- •Классическое определение вероятности.
- •2 Основные правила и формулы комбинаторики: перестановки, размещения, сочетания.
- •Выборки элементов с повторениями
- •3 Случайные события и алгебра событий. Непосредственное вычисление вероятностей
- •4 Основные теоремы теории вероятностей.
- •Случайные величины (дискретные и непрерывные). Закон распределения дискретной случайной величины.
- •Пространство элементарных событий
- •Алгебра событий
- •Вероятность
- •Определение случайной величины
- •Классификация
- •Методы описания
- •Функция распределения вероятностей случайной величины. Плотность распределения.
- •Законы равномерного и нормального распределений
- •Свойства
- •Моделирование нормальных случайных величин
- •Центральная предельная теорема
- •I b Законы равномерного распределений
- •II b Равномерный закон распределения.
- •Вероятность попадания в заданный интервал нормальной случайной величины
- •Числовые характеристики случайных величин.
- •10 Схема повторных испытаний. Формула Бернулли. Предельные теоремы в схеме Бернулли (Пуассона, Муавра-Лапласа).
- •Предмет и основные задачи математической статистики.
- •Классификация статистической информации.
- •Классификация статистических методов
- •Понятия “генеральная совокупность”, “выборочная совокупность” и “репрезентативная совокупность ”. Способы выбора из генеральной совокупности.
- •Статистическое распределение выборки. Эмпирическая функция распределения. Графическое изображение статистического распределения.
- •Числовые характеристики распределений: мода, медиана, среднее.
- •Числовые характеристики распределений: генеральная средняя и дисперсия; выборочная средняя и дисперсия.
- •1.2.Выборочная средняя.
- •1.3. Генеральная дисперсия.
- •1.4.Выборочная дисперсия.
- •Функциональная, статистическая и корреляционная зависимости. Выборочное уравнение регрессии. Отыскание параметров выборочного уравнения прямой линии среднеквадратичной регрессии.
- •Элементы теории корреляции. Коэффициент корреляции Пирсона.
- •9 Элементы теории корреляции. Коэффициент ранговой корреляции Спирмена.
- •В каких случаях можно обойтись без ранжирования
- •10 Точечные оценки параметров распределенияи методы их нахождения. Метод моментов.
- •4.1. Точечная оценка параметров распределения
- •Преимущества и недостатки метода
- •11 Точечные оценки параметров распределения и методы их нахождения. Понятие о методе наименьших квадратов. Метод наименьших квадратов (расчёт коэффициентов)
- •Интервальные оценки. Построение доверительного интервала для оценки математического ожидания при известной дисперсии.
Функция распределения вероятностей случайной величины. Плотность распределения.
Функция распределения и плотность распределения непрерывной случайной величины, их взаимосвязь и свойства..
Определение и свойства функции распределения сохраняются и для непрерывной случайной величины, для которой функцию распределения можно считать одним из видов задания закона распределения. Но для непрерывной случайной величины вероятность каждого отдельного ее значения равна 0. Это следует из свойства 4 функции распределения: р(Х = а) = F(a) — F(a) = 0. Поэтому для такой случайной величины имеет смысл говорить только о вероятности ее попадания в некоторый интервал.
Вторым способом задания закона распределения непрерывной случайной величины является так называемая плотность распределения (плотность вероятности, дифферен-циальная функция).
Определение 5.1. Функция f(x), называемая плотностью распределения непрерывной случайной величины, определяется по формуле:
f (x) = F′(x), (5.1)
то есть является производной функции распределения.
Таким образом, график плотности распределения представляет собой кривую, располо-женную выше оси Ох, причем эта ось является ее горизонтальной асимптотой при (последнее справедливо только для случайных величин, множеством возможных значений которых является все множество действительных чисел). Площадь криволинейной трапеции, ограниченной графиком этой функции, равна единице.
Замечание. Если все возможные значения непрерывной случайной величины сосредоточе-ны на интервале [a, b], то все интегралы вычисляются в этих пределах, а вне интервала [a, b] f(x) ≡ 0.
Законы равномерного и нормального распределений
Нормальное распределение, также называемое гауссовским распределением или 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, могущих 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.
Свойства
Если случайные величины X1 и X2 независимы и имеют нормальное распределение с математическими ожиданиями μ1 и μ2 и дисперсиями и соответственно, то X1 + X2 также имеет нормальное распределение с математическим ожиданием μ1 + μ2 и дисперсией .