- •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
3.3. Системы случайных величин
3.3.1. Закон распределения системы случайных величин
На практике часто сталкиваемся с ситуацией, когда результат опыта описывается несколькими случайными величинами. Например, при стрельбе по плоской мишени, отклонение от центра задается двумя случайными величинами: абсциссой и ординатой точки . Свойства системы не исчерпываются свойствами отдельных случайных величин, есть еще взаимные связи (зависимости) между случайными величинами. Для описания системы удобно использовать геометрическую интерпретацию: случайный вектор.
Закон распределения системы случайных величин – это соотношение, устанавливающее связь между областями возможных значений случайных величин и вероятностями появления случайного вектора в этих областях.
Определение. Функцией распределения случайного вектора или функцией совместного распределения случайных величин называется функция двух действительных переменных , определяемая соотношением:
.
Обозначим через:
- функцию распределения системы ;
- функцию распределения случайной величины ;
- функцию распределения случайной величины .
Функция распределения обладает следующими свойствами:
1. .
2. .
3. .
4. Функция - неубывающая функция по каждому из аргументов.
5. Функция непрерывна слева по каждому из аргументов.
Свойство 2 обычно называют условием согласованности. Оно означает, что функции распределения отдельных случайных величин могут быть найдены предельным переходом из функции совместного распределения этих величин.
Вероятность попадания случайного вектора в прямоугольник со сторонами, параллельными координатным осям, т.е. вероятность выполнения неравенств , может быть найдена с помощью функции распределения системы:
.
Определение. Случайный вектор называется вектором дискретного типа, если множество его значений, т.е. пар , конечное или счетное. Если перечислить всевозможные пары значений случайного вектора и сопоставить каждой паре вероятность , причем , то получим закон распределения дискретного случайного вектора.
Законы распределения случайных величин и выражаются через вероятности следующим образом:
Определение. Случайный вектор называется вектором непрерывного типа, если функция распределения непрерывна на всей плоскости, и существует такая неотрицательная, интегрируемая функция , называемая плотностью распределения системы, что
.
Свойства плотности распределения системы непрерывных случайных величин:
1. .
2. (условие нормировки).
3. Если - точка непрерывности , то .
4. Плотности распределения вероятностей отдельных компонент случайного вектора выражаются в виде интегралов от совместной плотности:
.
5. Вероятность попадания случайного вектора в произвольную квадрируемую область В на плоскости определяется по формуле:
.
Условный закон распределения
Пусть - случайный вектор дискретного типа, а - множество его возможных значений.
Определение. Условным законом распределения случайной компоненты при условии, что компонента приняла определенное значение , называется совокупность возможных значений компоненты и соответствующих им условных вероятностей , которые определяются по формуле: .
Аналогично определяется условный закон распределения случайной компоненты при условии, что компонента приняла определенное значение.
Пусть - непрерывный случайный вектор и - его плотность распределения.
Определение. Условной плотностью распределния вероятностей случайной компоненты при условии, что компонента приняла определенное значение , называется неотрицательная функция действительной переменной , определяемая формулой:
. Аналогично, .
Определение. Компоненты и случайного вектора называются независимыми, если для случайного вектора дискретного типа и для случайного вектора непрерывного типа.