- •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.
17. Нормальное распределение.
Нормальным (распределением Гаусса) называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью.
Определятся 2 параметрами .
Можно показать, что
,
При получим стандартное нормальное распределение:
От произвольного нормального распределения можно перейти к стандартному с пом. Преоб-ния.
.Функция стандартного нормального распределения имеет вид.
Функция
Назыв. Функцией Лапласа. Функции Ф0(х) и Ф(х) связаны м/у собой соотношением
Ф(x)=
Вероятность попадания нормальной случайной величины в заданный интервал.
По формуле Лапласа имеем
Вероятность заданного отклонения от матожидания для нормальной случайной величины
.
Преобразуем данную формулу, положив =Ϭ*t Получим Если t=3, то
Правило трех сигм:
Если случайная величина распределена нормально, то с вероятностью, близкой к единице, абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.
18. Двумерная функция распределения и ее свойства.
Функцией распределения двумерной случайной величины (X;У) называется функция F(x;у), которая для любых действительных чисел х и у равна вероятности совместного выполнения двух событий {X < х} И {У<у}.
Таким образом, по определению
F(x,y) = P{X <x,Y <у}
(событие {X < х, У < у} означает произведение событий {Х < х) и {У < у}).
Геометрически функция F(x,y) интерпретируется как вероятность попадания случайной точки (X,У) в бесконечный квадрант с вершиной в точке (х,у), лежащий левее и ниже ее.
Функция распределения двумерной дискретной случайной величины (Х;У) находится суммированием всех вероятностей pij, для которых хi < х, yj < у, т. е.
Свойства:
1.Функция распределения F(x,у) ограничена, т.е.
0 F(x,у)1
2. F(x,y) не убывает по каждому из своих аргументов при фиксированном другом, т. е.
F(х2,у) F(х1,у) при х2>x1
F(х,у2) F(х,у1) при у2>y1
3. Если хотя бы один из аргументов обращается в - ∞, то функция распределения F(x,y) равна нулю, т.е.
F(x,-∞)=F(-∞,y)=F(-∞,-∞)=0
4. Если оба аргумента обращаются в +∞, то F(x,у) равна 1, т.е.
F(+∞,+∞)=1
5. Если один из аргументов обращается в +∞, то функция распределения системы случайных величин становятся (функцией распределения с. в., соответствующей другому элементу, т. е.
F(x,+∞)=F1(x)=FX(x); F(+∞,y)=F2(y)=FY(y)
6. F(x,y) непрерывна слева по каждому из своих аргументов, т.е.
lim F(x,y)= F(x0,y) lim F(x,y)= F(x,y0)
х, х0 к 0 y, y0 к 0
19. Двумерная плотность вероятности и ее свойства.
Двумерная случайная величина называется непрерывной, если её функция распределения F(x.y) есть непрерывная функция, дифференцируемая по каждому из аргументов, у которой существует вторая смешанная производная
Плотностью распределения вероятностей (или совместной плотностью) непрерывной двумерной случайной величины (X,У) называется вторая смешанная производная ее функции распределения.
Обозначается совместная плотность системы двух непрерывных случайных величин (X, Y) через f(x,y) (или р(х,у)). Таким образом, по определению:
Плотность распределения вероятностей непрерывной двумерной случайной величины (X, У) есть предел отношения вероятности попадания случайной точки (X, Y) в элементарный прямоугольник со сторонами ∆х и ∆y, примыкающий к точке (x,y), к площади этого прямоугольника, когда его размеры ∆х и ∆у стремятся к нулю.
Свойства: 1.Плотность распределения двумерной случайной величины неотрицательна. т. е. f(x,y)0
2. Вероятность попадания случайной точки (X, У) в область D равна двойному интегралу от плотности но области D. т.е.
3.Функция распределения двумерной случайной величины может быть выражена через ее плотность распределения по формуле:
4.Условие нормировки: двойной несобственный интеграл в бесконечных пределах от плотности вероятности двумерной с. в. равен единице, т. е.
5. Плотности распределения одномерных составляющих Х и У могут быть найдены по формулам: