- •1. События и их классификация. Классическое определение вероятности
- •2. Элементы комбинаторики: перестановки, сочетания, размещения, правило умножения и правило сложения
- •3. Действия над событиями. Соотношения между событиями
- •4. Теорема сложения вероятностей несовместных событий.
- •5. Теорема сложения вероятностей совместных событий.
- •6. Частота события и ее свойства. Статистическое определение вероятности.
- •7. Условная вероятность. Теорема умножения вероятностей. Вероятность появления хотя бы 1 события
- •8. Формула полной вероятности. Формулы Байеса
- •9. Повторные независимые испытания. Формула Бернулли. Наивероятнейшее число появления события
- •10. Повторные независимые испытания. Формула Пуассона
- •11. Повторные независимые испытания. Локальная и интегральная теорема Лапласа
- •12. Понятие случайной величины и ее функции распределения. Свойства функции распределения
- •13. Дискретные случайные величины. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение, начальные и центральные моменты, асимметрия и эксцесс)
- •14. Биномиальный закон распределения
- •15. Распределение Пуассона
- •16. Непрерывные случайные величины. Плотность распределения. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение)
- •17. Равномерное распределение. Вероятность попадания случайной величины в заданный интервал
- •18. Показательное распределение. Вероятность попадания случайной величины в заданный интервал
- •Характеристики
- •19. Нормальное распределение. Вероятность попадания в заданный интервал нормальной случайной величины. Правило 3-х сигм
- •20. Функции случайных величин
- •21. Понятие системы случайных величин. Закон распределения двумерной случайной величины. Функция распределения двумерной случайной величины
- •22. Понятие о законе больших чисел. Неравенства Маркова и Чебышева
- •23. Теоремы Чебышева и Бернулли. Центральная предельная теорема
- •24. Цепи Маркова. Применение Марковских цепей в экономике
- •25. Выборочный метод. Основные понятия. Полигон и распределения. Эмпирическая функция распределения.
- •26. Оценка параметров по выборке. Понятие несмещённости, состоятельности и эффективности оценки
- •27. Основные характеристики генеральной и выборочной совокупностей
- •28. Связь между характеристиками генеральной и выборочной совокупностей.
- •29. Точечные и интервальные оценки. Доверительная вероятность и доверительный интервал.
- •30. Доверительный интервал для оценки мат.Ожидания нормального распределения
- •31. Понятие корреляционной зависимости. Корреляционная таблица. Линейная корреляция
- •32. Метод наименьших квадратов для определения параметров линейной регрессии
- •33. Статистическая гипотеза. Основные понятия
- •34. Уровень значимости и мощность критерия. Этапы проверки стат.Гипотезы
- •Этапы проверки статистических гипотез
- •35. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •36.Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
- •37. Основные понятия дисперсионного анализа
19. Нормальное распределение. Вероятность попадания в заданный интервал нормальной случайной величины. Правило 3-х сигм
Нормальным (распределением Гаусса) называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью.
Нормальное распределение определятся 2 параметрами . а – мат ожидание, - квадратическое отклонение нормального распределения.
Введем новую переменную ,
Тогда Первое слагаемое – нечетная функция, второе равно a. M(x)=a Учитывая это
При получим стандартное нормальное распределение.
От произвольного перейти к стандартному можно с помощью преобразования .
Функция стандартного нормального распределения имеет вид.
Часто вместо Ф(x) приводится функция Лапласа (нечетная) F(x)=
Вероятность попадания случайной величины в заданный интервал.
По формуле Лапласа имеем
Вычисление вероятности заданного отклонения от МО для нормальной случайной величины.
Преобразуем данную формулу положив . Получим
Если t=3, то
Т.е. вероятность того, что отклонение по абсолютной величине будет меньше утроенного среднего квадратического отклонения равна 0.9973.
Сущность правила трех сигм: Если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического ожидания
20. Функции случайных величин
Если x - случайная величина с областью значений Xx и функция f(x) определена на множестве Xx , то h = f(x) - тоже случайная величина. Задача об отыскании функции распределения случайной величины h по известной функции распределения случайной величины x легко решается, если f(x) - непрерывная монотонно возрастающая функция. Доказано, что тогда функция распределения Fh (x) случайной величины h задается формулой Fh (x)=Fx ([f(x)]-1).
Здесь Fx (x) - известная функция распределения случайной величины x , а символом [f(x)]-1 обозначена функция, обратная к функции f(x).
Плотность распределения случайной величины h для дифференцируемой f(x) вычисляется по формуле
.
Плотность вероятности суммы двух случайных величин В теории вероятностей часто возникает необходимость в определении плотности вероятности суммы двух независимых случайных величин. Если x 1 и x 2 - непрерывные независимые случайные величины с плотностями вероятности соответственно p1(x) и p2(x), то плотность вероятностей суммы h = x 1 + x 2 вычисляется по формуле:
.
21. Понятие системы случайных величин. Закон распределения двумерной случайной величины. Функция распределения двумерной случайной величины
Существуют сл\в, которые определяются двумя, тремя и т.д. числами. Такие сл\в называются двумерными, трехмерными и т.д. В зависимости от типа, входящих в систему сл\в, системы могут быть дискретными, непрерывными или смешанными, если в систему входят различные типы сл\в.
Рассм системы двух сл\в.
Законом распределения системы сл\в называется соотношение, устанавливающее связь между областями возможных значений системы сл\в и вероятностями появления системы в этих областях.
Функцией распределения системы двух сл\в наз ф-я двух аргументов F(x, y), равная в-ти совместного выполнения двух неравенств X<x, Y<y.
Свойства функции распределения системы двух сл\в:
1) Если один из аргументов стремится к плюс бесконечности, то ф-я распр системы стремится к ф-ии распр одной сл\в, соответствующей другому аргументу.
2) Если оба аргумента стремятся к бесконечности, то ф-я распр системы стремится к 1.
3) При стремлении одного или обоих аргументов к минус бесконечности ф-я распр стремится к 0.
4) Ф-я распр является неубывающей функцией по каждому аргументу.
5) В-ть попадания случайной точки (X, Y) в произвольный прямоугольник со сторонами, параллельными координатным осям, вычисляется по формуле:
Распределение одной сл\в, входящей в систему, найденное при условии, что другая сл\в приняла определенное значение, называется условным законом распределения.