- •Элементы комбидаторики(размещение,перестановки,сочетания)
- •Случайные события. Вер-ть:статист. Опред.
- •Пространство элементарных событий.Классич опред-е вер-сти
- •Классической схемой, или схемой случаев, называется опыт, при к-ром число элем. Исходов конечно и все из них равновозможны.
- •4. Геометрическая вер-ть.Задача о встрече
- •5.Действия над событиями. Диаграммы Венна
- •6.Теорема сложения вероятностей.Вероятность разности 2х событий
- •1.Теорема сложения вер-ей
- •7.Вероят-ть противоп.Соб-ия.Связь м/у вер-тями событий из полной группы
- •9.Теорема умножения для произвольного числа событий. Независ. Соб-ия и их св-ва
- •10.Полная группа попарно несовместных соб-ий.Ф-ла полн.Вер-ти
- •11. Формула Байеса
- •12.Повторные незав.Испыт-ия .Ф-ла Бернулли.Наивероятнейшее число успехов
- •13.Локальная пред.Т Муавра Лапласа
- •14.Редкие события.Т.Пуассона
- •15.Интегральная предельная т. Муавра-Лапласа
- •16. Понятие св и закона её распределения
- •17.Дсв и их числ хар-ки
- •18. Нсв и их числ. Хар-ки
- •19.Функция распределения св и её св-ва
- •21.Функция распределения нсв.Пл-ть распред.И её св-ва
- •22.Математ.Ожидание дискретной и непрер.Св,его св-ва и геом.См-л
- •23.Дисперсия св и её св-ва.Ср кВ.Откл.
- •24.Биноминальный закон распределения.Мо и дисперсия св.Распред.По такому закону
- •25.Закон распределения Пуассона.М0 ,дисп
- •26.Поток событий. Простейший пуассоновский поток
- •27.Равномерное распределение.Мо и диспСв распред.Равном-но
- •29.Нормальный закон распределения.Мо и дисп.Св.Влияние пар-ов а и δ на вид норм крив.
- •30.Выражение ф-ии распред. Норм.Велич.Ч/з ф-ю Лапласа.Вер-ть попад.Знач.Норм.Св в задан.[ ],3
- •31. Неравенство Маркова
- •32. Неравенство Чебышева
- •33.Збч в форме т.Чебышева
- •34.Теорема Бернулли
- •35.Понятие о центральной предельной теореме
- •36.Генеральная и выборочная совокупности.Дискр.Вар ряд и его граф.Изобр-е
- •37. Интервальный вариационный ряд и его граф.Изображения
- •38. Эмпирическая ф-ия и эмпирич.Пл-ть распределения
- •39.Основные числовые хар-ки вар.Ряд.Ср.Арифм и выб.Дисп и их св-ва
33.Збч в форме т.Чебышева
Если случайные величины Хi, i=1,2…,n,
независимы и одинак. распределены со
средними МХi =a и дисперсиями DXi =DX,
то справедлива теорема Чебышева:
n
P(|1/n сумма ( Xi) - a | < ) >= 1- (DX/n2)
i=1
Из этого неравенства при n к беск-ти
следует закон больших чисел
n
limP(|1/n сумма (Xi )- | <)=1
n i=1
Смысл закона закл . в том, что средние значения
случайных величин стремятся к их мат. ожиданию
при n по вероятн. Отклонение средн. значений
от мат.ожидания стан-ся сколь угодно малым с
вероятностью, близкой к 1, если n достаточно
велико или вероятность любого откл. средн. знач.
от а сколь угодно мала с ростом n.
34.Теорема Бернулли
Теорема Бернулли:
Если вер-ть наступ-я соб-я А в каж-м из n повторных нез-х испыт-й пост-на, то при неогран-м увел-ии числа n исп-й отн-я частота наст-я соб-я А стрем-ся по вер-ти к числу p, т.е. для >0
Т-ма Б-ли явл-ся теор-ким обосн-ем для стат-го опр-я вер-ти.
Неравенство Бернулли:
Пусть n исп-й Бернулли с вер-ю успеха p, q=1-p и m – число успехов. Тогда для >0
35.Понятие о центральной предельной теореме
Была доказана в 1900г Ляпуновым. Теорема. Если случайная величина Х представляет собой сумму очень большого числа взаимно независимых случайных величин, влияние каждой из которых на всю сумму ничтожно мало, то Х имеет распределение, близкое к нормальному.
36.Генеральная и выборочная совокупности.Дискр.Вар ряд и его граф.Изобр-е
Мат. Ст-ка занимается установлением закономерностей, к-рым подчинены массовые случайные явления, на основе обработки стат. данных, полученных в результате наблюдений.
Генеральная совокупность – все множество имеющихся объектов. Выборка – набор объектов, случайно отобранных из генеральной совокупности. Объем генеральной совокупности N и объем выборки n – число объектов в рассматривае-мой совокупности.
Виды выборки: повторная и бесповторная. Выборка должна правиль-но представлять пропорции ген.сов-сти, то есть быть репрезентативной (представительной). Учитывая закон больших чисел, можно утверждать, что это условие выполняется, если каждый объект выбран случайно, причем д/любого объекта вероятность попасть в выборку одинакова.
Вариационный ряд наз-ся ряд вариант расположенных в порядке возрастания вместе с соответствующими весами если изуч.ДСВ то ДВР. Графическое изображение зависимости между величинами дает возможность представить эту зависимость наглядно. Графики могут служить основой для открытия новых свойств, соотношений и закономерностей.
Наиболее употребительными графиками для изображения вариационных рядов, т. е. соотношений между значениями признака и соответствующими частотами или относительными частотами, являются полигон, гистограмма и кумулята.
Полигон –ломаная соединяющая точки плоскости с координатами (х,mi)
Кумулята- ломаная соед точки плос-ти с корд-ми(x,mxi)
Гистограмма –для изобр.вар.рядов и имеют вид ступ фигурыиз прямоуг.с основ.=длина инт-ла и высотами=частотам.