- •1Вопрос.
- •2Вопрос.
- •3. Действия над событиями. Сложение событий. Сложные события.
- •4. Теорема сложения вероятностей. Следствия.
- •Вопрос 5.
- •Вопрос 6.Формула полной вероятности:
- •7. Формула Байеса
- •Вопрос 9.
- •Вопрос 10.
- •Вопрос 13.Характеристики случайной величины: центральный момент и дисперсия
- •Вопрос14.
- •15. Законы распределения – равномерный, показательный.
- •Вопрос 17:
- •Вопрос 18.Числовые характеристики системы двух случайных величин. Начальные, центральные моменты.
- •1,1-Называет ковариацией и обозначают cou(x1;x2).
- •19. Корреляционный момент. Коэффициент корреляции.
- •20. Уравнение линейной регрессии. Коэффициент линейной регрессии.
- •Вопрос 21.
- •Вопрос 22.
20. Уравнение линейной регрессии. Коэффициент линейной регрессии.
Вероятность зависимости означает, что с изменением с.в. Х, с.в. Y имеет тенденцию также изменяться. Уравнение линеной регрессии Y на Х – уравнение Y= ax+b, параметры которого минимизируют остаточную дисперсии. S(a,b)=M[(Y-(ax+b)2]®mina,b Точка является решением этой системы, будет доставлять минимум S(a,b)
Коэффициенты линейной регрессии.
b=-amx+my
Подставим коэффициенты в уравнение линеной регрессии
Y-mx=rxy*(x-mx)
Вопрос 21.
Если СВ зависимы м/у собой то для характеристики их зависимости вводиться понятие условного закона распределения.
Условный закон распределения одной из СВ входящих в систему ХУ называется ее закон распределения найденный при условии что другая СВ принела определенное значение.
Условная плотность, условное мат.ожидание обладает всеми св-ми плотности и мат.ожидания.
Вопрос 22.
Ранее было приведено понятие линейной регрессии, более общее понятие когда нет основания предполагать наличие линейной зависимости.
Регрессией ХУ- называется условное мат.ожидание.
Пример: