- •Оглавление
- •Введение
- •1. Теория функций комплексного переменного
- •Комплексные числа и операции над ними
- •1.1.1. Определение комплексного числа
- •1.1.2. Формы записи комплексных чисел
- •1.1.3. Формула Муавра и извлечение корня n-ой степени из комплексного числа
- •1.2. Функции комплексного переменного
- •1.3. Дифференцирование функций комплексного переменного
- •1.3.1. Определение производной
- •1.3.2. Необходимые и достаточные условия дифференцируемости функции комплексного переменного
- •1.3.3. Производные основных элементарных функций
- •1.3.4. Восстановление аналитической функции по известной действительной или мнимой части
- •Интегрирование функций комплексного переменного
- •1.4.1. Определение интеграла от функции комплексного переменного
- •1.4.2. Теорема Коши. Вычисление интегралов от аналитических функций
- •2. Теория рядов
- •2.1. Числовые ряды
- •2.1.1.Основные понятия Пусть дана последовательность чисел (вещественных или комплексных)
- •Свойства сходящихся рядов
- •Замечание. Условие является необходимым, но не достаточным для сходимости, т.Е. Если , то ряд может сходиться, а может и расходиться.
- •Т. Е. Сходимость ряда равносильна тому, что сумма любого числа членов ряда, следующих за достаточно большим номером, должна быть произвольно мала.
- •2.1.2. Достаточные признаки сходимости положительных рядов
- •Пусть даны два положительных ряда и .
- •2.1.3. Сходимость рядов с произвольными членами
- •2.2. Функциональные ряды
- •2.2.1. Сходимость функционального ряда
- •Функциональные свойства суммы сходящегося ряда
- •2.2.2. Степенные ряды
- •Область сходимости степенных рядов
- •Ряды Тейлора и Маклорена
- •2.3. Ряды Фурье
- •2.3.1. Тригонометрический ряд Фурье. Периодические функции.
- •2.3.2. Сходимость ряда Фурье
- •Разложение в ряд Фурье четных и нечетных функций
- •Разложение в ряд Фурье функций произвольного периода 2l
- •2.3.3. Интеграл Фурье
- •3. Теория вероятностей
- •Случайные события и их вероятности
- •Классификация событий
- •3.1.2. Операции над событиями
- •3.1.3. Аксиоматическое определение вероятности
- •Примеры вероятностных пространств
- •Конечное вероятностное пространство
- •2. Непрерывное вероятностное пространство
- •3.1.4. Условная вероятность. Теорема умножения вероятностей.
- •3.1.5. Формула полной вероятности. Формула Байеса
- •3.1.6. Последовательность независимых испытаний. Формула Бернулли
- •3.1.7. Статистическое определение вероятности
- •3.2. Случайные величины, их распределения и числовые
- •3.2.1.Дискретные случайные величины
- •3.2.2. Функция распределения. Плотность распределения
- •3.2.3. Математическое ожидание случайной величины
- •3.2.4. Дисперсия случайной величины
- •3.2.5. Примеры законов распределения случайных величин Дискретные случайные величины
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Геометрическое распределение
- •4. Гипергеометрическое распределение
- •Непрерывные случайные величины
- •5. Равномерное распределение
- •6. Показательное распределение
- •7. Нормальное распределение
- •3.3. Системы случайных величин
- •3.3.1. Закон распределения системы случайных величин
- •Условный закон распределения
- •3.3.2. Числовые характеристики случайного вектора
- •3.3.3. Предельные теоремы теории вероятностей
- •4. Математическая статистика
- •4.1. Методы статистического описания результатов наблюдений
- •4.1.1. Статистическое распределение выборки
- •4.1.2. Эмпирическая функция распределения
- •4.2. Оценки параметров распределения
- •4.2.1.Точечные оценки параметров распределения
- •4.2.2. Интервальные оценки параметров распределения
- •4.3. Проверка статистических гипотез
- •4.4. Статистические оценки параметров линейной корреляционной зависимости (между двумя случайными величинами)
- •5. Контрольная работа № 7. Задания
- •5.1. Пример выполнения контрольной работы № 1. Вариант 0.
- •5.2. Варианты заданий контрольной работы № 7
- •6. Контрольная работа № 8. Задания
- •6.1. Пример выполнения контрольной работы № 2. Вариант № 0.
- •6.2. Варианты заданий контрольной работы № 8
3.2.5. Примеры законов распределения случайных величин Дискретные случайные величины
1. Биномиальное распределение
Определение. Случайная величина X называется распределенной по биномиальному закону, если ее возможными значениями являются числа , а вероятности, с которыми она принимает эти значения, определяются формулами: , ( ).
Биномиальный закон распределения дискретной случайной величины можно представить в виде таблицы:
Для случайной величины, распределенной по биномиальному закону с параметрами и : , , .
2. Распределение Пуассона
Определение. Распределение случайной величины , возможными значениями которой являются числа , а вероятности этих значений задаются формулой: , называется распределением Пуассона, - параметр распределения.
Распределение Пуассона является предельным случаем биномиального распределения, если достаточно велико, а достаточно малое (в этом случае ).
Числовые характеристики этого распределения: .
3. Геометрическое распределение
Определение. Геометрическим распределением называется распределение дискретной случайной величины , возможные значения которой 1,2,3,… , а вероятности этих значений определяются формулой: , .
Для такой случайной величины , .
4. Гипергеометрическое распределение
Определение. Распределение дискретной случайной величины, возможные значения которой , а вероятность того, что эта величина примет значение к, определяется формулой ( ), называется гипергеометрическим.
Числовые характеристики этой случайной величины определяются следующим образом: .
Непрерывные случайные величины
5. Равномерное распределение
Определение. Случайная величина называется равномерно распределенной на отрезке , если плотность распределения вероятностей этой величины постоянна на данном отрезке и равна нулю вне его: .
Для случайной величины , равномерно распределенной на отрезке , вероятность попадания в интервал , пропорциональна длине этого интервала: .
Функция распределения этой величины имеет вид:
.
Числовые характеристики случайной величины , .
6. Показательное распределение
Определение. Распределение непрерывной случайной величины называется показательным, если его плотность распределения имеет вид: , - параметр распределения.
Функция распределения этой случайной величины: , числовые характеристики: .
7. Нормальное распределение
Определение. Нормальным распределением (или распределением Гаусса) называется распределение случайной величины, плотность которого равна: .
Параметры и нормально распределенной случайной величины имеют следующий смысл: , .
Функция распределения этой случайной величины есть: , где - функция Лапласа: .
Функция Лапласа является нечетной, ее значения приведены в специальных таблицах.
Вероятность попадания нормально распределенной случайной величины в интервал определяется формулой
.
Вероятность выполнения неравенства , т.е. вероятность того, что случайная величина отклонится от своего математического ожидания не больше, чем на величину , для нормально распределенной случайной величины есть: .
Пример. Найти вероятность попадания в интервал нормально распределенной случайной величины , для которой математическое ожидание , среднее квадратическое отклонение .
Решение. Применим формулу: ; в данном случае она примет вид: .
Функция Лапласа является нечетной, поэтому
.
Значения найдены по таблице значений функции Лапласа (приложение 1).