- •1. Случайные события.
- •2. Классическое определение вероятности и ее свойства.
- •3.Аксиоматическое определенияе вероятности
- •4.Формулы комбинаторики. Гипергеометрическое распределение.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли. Теорема Пуассона.
- •10. Плотность распределения вероятностей и ее свойства.
- •11. Математическое ожидание и его свойства.
- •Свойства м
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •16. Равномерное и показательное распределение.
- •17. Нормальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева. Сходимость случайных последовательностей.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26.Эмпирическая функция распределения и её свойства.
- •27. Полигон и гистограмма.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •30.Стандартная ошибка точечной оценки
- •32. Доверительные интервалы.
- •33. Распределение х2 Стьюдента и Фишера.
- •34. Доверительные интервалы для оценки математического ожидания при известном .
- •35. Доверительные интервалы для оценки матожидания нормального распределения при неизвестном .
- •36. Проверка статистических гипотез.
- •37. Построение критической области.
- •38. Критерий согласия Пирсона.
- •40. Сравнение дисперсий двух нормальных выборок.
- •42. Дисперсионный анализ.
- •43. Парная регрессия.
- •44 .Парный коэффициент корреляции, его св-ва
- •45.Проверка гипотезы о достоверности выборочного коэффиц. Коррелеляции
- •46. Критерий Манна-Уитни.
7. Схема независимых испытаний Бернулли.
Пусть производится последовательность независимых испытаний с 2 исходами: событие А или появится или не появится.
, , q=1-p
Под элементарным событием в схеме Бернулли принимается последовательность наступлений и ненаступлений события А в n испытаниях.
А={1}, ={0}. Тогда элементарный исход имеет вид вектора, из 1 и 0: (1,0,…, 1).
Найдем вероятность того, что в n испытаниях событие появится ровно m раз.
Для произвольных m и n вероятность одного элементарного исхода равна pmqn-m . Число таких элементарных исходов равно числу способов разместить m единиц по n местам, а это по определению есть число сочетаний из n элементов по m. Получим формулу Бернулли
.
Часто интересует вероятность появления события А не ровно m раз, а от m1 до m2 раз включительно
8. Предельные теоремы в схеме Бернулли. Теорема Пуассона.
Если в схеме Бернулли , так, что np→a - конечное число, то
. (6.1)
Замечания:
1. – среднее число появления события А в n испытаниях.
2. Как правило, теорему Пуассона применяют, когда .
Локальная предельная теорема Муавра-Лапласа.
Если вероятность наступления некоторого события в n независимых испытаниях постоянна и равна p – конечное число из интервала (0,1), то вероятность того, что в этих испытаниях событие А наступит ровно m раз, удовлетворяет при n соотношению: равномерно по всем m, для которых находится в каком-то конечном интервале;
функция называется плотностью нормального распределения.
Интегральная предельная теорема Муавра-Лапласа.
Если m число наступлений событий в n независимых испытаниях, в каждом из которых вероятность этого события равна p, причем р€(0,1), то равномерно относительно а и b (-∞<a<b<+∞) при n , имеет место соотношение , где
-функция Лапласа.
Замечания.
1. Функция Лапласа нечетная:
.
2. при , = 0.5.
3. Плотность нормального распределения = - четная функция,
4. Функции , заданы таблично.
9. Функция распределения вероятности и ее свойства. Случайная величина называется функция, определенная на множестве элементарных событий (омега). С.в. является функцией элементарных исходов , величина кот зависит от случая.
Если множество счетное (множ-во натуральных чисел) или конечное, случайная величина наз-ся дискретной.(мн-несчетное- недискретная с.в.)
Законом распределения дискретной случайной величины называют соответствие м/у возможными значениями и их вероятностями; можно задать таблично, аналитически и графически.
Пусть - случайная величина и . Вероятность того, что примет значение, меньшее чем , называется функцией распределения вероятностей:
.
Случайн. Вел. Наз-ся непрерывной, если её функция распределения F(x) непрерывна.
Функция распределения дискретной с.в. -разрывная ступенчатая функция, скачки которой происходят
в точках, соответствующих возможным значениям случайной величины, и равны вероятностям этих значений. Сумма всех скачков =1.
Функция распределения вероятностей является неслучайной функцией, а функцией, вычисленной на основании закона распределения случайной величины.
Свойства функции распределения
1. , 0 , т.к. это вероятность.
2 . –неубывающая функция.
Следствия 2.1Вероятность попадания случайной величины в заданный интервал есть приращение функции распределения на этом интервале:
2.2 Вероятность принять одно фиксированное значение для непрерывной СВ равна 0. Пусть x2=x1+∆x
2.3 Вероятность попадания непрерывной СВ в открытый или замкнутый промежуток одинакова:
Докажем последнее равенство
4. непрерывна слева в каждой точке (см. рис.7.1).
5. .