- •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.
23.Виды сходимости с.В.
Пусть задана последовательность с.в. {Xn}n>=1 на вероятностном пространстве <Л,F,P>
Опр.1.Если последовательность с.в.{Xn}n>=1 удовлетворяет условию P({w: lim(n-->8) Xn(w)=X})=1,то говорят,что Xn сходится с вероятностью единица 1 к с.в. Х.
Такую сходимость обозначают Xn-->X(почти наверное) или Xn-->X с вероятностью 1.
Опр.2. Если последовательность {Xn}n>=1 удовлетворяет условию: lim(n-->8) P({|Xn-X| < Э})=1,то говорят,что Xn-->X по вероятности. Такую сходимость обозначают Xn—p(сверху над стрел-й)-->X. (сильная сходимость).
Опр.3.Последовательность ф.р. F1(x),F2(x),...сходится к предельной ф.р. F(x), если lim(n-->8) Fn(x)=F(x) для всех точек х непрерывности F(x).
Такую сходимость называют слабой сходимостью,или сходимостью функций распределения, и обозначают Xn==>X.
Опр.4.Если последовательность {Xn}n>=1 удовлетворяет условию lim(n-->8) M(Xn^2)=MX^2,то говорят,что Xn-->X в среднем квадратическом.
Замечание. Из сходимости почти наверное вытекает сходимость по вероятности,а из сходимости по вероятности вытекает слабая сходимость.Сходимость почти наверное также наз-ся сильной сходимостью.
24.Неравенство Чебышева. Центральная предельная теорема.
Теорема 1.Неравенство Чебышева.
Если с.в. Х неотрицательна,то для любого Э > 0выполняется соотношение: P(|X-MX|>=Э)<=DX/Э^2.
DX/Э^2<=1 Э^2>=DX Э>=кореньDX
Центральная предельная теорема.
Рассмотрим последовательность X1,...,Xn независимых,одинаково распределенных (н.о.р) с.в. с математическим ожиданием MX1=a. Предположим,что DX1=sigma^2<беск-ти. Из ЗБЧ в форме Чебышева вытекает,что 1/n E Xi-a=Sn/n-a=1/n(Sn-an) ---p-->0 при n--->,где Sn= E Xi.
Центральная предельная теорема отвечает на вопрос,какое распределение имеет с.в. (Sn-an)/корень(n*sigma^2).
Ц.П.Т:
Пусть X1,...,Xn-последовательность н.о.р.с.в. с математическим ожиданием MX1=a и дисперсией DX1=sigma^2<беск-ти.Тогда lim(n--->8) P ((Sn-an)/корень(n*sigma^2) < x) = Ф*(х),
где Ф*(х) = интеграл (-8,х) (1/(корень 2Пи))*е^-y^2/2*dy) - ф.р. стандартного нормального распр-я.
25.Закон больших чисел(збч) в форме Чебышева и в форме Бернулли(с выводом).
Нерав-во Чебышева. Если случ. X>=0, то для (Апереверн.т.е.любого) Э>0
P(|X-MX|>=Э)<=DX/Э^2
ЗБЧ в форме Чебышева: Пусть Х1,Х2,...,-последовательность независимых с.в. с конечными дисперсиями,т.е DXi<c<8,при любых i. Тогда Апереверн.Э >0 выполняется соотношение P(|1/n EXi-1/n EMXi| >= Э), при n-->8.
Док-во: Т.к. P(|X-MX|>=Э)<=DX/Э^2
x=1/n E(от 1 до n)xi
MX=1/n E(от 1 до n)MXi
дисперсия х-->DX=D (1/n Exi)=1/n^2 E (DXi), а это с <=1/n^2 E c=nc/n^2=c/n
P(|1/n EXi-1/n EMXi| >= Э)<=DX/Э^2<=c/n*Э^2 --> 0
ЗБЧ в форме Бернулли: Пусть мера(n)-число успехов в схеме Бернулли.Тогда Апереверн.Э >0 выполняется соотношение P(|(мера(n)/n) -p| >= Э) ---> 0,при n-->8.
Таким образом,частота успеха (мера(n)/n) сближается по вероятности с вероятностью успеха в схеме Бернулли при неограниченном росте числа испытаний n.
Док-во: Ii= {1,успех в итом испытании
0,неуспех
M(n)=E (от 1 до n)Ii
Mбольшая (Mмаленькая(n))=np/n=p.
M(n)/n=E Ii/n M (M(n)/n) = np/n =p подставляем в теорему:
P(|E Ii/n| >= Э|)-->0