- •1. Множества. Способы задания множеств.
- •2. Операции над множествами.
- •3. Перестановки. Размещение. Сочетание.
- •4. Множества с повторениями
- •5.Основные понятия математической логики.
- •6.Основные логические операции логики высказываний
- •7. Логические формулы
- •9.Закон поглощения:
- •9. Виды событий. Предмет теории вероятности.
- •10. Виды случайных событий.
- •11. Классическое определение вероятности . Свойства.
- •12.Частота событий. Статистическое определение вероятности.
- •13.Теорема сложений вероятности. ( не знаю надо доказательства или нет)
- •14. Теорема умножения вероятностей
- •15. Обобщение теорем сложения и умножения
- •16.Виды случайных величин
- •19. Геометрическое распределение.
- •20. Гипергеометрическое распределение.
- •21. Нормальное распределение (закон Гаусса).
- •22. Формула Пуассона.
- •23. Математические операции над случайными величинами
- •24. Числовые характеристики дискретных случайных величин:
- •25. Предмет математической статистики.
- •26. Генеральная и выборочная совокупность.
- •27. Повторная и бесповторная выборки. Репрезентативная выборка.
- •28. Способы отбора
- •29. Интервальный статистический ряд. Формула Стерджеса.
- •30.Статистическое распределение выборки.
- •31. Эмпирическая функция распределения дсв
- •32. Графическое изображение статистического наблюдения.
- •33. Гистограмма и полигон частот.
19. Геометрическое распределение.
Геометрическое распределение в теории вероятностей - распределение дискретной случайной величины равной количеству испытаний случайного эксперимента до наблюдения первого «успеха».
Значение: 1) Геометрическое распределение описывает время, протекающее до наступления определенного числа неудач. 2) Частным случаем распределения Паскаля является геометрическое распределение, получаемое при с=1. 3) Экспоненциальное распределение для непрерывного случайного аналогично геометрическому для дискретного случая. Если в геометрическом распределении случайная величина представляет число испытаний до первого отказа, то в экспоненциальном в непрерывном случае, соответствующим аналогом будет промежуток до первого отказа.
20. Гипергеометрическое распределение.
Гипергеометрическое распределение — это дискретное вероятностное распределение, которое описывает количество успехов в выборке без возвращений длины над конечной совокупностью объектов.
Пусть имеется, n значений, среди которых m значений случайно величины Х и (n-m) значений случайной величины Y. Предположим, что из n значений совершенно случайно выбрали r значений. Число k значений случайной величины Х среди выбранных r значений является случайным. Распределение вероятностей случайной величины k (k – целое число) имеет вид
,
где max(0, m+r-n)≤k≤(m,r) называется гипергеометрическим распределением.
Соответствующее математическое ожидание и дисперсия определяется по формулам
; .
При n→∞ и имеет место биномиальное распределение ("биномиальное приближение"):
(k=0,1,2,…,n).
21. Нормальное распределение (закон Гаусса).
Нормальное распределение, также называемое 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.
22. Формула Пуассона.
Распределение (формула) Пуассона - это распределение редких событий. Условия применения формулы требуют, чтобы вероятность события p была мала, а число испытаний n велико. Обычно формулу используют, когда n 10, а np<10. Кроме того, отличие от биноминального распределения состоит в том, что то сколько раз событие не наблюдалось, значения не имеет. Например, мы можем заявить, что лампочка должна заменяться три раза в течение 10000 часов. Однако, вопрос “сколько раз не следует менять лампочку в течение того же времени”, смысла иметь не будет.
Распределение Пуассона распространяется на случаи, когда возможность совершить ошибку сохраняется непрерывно, но, фактически, совершаются лишь несколько ошибок (редкие события).
Примеры распределения Пуассона:
-число чернильных клякс на 100 страницах монографии;
-число разговоров регистрируемых на АТС в течение определённого интервала времени;
Таким образом, распределение Пуассона применяется для определения числа отказов изделия за определенный промежуток времени.
Распределение дискретной случайной величины по закону Пуассона
Случайная дискретная величина х распределена по закону Пуассона, если она может принимать только целые неотрицательные значения m (m=0,1,2,…)с вероятностями, определенными по формуле