- •1.Осн.Понятия тв.
- •2.Дискретное вероятностное пространство.
- •3.Формулы сложения и умножения, св-ва.
- •4.Классическая вероятность. Геометрическая вероятность(с выводом).
- •5.Элементы комбинаторики.
- •6.Условная вероятность. Св-ва с выводом.
- •7.Независимость событий, независ-ть в сов-ти, попарная независ-ть.
- •8.Формулы полной вероятности и Байеса.
- •9.Схема Бернулли.
- •11.Теорема Пуассона.
- •12.Дискретная случайная величина.
- •13.Примеры дискретных уравнений.
- •14.Функция распределения и её св-ва.
- •15. Математические ожидание дискретной с.В. И его св-ва.Примеры расчета.
- •16.Дисперсия дискретной с.В и ее св-ва.Примеры расчета.
- •17.Ковариация,корреляция,начальные,центральные моменты,ассиметрия,эксцесс.
- •18.Индикатор случайного события и его свойства.
- •19. Непрерывная с.В. Плотность распределения и ее свойства.
- •20.Равномерное непрерывное,показательное распределения ,их св-ва.
- •21.Нормальное распределение,его свойства.
- •22.Числовые характеристики непрерывных с.В.
- •23.Виды сходимости с.В.
- •24.Неравенство Чебышева. Центральная предельная теорема.
- •25.Закон больших чисел(збч) в форме Чебышева и в форме Бернулли(с выводом).
- •26.Основные понятия мат.Статистики.
- •27.Полигон и гистограмма частот.
- •28.Эмпирическая ф-я распред.
- •29.Определение точечной оценки,состоятельность,несмешенность,эфективность.
- •30.Примеры стат оценок для всех параметров распределения.
- •31.Опред интервальной оценки(дов инт) оцнка требуемого объема выборки.
- •32.Дов инт для оценки неизвестного мх в норм законе распред при известной dx и не известной.
- •33.Опред стат гипотезы общая схема проверки гипотез.
- •34.Проверка гипотезы о равенстве среднего числового знач при известной и не известной dx норм зак распред.
- •35.Проверка гипотезы о равенстве средних двух выборок из n при изв и не изв Дисперсии.
- •36..Линейная регрессия.
13.Примеры дискретных уравнений.
1.Равномерное дискретное распределение. Пусть N-целое положительное число,xi=1,2,...,N; pi=1/N,i=1,2,..,N;
2.Распределение Пуассона с параметром Лямбда>0. Ставится задача найти вер-ть того, что при оч. Большом числе испытаний, в каждом из кот-х вер-ть соб-я оч. Мала, соб. Наступит ровно k раз. xk=k; Pk=e^-лямбдa* (лямбда^k/k!);k=0,1,2.... Эта формула выражает закон распределения Пуассона вероятностей массовых (n велико) и редких (p мало) событий.
E e^-лямбда*(лямбда^k*k!)=e^- лямбда* E лямбда^k/k!=e^-лямбда*e^лямбда=1 ЕРк=1
3.Биномиальное распределение. Бин-м наз-т распр-е вероят-й, определ-е формулой Бернулли. Пусть с.в. Х=число успехов в схеме Бернулли в серии из n испытаний, тогда закон распределения имеет вид:
Биномиальное распр-е с параметром n и p. (xk=k,Pk=C^k n*p^k*q^(n-k),k=0,...,n) x-число успехов в схеме Бернулли. E C^k n*p^k*q^(n-k) = (p+q)^n=1
Первый член p^n определяет вероятность наступления рассматриваемого соб-я n раз в n независимых испытаниях; второй член (np^n-1)*q определяет вероятность наступления соб-я n-1 раз;…; последний член q^n определ-т вер-ть того, что соб-е не появится ни разу.
4.Геометрическое распределение.
Пусть с.в. Х-число испытаний,которое необходимо провести прежде,чем появится первых успех в схеме Бернулли. Закон распр-я имеет вид:xi=0,1,....; pi=q^i*p,i>=0.
E pk=E q^k*p=P Eq^k=p* 1/(1-q) = p/p=1
Пр.:Бросается кость до 1го выпадения цифры 6. Построить закон распределения. р=1/6 q=5/6 Рк=q^k*p=5/6^k*1/6
x^k 0 1 ... k ...
Pk 1/6 5/6*1/6 ... (5/6)^k*1/6 ...
14.Функция распределения и её св-ва.
Функция F(x) в равной мере p(w:X(w)<x)=P(X<x) - наз-ся ф-цией распределения случ.вел.Х.
-бесокнеч-ть<x<бесконечн-ть
Теорема. Функция распределения удовлетворяет след.св-вам: 1.0<=FX(x)<=1 (значения ф-ции распред-я принадлежат отрезку [0;1])
2.F(x)-не убывает,т.е. если х1<=x2,то F(x1)<F(x2); 3.lim FX(x)=1 4.lim(х стремится к -бескон) FX=0. 5.P(x1<=x<=x2)=F(x2)-F(x1). Т.к. х-непрер. С.в. то ф-ция F(x)- непрерывна.
Функция дискретной с.в Х с законом распр-я (xi,pi) имеет вид: P(x) = E(внизу написать i: xi<x))*Pi
Пусть с.в имеет распр-я: хi -2 -1 1
pi 0,1 0,2 0,7
F(x)=0,x<=-2
0,1,-2<x<=-1
0,3,-1<x<=1
1, x>1
график ступеньками.
15. Математические ожидание дискретной с.В. И его св-ва.Примеры расчета.
Закон распр-я полн-ю характ-т с.в. Но часто закон распр-я не известен и прих-ся ограния-ся меньшими свед-мя. Можно польз-ся числами, кот описыв-т с.в. суммарно; -это числовые характеристики с.в. Выжнейшая из них-это мат. Ожид.
Математическим ожиданием (м.о) дискретной с.в. Х наз-ся сумма произв-й её значиния на соответств-е вер-ти МХ = Е(от 0 до беск.)xipi.
Св-ва: 1. Мс=с,с=const. 2.M(cX)=cMX . 3.M(X+-Y)=MX+-MY. 4.Если X<=Y,то MX<=MY. 5.Если Х1,...,Xn-независимые в сов-ти случ.величины,то М(Х1...Xn)=М(Х1)....М(Xn). 6. Пусть g-некоторая ф-ция,определенная на R,тогда M(g(X))=E g(xi)*pi
Пример. xk -2 -1 2
pk 0,1 0,2 0,7
MX=-2*0,1+(-1)*0,2+2*0,7=1
C.в. Х и Y независимы,если {x=xi} и {y=yj} независ. любые i,j,т.е P( {x=xi}*{y=yj} ) = P(x=xi)*P(y=yj)
Примеры расчета мат.ожидания.
1.Равномерное распределение. MX=N+1/2
2.Распределение Пуассона. MX=лямбда (всегда)
3.Биномиальное распределение. MX=np (n-число испыт-й, p-вер-ть 1го испыт-я)
Пр.: Игр.кость бросается 4 раза. Успех выпадения цифры 6? Вычесть м.о числа появления цифры 6. n=4 p=1/6 MX=4*1/6=2/3
4.Геометрическое распределение. MX=p/q
Пр.: (см.пред) q=5/6 p=1/6
MX=5/6:1/6=5