- •1. Случайный эксперимент. Пространство элементарных событий. Случайные события и операции над ними.
- •2. Классическое определение вероятности (ков). Урновая схема. Пример.
- •3. Геометрическое определение вероятности. Пример.
- •4. Аксиоматическое определение вероятности. Вероятностное пространство. Свойства вероятности.
- •5. Условная вероятность и ее свойства. Правило и теорема умножения вероятностей.
- •6. Независимость событий. Свойства независимых событий. Независимость в совокупности.
- •7. Формулы полной вероятности и Байеса. Пример.
- •8. Схема независимых испытаний Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •9. Понятие случайной величины (св). Функция распределения св и ее свойства.
- •10. Дискретные св. Закон распределения (зр) дискретной св.
- •11. Важнейшие дискретные св.
- •12. Непрерывные св. Плотность вероятностей и ее свойства.
- •13. Важнейшие непрерывные св.
- •14. Математическое ожидание дискретных и непрерывных св.
- •15. Основная теорема о мо. Свойства мо.
- •16. Моменты, дисперсия и среднеквадратическое отклонение св. Свойства дисперсии.
- •17. Числовые Характеристики важнейших св.
- •18. Случайные векторы. Функция распределения случайного вектора и ее свойства.
- •19. Дискретные случайные векторы. Закон распределения дискретного случайного вектора.
- •20. Непрерывные случайные векторы. Плотность вероятностей случайного вектора и ее свойства.
- •21. Равномерное распределение в области на плоскости. Равномерные распределения в прямоугольнике и в круге.
- •22. Независимость случайных величин. Условия независимости. Независимость в совокупности.
- •23. Условные законы распределения. Условная плотность вероятностей и ее свойства. Условные числовые характеристики.
- •24. Числовые характеристики случайных векторов. Корреляционная матрица и ее свойства. Понятие о моментах случайных векторов.
- •Понятие о моментах
- •25. Теоремы о числовых характеристиках.
- •26. Некоррелированные св. Связь между некоррелированностью и независимостью. Пример.
- •27. Коэффициент корреляции, его свойства и вероятностный смысл.
- •28. Многомерное нормальное распределение и его свойства.
- •29. Функции от св и их законы распределения.
- •Функции случайных аргументов
- •Функции от случайных величин
- •Функции от случайных векторов
- •30. Закон распределения суммы св. Композиция (свертка) законов распределения. Пример.
- •31. Неравенство Чебышева. Виды сходимости последовательностей св и связь между ними.
- •Неравенство Чебышева
- •Виды сходимости последовательностей с.В. И связи между ними.
- •32. Закон больших чисел (збч) для последовательностей св. Теоремы Маркова и Чебышева.
- •33. Збч для последовательностей независимых одинаково распределенных св. Задача об измерениях. Теорема Бернулли и ее применение.
- •34. Характеристическая функция св и ее свойства.
- •Свойства хф.
- •35. Характеристические функции важнейших св. Устойчивость нормального закона распределения.
- •Характеристические функции случайных векторов
- •36. Сходимость распределений (слабая сходимость) и ее связь со сходимостью по вероятности. Теорема непрерывности.
- •37. Центральная предельная теорема (цпт) для независимых одинаково распределенных св. Интегральная теорема Муавра-Лапласа.
- •38. Цпт для независимых разнораспределенных св: теоремы Линдеберга и Ляпунова. Смысл условия Линдеберга. Асимптотическая нормальность.
- •39. Теорема Хинчина. Понятие об усиленном збч.
- •40. Статистическая модель. Генеральная совокупность (гс), выборка, объем выборки. Простейшие способы представления статистических данных.
- •Способы представления статистических данных
- •41. Эмпирическая функция распределения и ее свойства.
- •42. Гистограмма и полигон частот.
- •Интервальный статистический ряд.
- •Вероятностный смысл гистограммы
- •43. Выборочные (эмпирические) числовые характеристики. Выборочное среднее и выборочная дисперсия.
- •44. Точечные оценки неизвестных параметров распределений. Требования, предъявляемые к точечным оценкам.
- •Точечные оценки неизвестных параметров распределения.
- •45. Свойства выборочного среднего и выборочной дисперсии как точечных оценок мо и дисперсии соответственно.
- •46. Метод моментов получения точечных оценок. Свойства оценок, найденных по методу моментов. Пример.
- •Метод моментов.
- •47. Метод максимального правдоподобия. Свойства оценок максимального правдоподобия. Пример.
- •48. Интервальные оценки неизвестных параметров распределений. Доверительные интервалы (ди) для мо нормально распределенной гс (при известной и неизвестной дисперсии).
- •49. Ди для дисперсии нормально распределенной гс (при известном и неизвестном мо).
- •50. Асимптотические ди для мо и дисперсии произвольно распределенной гс.
- •51. Критерий хи-квадрат Пирсона для проверки простой гипотезы о виде распределения.
