- •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.
20. Независимость случайных величин
Случайные величины X и Y называются независимыми если независимыми являются события {X < x} и {Y < у] для любых действительных х и у. В противном случае случайные величины называются зависимыми.
Теорема 1. Для того, чтобы случайные величины X и Y были независимы, необходимо и достаточно, чтобы функция распределения системы (X,Y) была равна произведению функций распределения составляющих:
F(x,y) = Fl(x)F2(y).
Теорема 2. Необходимым и достаточным условием независимости двух непрерывных случайных величин, образующих систему (Х, У), является равенство: f(x,y)=f1(x)*f2(y)
Теорема 3 Необходимым и достаточным условием независимости двух дискретных случайных величин X и Y, образующих систему (X,Y), является равенство: P {X=xi,Y=yj}= P {X=xi}* P{Y=yj} для i=1,2,…,n, j=1,2,…,m (или что тоже самое pij=pxi*pyj,
.
21. Условный закон распределения.
Условным законом распределения одной из случайных величин, входящей в систему (Х,У), называется ее закон распределения, найденный при условии, что другая случайная величина приняла определенное значение (или попала в какой-то интервал).
Пусть (Х, У) — дискретная двумерная случайная величина и pij=P{X=xi, Y=yj} .
В соответствии с определением условных вероятностей событий (P(B/A)= ) условная вероятность того, что случайная величина Y примет значение yj при условии, что X =xi определяется равенством:
P{Y=yjX=xi}= i=1,2,…,n, j=1,2,…m
(или коротко: p(yjxi)= )
Совокупность вероятностей p(y1 xi), p(y2 xi),…, p(ym xi), представляет собой условный закон распределения случайной величины У при условии X = xi. Сумма условных вероятностей P(yjxi) равна 1, действительно:
)= =
Аналогично определяются усланная вероятность, условный закон распределения случайной величины X при условии У = уj.
22. Неравенство Чебышева. Сходимость случайных последовательностей.
Неравенство Чебышева Для случайной величины , имееющей ограниченную дисперсию , для любого справедливо неравенство Чебышева
Доказательство. Пусть M = a .Докажем неравенство для непрерывной случайной величины с плотностью распределения p( x ) . Вероятность P(-а ) есть вероятность попадания случайной величины в область, лежащую вне промежутка [ a - , a + ]. Можно записать
—ЕP(-а )=
Область интегрирования x - a ≥ . Возведем обе части неравенства в квадрат: (x -a)2 ≥2 . Разделив на 2 , получим
P(-а )
так как интеграл от неотрицательной функции при расширении области интегрирования может только возрасти. Аналогично доказывается неравенство Чебышева и для дискретной случайной величины , только интегралы (вида ) заменяются соответствующими суммами (вида
Неравенство Чебышева часто используется для противоположного события
Последовательность случайных величин 1, 2,… n, сходится по вероятности к величине a (cлучайной или неслучайной) , если для любого >0 вероятность события n-a< при n∞ cтремиться к еденице: Сходимость по вероятности обозначается так: a(cверху стрелки Р).
23.Теорема Чебышева. Теорема Бернулли. Теорема Чебышева: Если 1, 2,…,n – последовательность попарно независимых случайных величин, имеющих конечные дисперсии, ограниченные одним и тем же числом С, то для любого ε >0 выполняется
Доказательство.
Так как дисперсии ограничены С, то
Тогда применяя к случайной величине
Переходя к пределу при n∞ и учитывая, что вероятность любого события не превышает 1, получим:
Бернулли.Пусть - число наступления события А в n независимых испытаниях в схеме Бернулли, и p – вероятность появления А в одном испытании. Тогда для любого справедливо
- относительная частота события А сходится по вероятности р события А.