- •Случайные события: испытания, вероятность, частота. Свойства частоты.
- •События, алгебра событий
- •Аксиоматическое определение вероятности.
- •Классическая вероятность.
- •5. Язык теории вероятности и теории множеств.
- •9. Задача Бюффона
- •10. Задача о делении приза
- •11. Теорема умножения. Независимость. Теорема сложения.
- •14. Схема и формула Бернулли, частные случаи. Ф-ла Пуассона
- •15. Локальная и интегральная теоремы Муавра-Лапласа
- •16. Дискретная случайная величина, ряд распределения, многоугольник и функция распределения
- •17. Мат. Ожидание дсв, его интерпретация и свойства
- •18.Дисперсия и ее свойства. Среднее квадратическое отклонение.
- •19. Мода, медиана, начальный и центральный момент
- •20. Функцией распределения непрерывной случайной величины, ее свойства
- •21. Плотность вероятности непрерывной св. Ее свойства, мат. Ожидание, десперсия
- •22) Биноминальное распределение
- •23. Распределение Пауссона
- •24. Равномерное и показательное распределение.
- •25. Норм распределение. Функция Лапласса и его свойства
- •26. Система двух случайных величин, функция распределения и плотность.
- •27. Дисперсия
- •28. Независимость и некоррелированность
- •29. Числовые характеристики системы случайных велечин
- •31. Числовые хар-ки ф-ций случайной величины
- •32. Неравенство Маркова и Чебышева. Правило 3-х сигм
- •33. Теорема Бернулли. Теорема Пуассона. Теорема Колмогорова.
- •34. Закон больших чисел. Теорема Муавра-Лапласа
- •35. Закон больших чисел. Теорема Ляпунова.
- •36. Основные понятия статистики: генеральная совокупность, выборка, вариационный ряд, статистический ряд, эмпирическая функция распределения.
- •38. Статистическая проверка гипотез. Критерий Пирсона
16. Дискретная случайная величина, ряд распределения, многоугольник и функция распределения
Определение. Соотношение между возможными значениями случайной величины и их вероятностями называется законом распределения дискретной случайной величины.
Закон распределения может быть задан аналитически, в виде таблицы или графически.
Таблица соответствия значений случайной величины и их вероятностей называется рядом распределения.
Графическое представление этой таблицы называется многоугольником распределения. При этом сумма все ординат многоугольника распределения представляет собой вероятность всех возможных значений случайной величины, а, следовательно, равна единице.
Определение . Функцией распределения F(x) случайной величины Х называется вероятность того, что случайная величина примет значение, меньшее х:F (x) = p (X < x).
17. Мат. Ожидание дсв, его интерпретация и свойства
Определение 7.1. Математическим ожиданием дискретной случайной величины называ-ется сумма произведений ее возможных значений на соответствующие им вероятности: М(Х) = х1р1 + х2р2 + … + хпрп . (7.1)
Е сли число возможных значений случайной величины бесконечно, то , если полученный ряд сходится абсолютно.
Cвойства математического ожидания.
Математическое ожидание постоянной равно самой постоянной: М(С) = С. (7.2)
Доказательство. Если рассматривать С как дискретную случайную величину, принимающую только одно значение С с вероятностью р = 1, то М(С) = С·1 = С.
Постоянный множитель можно выносит за знак математического ожидании М(СХ) = С М(Х). (7.3)
Доказательство. Если случайная величина Х задана рядом распределения
xi |
x1 |
x2 |
… |
xn |
pi |
p1 |
p2 |
… |
pn |
то ряд распределения для СХ имеет вид:
Сxi |
Сx1 |
Сx2 |
… |
Сxn |
pi |
p1 |
p2 |
… |
pn |
Тогда М(СХ) = Сх1р1 + Сх2р2 + … + Схпрп = С( х1р1 + х2р2 + … + хпрп) = СМ(Х).
18.Дисперсия и ее свойства. Среднее квадратическое отклонение.
Определение . Дисперсией (рассеянием) случайной величины называется математи-ческое ожидание квадрата ее отклонения от ее математического ожидания:D(X) = M (X – M(X))²
Свойства дисперсии.
1) Дисперсия постоянной величины С равна нулю:D (C) =0
2) Постоянный множитель можно выносить за знак дисперсии, возведя его в квадрат: D(CX) = C²D(X)
3) Дисперсия суммы двух независимых случайных величин равна сумме их дисперсий:D(X + Y) = D(X) + D(Y)
Следствие 1. Дисперсия суммы нескольких взаимно независимых случайных величин равна сумме их дисперсий.
Следствие 2. Дисперсия суммы постоянной и случайной величин равна дисперсии случайной величины.
4) Дисперсия разности двух независимых случайных величин равна сумме их дисперсий: D(X – Y) = D(X) + (Y)
Дисперсия дает среднее значение квадрата отклонения случайной величины от среднего; для оценки самого отклонения служит величина, называемая средним квадратическим отклонением. Определение. Средним квадратическим отклонением σ случайной величины Х называется квадратный корень из дисперсии: