- •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
24. Равномерное и показательное распределение.
Равномерным распределение называется если мат ожидание (интеграл от b до a x*f(x)) = (a+b)/2 В этом случае дисперсия (интеграл от b до a x^2*f(x)) = (b-a)2/12.
П оказательное распределение НСВ Х, принимающая знач >0 имеет показ распр если плотность имее вид: F(x)= {1-e-λx при х>=0 и =0 при x<0 то есть f(x)=F’(x) f(x) надо написать. При показ распределении:
1) М(х)=1/λ
2) D(x)=1/λ2
3) P(a<=x<b)=e-λa-e-λb
25. Норм распределение. Функция Лапласса и его свойства
Нормальный закон.
- ф-ла Лапласса
Св-ва Ф*(х)
26. Система двух случайных величин, функция распределения и плотность.
Закон распределения дискретной двумерной случайной величины (Х, Y) имеет вид таблицы с двойным входом, задающей перечень возможных значений каждой компоненты и вероятности p(xi, yj), с которыми величина принимает значение (xi, yj):(рисуем таблицу иксы сверху игреки слево)
При этом сумма вероятностей, стоящих во всех клетках таблицы, равна 1.
О пределение . Функцией распределения F(x, y) двумерной случайной величины (X, Y) называется вероятность того, что X < x, a Y < y:
F( х, у ) = p ( X < x, Y < y )
27. Дисперсия
Мат ожидание
Безразмерной характеристикой коррелированности двух случайных величин является коэффи-циент корреляции
Корреляционный момент служит для того, чтобы охарактеризовать связь между случайными величинами. Если случайные величины независимы, то их корреляционный момент равен нулю.
28. Независимость и некоррелированность
Опр. Если ковариация =0 то случ величина называется некоррелированна.
Утв: Х и У некоторые случ велич
М(Х*У)=М(Х)*М(У)
D(X+Y)=D(X)+D(Y)
Опр. Rxy=kxy/σx* σy
Cв-ва 1) |rxy|≤1 rxy=1 => X,Y линейно не зависимы
2.X и Y – не зависимы => rxy=0
29. Числовые характеристики системы случайных велечин
Дисперсия
Мат ожидание
Безразмерной характеристикой коррелированности двух случайных величин является коэффи-циент корреляции
30. Ф-ция случайной величины
Плотность вероятности суммы двух случайных величин ~ Распределение произведения двух случайных величин
Если - случайная величина с областью значений X и функция f(x) определена на множестве X , то = f(x) - тоже случайная величина. Задача об отыскании функции распределения случайной величины по известной функции распределения случайной величины легко решается, если f(x) - непрерывная монотонно возрастающая функция. Доказано, что тогда функция распределения F (x) случайной величины задается формулой F (x)=F ([f(x)]-1).
Здесь F (x) - известная функция распределения случайной величины , а символом [f(x)]-1 обозначена функция, обратная к функции f(x).
Плотность распределения случайной величины для дифференцируемой f(x) вычисляется по формуле .
Плотность вероятности суммы двух случайных величин
В теории вероятностей часто возникает необходимость в определении плотности вероятности суммы двух независимых случайных величин. Если 1 и 2 - непрерывные независимые случайные величины с плотностями вероятности соответственно p1(x) и p2(x), то плотность вероятностей суммы = 1 + 2 вычисляется по формуле: .