- •Классификация случайных событий. Классическое определение вероятности. Свойства вероятности события, непосредственный подсчет вероятности. Примеры.
- •Свойства вероятности события:
- •Статистическое определение вероятности события и условия его применимости. Пример.
- •Несовместные и совместные события. Сумма событий. Теорема сложения вероятностей (с доказательством).
- •Полная группа событий. Противоположные события. Соотношение между вероятностями противоположных событий (с выводом).
- •Зависимые и независимые события. Произведение событий. Понятие условной вероятности. Теорема умножения вероятностей (с доказательством).
- •Формулы полной вероятности и Байеса (с доказательством). Примеры.
- •Повторные независимые испытания. Формула Бернулли (с выводом). Примеры.
- •Локальная теорема Муавра-Лапласа, условия ее применимости. Свойства функции Дх). Пример.
- •Асимптотическая формула Пуассона и условия ее применимости. Пример.
- •Интегральная теорема Муавра-Лапласа и условия ее применимости. Функция Лапласа ф(х) и ее свойства. Пример.
- •Следствия из интегральной теоремы Муавра-Лапласа (с выводом). Примеры.
- •Математическое ожидание дискретной случайной величины и его свойства (с выводом). Примеры.
- •Дисперсия дискретной случайной величины и ее свойства (с выводом). Примеры.
- •Функция распределения случайной величины, ее определение, свойства и график.
- •Непрерывная случайная величина (нов). Вероятность отдельно взятого значения нсв. Математическое ожидание и дисперсия нсв.
- •Плотность вероятности непрерывной случайной величины, ее определение, свойства и график.
- •Случайная величина, распределенная по биномиальному закону, ее математическое ожидание и дисперсия. Закон распределения Пуассона.
- •Математическое ожидание и дисперсия числа и частости наступлений события в п повторных независимых испытаниях (с выводом).
- •Определение нормального закона распределения. Теоретико-вероятностный смысл его параметров. Нормальная кривая и зависимость ее положения и формы от параметров.
- •Функция распределения нормально распределенной случайной величины и ее выражение через функцию Лапласа.
- •Формулы для определения вероятности: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило «трехсигм».
- •Понятие двумерной (/7-мерной) случайной величины. Примеры. Таблица ее распределения. Одномерные распределения ее составляющих. Условные распределения и их нахождение по таблице распределения.
- •Ковариация и коэффициент корреляции случайных величин. Связь между екоррелированностью и независимостью случайных величин.
- •Понятие о двумерном нормальном законе распределения. Условные математические ожидания и дисперсии.
- •Неравенство Маркова (лемма Чебышева) (с выводом). Пример.
- •Неравенство Чебышева (с выводом) и его частные случаидля случайной величины, распределенной по биномиальному закону, и для частости события.
- •Теорема Чебышева (с доказательством), ее значение и следствие. Пример.
- •Закон больших чисел. Теорема Бернулли (с доказательством) и ее значение. Пример.
- •Неравенство Чебышева для средней арифметической случайных величин (с выводом).
- •Центральная предельная теорема. Понятие о теореме Ляпунова и ее значение. Пример.
- •Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда. Упрощенный способ их расчета.
- •Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность.
- •Оценка генеральной доли по собственно-случайной выборке. Несмещенность и состоятельность выборочной доли.
- •Оценка генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность выборочной средней.
- •Оценка генеральной дисперсии по собственно-случайной выборке. Смещенность и состоятельность выборочной дисперсии (без вывода). Исправленная выборочная дисперсия.
- •Понятие об интервальном оценивании. Доверительная вероятность и доверительный интервал. Предельная ошибка выборки. Ошибки репрезентативности выборки (случайные и систематические).
- •Формула доверительной вероятности при оценке генеральной средней. Средняя квадратическая ошибка повторной и бесповторной выборок и построение доверительного интервала для генеральной средней.
- •Определение необходимого объема повторной и бесповторной выборок при оценке генеральной средней и доли.
- •Статистическая гипотеза и статистический критерий. Ошибки 1-го и 2-го рода. Уровень значимости и мощность критерия. Принцип практической уверенности.
- •Построение теоретического закона распределения по опытным данным. Понятие о критериях согласия.
- •Критерий согласия х2-Пирсона и схема его применения.
- •Функциональная, статистическая и корреляционная зависимости. Различия между ними. Основные задачи теории корреляции.
- •Линейная парная регрессия. Система нормальных уравнений для определения параметров прямых регрессии. Выборочная ковариация. Формулы для расчета коэффициентов регрессии.
- •Упрощенный способ:
- •Оценка тесноты связи. Коэффициент корреляции (выборочный), его свойства и оценка достоверности.