- •52. Критерий хи-квадрат Пирсона для проверки сложной гипотезы о виде распределения.
- •53. Критерий хи-квадрат Пирсона для проверки гипотезы независимости.
17. Числовые Характеристики важнейших св.
Индикаторная случайная величина.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
Индикаторная случайная величина имеет вид:
а ее закон распределения:
0 |
1 | |
q |
p |
где .
Найдем математическое ожидание и дисперсию этой случайной величины.
.
.
Окончательно, |
, . |
Биномиальная СВ. Числовые характеристики (ЧХ) биномиальной СВ.
Биномиальная СВ(БСВ) – ДСВ, представляющая собой число успехов внезависимых испытаниях по схеме Бернулли с вероятностью появления успеха в одном испытании равным. Обозначается:.
Вероятности: .
Рассчитаем МО и Д БСВ:
.
Геометрическая СВ. ЧХ геометрической СВ.
Геометрическая СВ – ДСВ , представляет собой число испытаний по схеме Бернулли до наступления первого успеха, с вероятностью успеха в каждом испытании равным.
.
Вероятности: .
Рассчитаем МО и Д ГСВ:
.
Пуассоновская СВ. ЧХ пуассоновской СВ.
ДСВ называется Пуассоновской, если множество ее значений, а вероятности значений определяются по формуле:
.
Рассчитаем МО и Д ПСВ:
.
Равномерная СВ. ЧХ равномерно распределенной СВ.
Говорят, что НСВ имеет равномерный закон распределения на отрезке(), если, а- постоянна на отрезке:
.
Выберем из условия нормировки:
.
Рассчитаем МО и Д равномерной СВ:
Показательная(Экспоненциальная) СВ. ЧХ показательно распределенной СВ.
Говорят, что НСВ имеет показательный (экспоненциальный) закон распределения (), если, аопределяется, как:
.
Рассчитаем МО и Д равномерной СВ:
Нормальная (Гауссовская) СВ. ЧХ нормальной(гауссовской) СВ.
Говорят, что НСВ имеет нормальный (гауссовский) закон распределения с параметрамиии обозначается, если множество ее возможных значений, а плотность вероятностей:
, где.
Случайная величина, имеющая распределение Коши.
Случайная величина , распределенная по закону Коши, имеет плотность вероятностей вида:
.
Найдем математическое ожидание этой случайной величины:
.
В связи с этим проверим выполнения условие существования математического ожидания, а именно абсолютную сходимость интеграла:
.
Поскольку интеграл абсолютно расходится, то у случайной величины, распределенной по закону Коши, математического ожидания не существует. А, следовательно, у данной случайной величины не существует дисперсии и других моментов более высоких порядков.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
18. Случайные векторы. Функция распределения случайного вектора и ее свойства.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
Определение. Совокупность случайных величин, определенных на одном и том же вероятностном пространстве, значения которых совместно описывают результат некоторого случайного эксперимента, называется-мернымслучайным вектором(многомерной случайной величиной или системой случайных величин) и обозначается. При этом сами случайные величины,называюткоординатами(компонентами, составляющими) случайного вектора.
Как и в одномерном случае, исчерпывающей вероятностной характеристикой случайного вектора является его функция распределения. Рассмотрим вначале случай двумерного случайного вектора , как наиболее часто встречающийся в практических приложениях, а потом полученные результаты обобщим на случай многомерный.
Двумерный случайный вектор обычно обозначают (без введения индексов).
Определение.Функцией распределения случайного вектораназывается функциядвух действительных переменныхи, определяемая при каждомравенством:
. (3.1)
Функцию распределения случайного вектораназывают также двумерной функцией распределения или совместной функцией распределения случайных величини.
Геометрически функция распределения представляет собой вероятность попадания случайной точкив квадрант с вершиной в точке.
Свойства двумерной функции распределения
2F0).для любых.
2F1). Функция распределенияявляется функцией неубывающей по каждому из своих аргументов.
2F2).;
,.
где и- одномерные функции распределения случайных величинисоответственно.
2F3). Функция распределенияявляется функцией непрерывной слева по каждому из своих аргументов.
2F4). Вероятность попадания случайного векторав прямоугольниксо сторонами, параллельными осям координат, определяется по формуле:
Аналогичными являются определение и свойства многомерной функции распределения.
Определение. Функциядействительных переменных, определяемая для любогоравенством
,
называется функцией распределенияслучайного вектораили многомерной (-мерной) функцией распределения или совместной функцией распределения случайных величин.
Свойства многомерной функции распределения
nF0).для любых.
nF1).является неубывающей функцией по каждому из своих аргументов.
nF2)., если хотя бы один из аргументов;
по функции распределения случайного вектораможно найти функцию распределения любой совокупностиизего координат, для этого следует у функции распределенияположить аргументыдля(свойство согласованности);
.
nF3).является непрерывной слева функцией по каждому из своих аргументов.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\