- •4. Совместные и несовместные события. Теоремы сложения вероятностей.
- •5.Зависимые и независимые события. Условная вероятность. Теоремы умножения вероятностей.
- •7.Формула полной вероятности и формула Байеса.
- •8. Повторные независимые испытания. Формула Бернулли.
- •10.Локальная и интегральная теоремы Муавра-Лапласа.
- •11.Вероятность отклонения частоты от наивероян.
- •12.Теорема Пуассона (вывод формулы).
- •14.Функция распределения дискретной случайной величины, ее свойства и график
- •16.Дисперсия дискретной случайной величины и ее свойства. Среднее квадратичное отклонение. Размерность дисперсии и среднеквадратичного отклонения.
- •17.Биномиальный закон распределения и его числовые характеристики (вывод формулы).
- •18.Закон Пуассона и его числовые характеристики (вывод формулы). Простейший поток событий.
- •21. Плотность распределения вероятностей непрерывной случайной величины и ее свойства.
- •22.Математическое ожидание и дисперсия непрерывной случайной величины.
- •23.Равномерный закон распределения и его числовые характеристики.
- •25.Нормальный закон распределения, его параметры и их вероятностный смысл. Зависимость формы нормальной кривой от параметров.
- •28.Функция Лапласа и ее связь с функцией распределения нормальной случайной величины.
- •29.Моменты случайных величин. Асимметрия и эксцесс.
- •31.Нормальный закон распределения двумерной случайной величины. Двумерное нормальное распределение
- •32.Неравенство Маркова.
- •34.Теорема Чебышева. Закон больших чисел в форме Чебышева и его значение.
- •35.Теорема Бернулли. Закон больших чисел в форме Бернулли и его значение.
- •36.Понятие о центральной предельной теореме и ее следствиях.
- •40.Точечные оценки параметров генеральной совокупности. Средняя арифметическая и ее свойства.
- •41.Дисперсия вариационного ряда и ее свойства. Исправленная выборочная дисперсия.
- •43.Статистическая проверка гипотез. Критерий проверки, ошибки первого и второго рода, критическая область.
- •45.Модели и основные понятия регрессионного анализа.
- •События и вероятность
- •Повторные независимые испытания
- •Дискретные случайные величины
- •Непрерывные случайные величины
- •Законы больших чисел
- •Математическая статистика
17.Биномиальный закон распределения и его числовые характеристики (вывод формулы).
Пусть проводится n независимых испытаний. В результате каждого из которых возможны 2 исхода: А – успех с вероятностью p, или - неуспех с вероятностьюq = 1-p. Тогда вероятность числа m успех
Дискретная случайная величина X, которая может принимать только целые неотрицательные значения с вероятностями P (X=m)= , где p>0, q>0, m 0,n называется распределенной по биноминальному закону с параметром p.
Мат.ожидание M(X)= np
Дисперсия
D(x)=
- среднее квадратическое отклонение
18.Закон Пуассона и его числовые характеристики (вывод формулы). Простейший поток событий.
Когда требуется спрогнозировать ожидаемую очередь и разумно сбалансировать число и производительность точек обслуживания и время ожидания в очереди. Пуассоновским называют закон распределения дискретной случайной величины Х числа появления некоторого события в n-независимых опытах если вероятность того, что событие появится ровно m раз определяется по формуле.
a=np
n-число проведенных опытов
р-вероятность появления события в каждом опыте
В теории массового обслуживания параметр пуассоновского распределения определяется по формуле
а=λt , где λ - интенсивность потока сообщений t-время
Необходимо отметить, что пуассоновское распределение является предельным случаем биномиального, когда испытаний стремится к бесконечности, а вероятность появления события в каждом опыте стремится к 0. Пуассоновское распределение является единичным распределением для которого такие характеристики как мат. Ожидание и дисперсия совпадают и они равны параметру этого закона распределения а.
19.Геометрическое и гипергеометрическое распределения и их характеристики (вывод формулы).1. Геометрическое распределение. Пусть производятся независимые испытания, в каждом из которых вероятность появления события А равна р (О < р < 1) и, следовательно, вероятность его не появления q = 1 - р. Испытания заканчиваются, как только появится событие А (т.е. количество испытаний неограниченно). Таким образом, если событие А появилось в k-м испытании, то в предшествующих k—1 испытаниях оно не появлялось. Обозначим через X дискретную случайную величину - число испытаний, которые нужно провести до первого появления события А. Очевидно, возможными значениями Х являются натуральные числа: 1, 2, 3… Пусть в первых k—1 испытаниях событие А не наступило, а в k-м испытании появилось. Вероятность этого «сложного события», по теореме умножения вероятностей независимых событий,
Полагая k=1, 2, ... в формуле , получим геометрическую прогрессию с первым членом р и знаменателем q
По этой причине распределение называют геометрическим. Легко убедиться, что ряд сходится и сумма его равна единице. Действительно, сумма ряда есть сумма членов бесконечной геометрической прогрессии со знаменателем меньшим единицы, тогда сумма его :
Замечание: если количество испытаний ограничено каким- либо натуральным числом k , то последнее значение вероятности в ряде распределения будет равно qk-1 , означающее, что в предыдущих k-1 испытаниях событие А не появилось. 2.Гипергеометрическое распределение.Многие задачи комбинаторики могут быть сведены к следующей модели. В генеральной совокупности из n элементов имеется элементов красного цвета ичерного. Случайным образом выбирается группа изr элементов. Найдем вероятность того, что так выбранная группа будет содержать ровноk красных элементов. Здесь k может быть любым целым числом между нулем и наименьшим из чисел иr.
Для того, чтобы найти , заметим, что выбранная группа состоит изk красных и r-k черных элементов. Красные элементы могут быть выбраны различными способами, а черныеспособами. Так как любой выбор красных элементов может комбинироваться с любым выбором черных, имеем… (1).Определенный таким образом набор вероятностей называетсягипергеометрическим распределением. Используя формулу можно переписать (1) в виде
…(2).
Замечание. Вероятности определены только дляk, не превосходящим r или , но, так как приb>a , из формулы (1) и (2) следует, что= 0, если либоk>, либоk>r. Следовательно, определения (1) и (2) могут использоваться для всех при условии, что соотношение = 0 интерпретируется как невозможность такого выбора.
Примеры. Проверка качества. При контроле качества продукции выборочной проверке подвергается партия из n изделий. Дефектные изделия в партии играют роль красных элементов. Их число , конечно, не известно. Производится выборка объемаr и определяется число k дефектных изделий в ней. Тогда формула (1) позволяет нам сделать выводы относительно истинного значения .
20.Функция
распределения непрерывной случайной
величины и ее свойства.
График функции распределения НСВ.Функцией
распределения
называют функцию Р
(х),
определяющую для каждого значения х
вероятность того, что случайная величина
Х
примет
значение, меньшее х,
т. е.
F(х)=Р(Х<х).Часто вместо термина «функция распределения» используют термин «интегральный закон распределения». свойства: