классическое и геометрическое определения вероятности.
- •4. Аксиомы теории вероятностей. Основные следствия из аксиом.
- •5. Условная вероятность. Независимость событий. Теорема умножения вероятностей.
- •6. Теорема сложения вероятностей.
- •7. Формула полной вероятности. Формула Байеса.
- •8. Вычисление вероятностей событий с помощью биномиальной и полиномиальной формул.
- •9. Понятие случайной величины и её закона распределения. Дискретные и непрерывные величины.
- •10. Ряд и многоугольник распределения дискретной случайной величины.
- •11. Функция распределения случайной величины и её свойства.
- •12. Плотность распределения непрерывной случайной величины и её свойства.
- •13. Математическое ожидание, мода и квантили случайной величины.
- •14. Моменты, дисперсия и среднее квадратическое отклонение случайной величины.
- •15. Биномиальное распределение. Распределение Пуассона. Геометрическое распределение. Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •16. Равномерное распределение. Показательное распределение. Равномерное распределение
- •Показательное распределение
- •17. Одномерное нормальное распределение.
- •18. Понятие случайного вектора. Ряд распределения двумерного дискретного случайного вектора.
- •19. Функция и плотность распределения случайного вектора.
- •20. Зависимость и независимость случайных величин.
- •21. Корреляционный момент и коэффициент корреляции двух случайных величин.
- •22. Многомерное нормальное распределение.
- •23. Математическое ожидание и дисперсия функции случайных величин.
- •24. Основные свойства математического ожидания.
- •25. Основные свойства дисперсии и коэффициента корреляции.
- •26. Распределения “хи-квадрат”, Стьюдента и Фишера.
- •27. Закон больших чисел.
- •28. Центральная предельная теорема.
- •29. Дискретная цепь Маркова: основные понятия и свойства.
- •30. Выборка и её вариационный ряд. Статистический ряд результатов измерений.
- •31. Гистограмма и полигон частот.
- •32. Статистическая функция распределения.
- •33. Понятие о точечных оценках параметров и их свойствах.
- •34. Точечные оценки математического ожидания, дисперсии и среднего квадратического отклонения.
- •35. Понятие об интервальном оценивании параметров.
- •36. Построение доверительных интервалов для математического ожидания и дисперсии нормально распределённой случайной величины.
- •37. Проверка статистических гипотез: основные определения и общая схема проверки.
- •38. Критерий согласия Пирсона.
- •39. Критерий согласия Колмогорова. Критерий однородности Смирнова. Критерий согласия Колмогорова
- •. Критерий однородности Смирнова
10. Ряд и многоугольник распределения дискретной случайной величины.
Пусть Х
– дискретная СВ, имеющая конечное
множество возможных значений
,
расположенных в порядке возрастания,
и
,
.
Тогда простейшей формой закона
распределения СВ Х
является следующая таблица, называемая
рядом распределения:
Х |
|
|
. . . |
|
Р |
|
|
. . . |
|
События
,
являются попарно несовместными и
образуют полную группу, поэтому
.
Для наглядности
ряд распределения можно представить
графически: на координатной плоскости
изображаются точки
,
,
которые последовательно соединяются
отрезками прямых. Полученная ломаная
называется многоугольником распределения.
Если дискретная
СВ имеет счётное множество возможных
значений
,
расположенных в порядке возрастания,
то её закон распределения может быть
задан формулой вида
,
,
где р
– некоторая функция натурального
аргумента и выполняется условие
.
Указанная формула также называется
рядом распределения.
11. Функция распределения случайной величины и её свойства.
Функцией распределения
СВ Х
называется такая функция
,
которая при каждом значении числового
аргумента х
равна вероятности того, что СВ Х
принимает значение, меньшее х,
т.е.
.
Из определения СВ следует, что
определена при любом значении х.
Функция распределения является одной
из форм закона распределения как
дискретной, так и непрерывной СВ.
Рассмотрим основные свойства .
10.
.
Доказательство
следует из определения
как вероятности:
.
20.
– неубывающая функция аргумента х,
т.е. если
,
то
.
Доказательство.
Пусть
.
Событие
есть сумма несовместных событий
и
,
поэтому из аксиомы сложения имеем
или
,
откуда
,
т.е.
.
30.
.
Доказательство следует из полученного выше равенства
.
40.
,
.
Доказательство.
Рассмотрим значение СВ Х
как положение случайной точки на числовой
оси. Тогда функция
при каждом значении х
равна вероятности того, что случайная
точка окажется левее точки х.
При неограниченном перемещении точки
х
влево (вправо) попадание случайной точки
левее х
в пределе становится невозможным
(достоверным) событием, поэтому
,
.
50. Функция распределения дискретной СВ постоянна на любом интервале, не содержащем возможных значений этой СВ, и имеет скачок в каждой точке, совпадающей с возможным значением, при этом величина скачка равна вероятности появления соответствующего значения.
60. Функция распределения непрерывной СВ непрерывна на всей числовой оси. Функция распределения произвольной СВ при любом значении аргумента х непрерывна слева.
12. Плотность распределения непрерывной случайной величины и её свойства.
Пусть Х
– непрерывная СВ, а
– её функция распределения. Плотностью
распределения (или плотностью вероятности)
СВ Х
называется функция
,
равная производной от функции распределения
этой СВ, т.е.
.
Если при некотором значении аргумента
недифференцируема, то
в этой точке не определена.
Разность
равна вероятности попадания СВ на
участок
,
поэтому отношение
есть средняя вероятность, приходящаяся
на единицу длины этого участка. Это
означает, что
характеризует “плотность вероятности”,
с которой распределены возможные
значения СВ. Если
дифференцируема в точке х,
то при малом
имеет место
,
где величина
называется элементом вероятности.
Рассмотрим основные свойства плотности распределения.
10.
.
Доказательство
следует из равенства
и неубывания
.
20.
.
Доказательство.
.
30.
.
Доказательство.
.
40.
.
Доказательство.
.
Замечание.
Для непрерывной СВ Х
при любых
имеет место
,
поэтому
.
Функция распределения непрерывной СВ называется также её интегральным законом, а плотность вероятности – дифференциальным законом распределения. График плотности называется кривой распределения.