Функция распределения нормально распределенной случайной величины и ее выражение через функцию Лапласа.
Сложность непосредственного нахождения функции распределения случайной величины, распределенной по нормальному закону, и вероятности ее попадания на некоторый промежуток связана с тем, что интеграл является «неберущимся». В элементарных функциях. Поэтому их выражают через функцию:
.
- функцию (интеграл вероятностей) Лапласа, для которой составлены таблицы. Геометрически функция Лапласа представляет собой площадь под стандартной нормальной кривой на отрезке [-х; х] (рис. 4.8).
Теорема. Функция распределения случайной величины Х, распределенной по нормальному закону, выражается через функцию Лапласа Ф(х) по формуле:
.
□ По формуле функция распределения:.
Сделаем замену переменной, полагая ,,при,, поэтому
.
Первый интеграл
.
(В силу четности подынтегральной функции и того, что интеграл Эйлера-Пуассона равен ).
Второй интеграл с учетом составляет .
Итак, . ■
Формулы для определения вероятности: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило «трехсигм».
Свойства случайной величины, распределенной по нормальному закону:
1. Вероятность попадания случайной величины Х, распределенной по нормальному закону, в интервал , равна ,
Где ,.
□ Учитывая, что вероятность есть приращение функции распределения на отрезкеи учитывая формулуполучим:
. ■
2. Вероятность того, что отклонение случайной величины Х, распределенной по нормальному закону, от математического ожидания а не превысит величину (по абсолютной величине), равна , где .
□ . Учитывая свойство 1, а также свойство нечетности функции Лапласа, получим
. ■
«правило трех сигм»:
Если случайная величина Х имеет нормальный закон распределения с параметрами а и , т.е. N(a;), то практически достоверно, что ее значения заключены в интервале ().
Нарушение «правила трех сигм», т.е. отклонение нормально распределенной случайной величины Х больше, чем на (по абсолютной величине), является событием практически невозможным, так как его вероятность весьма мала:
.
Понятие двумерной (/7-мерной) случайной величины. Примеры. Таблица ее распределения. Одномерные распределения ее составляющих. Условные распределения и их нахождение по таблице распределения.
Очень часто результат испытания характеризуется не одной СВ, а некоторой системой случайных величин , которую называют такжемногомерной (n-мерной) случайной величиной или случайным вектором Х = ().Приведем примеры многомерных случайных величин.
Успеваемость выпускника вуза характеризуется системой n случайных величин - оценками по различным дисциплинам, проставленными в приложении к диплому.
Погода в данном месте в определенное время суток может быть охарактеризована системой случайных величин: - температура;- влажность;- давление;- скорость ветра и т.п.
Любая СВ (i = 1,2,...,n) есть функция элементарных событий ω, входящих в пространство элементарных событий Ω (). Поэтому имногомерная случайная величина есть функция элементарных событий ω:
т.е. каждому элементарному событию ω ставится в соответствие несколько действительных чисел , которые приняли случайные величиныв результате испытания. В этом случае вектор х = () называетсяреализацией случайного вектора Х = ().
Случайные величины , входящие в систему, могут быть какдискретными (см. выше пример 1), так и непрерывными (пример 2).
Наиболее полным описанием многомерной СВ являетсязакон ее распределения. При конечном множестве возможных значений многомерной СВ такой закон может быть задан в форме таблицы (матрицы), содержащей всевозможные сочетания значений каждой из одномерных случайных величин, входящих в систему, и соответствующие им вероятности. Так, если рассматривается двумерная дискретная случайная величина (X,Y), то ее двумерное распределение можно представить в виде таблицы (матрицы) распределения (табл. 5.1), в каждой клетке (i,j) которой располагаются вероятности произведения событий .
Так как события (i = 1,2,...,n; j = 1,2,...,m), состоящие в том, что СВ Х примет значение , а СВY - значение , несовместны и единственно возможны, т.е. образуют полную группу, то сумма их вероятностей равна единице, т.е.:
Распределение одномерной случайной величины Х можно получить, вычислив вероятность события (i = 1,2,...,n) как сумму вероятностей несовместных событий:
.
Аналогично .
Т.о., чтобы по таблице распределения (табл. 5.1) найти вероятность того, что одномерная случайная величина примет определенное значение, надо просуммировать вероятности из соответствующей этому значению строки (столбца) данной таблицы.
Если зафиксировать значение одного из аргументов, например, положить , то полученное распределение случайной СВ Х называетсяусловным распределением Х при условии . Вероятности этого распределения будутусловными вероятностями события , найденными в предположении, что событиепроизошло. Из определения условной вероятности:
.
Аналогично условное распределение СВ У при условии задается с помощью условных вероятностей:.