- •1. Случайные события, их классификация. Понятие вероятности.
- •10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
- •11. Функция распределения дискретной случайной величины и ее свойства.
- •18. Математическое ожидание и дисперсия непрерывной случайной величины и их свойства (без доказательства).
- •19. Начальные и центральные моменты.
- •20. Равномерный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •21. Показательный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •22. Поток событий. Простейший поток. Распределение промежутка времени между последовательными событиями простейшего потока.
- •24. Функция Лапласа и ее свойства. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило «трех сигм».
- •25. Неравенство Чебышева. Понятие о законе больших чисел. Теорема Чебышева (без док-ва). Теорема Бернулли (без док-ва).
- •26. Центральная предельная теорема (без док-ва). Локальная и интегральная теоремы Муавра-Лапласа.
- •27. Двумерные случайные величины, формы задания закона распределения.
- •28. Характеристики двумерной случайной величины: математическое ожидание и дисперсия компонент.
- •29. Зависимость случайных величин. Корреляционный момент и коэффициент корреляции, их свойства.
- •30. Предмет математической статистики. Генеральная совокупность, выборка, ее свойства.
- •31. Статистический и интервальный ряды распределения.
- •32. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
- •33. Свойства точечных оценок числовых характеристик и параметров распределения.
- •34. Точечная оценка математического ожидания и ее свойства.
- •35. Точечная оценка дисперсии, несмещенная оценка дисперсии.
- •36. Метод моментов. Метод максимального правдоподобия.
- •37. Интервальные оценки параметров распределения.
- •38. Интервальная оценка математического ожидания нормального распределения.
10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
Случайной величинойназывается величина, которая в каждом испытании (при каждом наблюдении) принимает одно из множества своих возможных значений, заранее не известно, какое.
Дискретная с.в.– с.в., множество возможных значений которой конечно или счетно.
Ряд распределения с.в.(ряд распределения вероятности). График ряда распределения задается многоугольником распределения – ломанная, которая соединяет точки с координатами (xi,pi)
X |
x1 |
x2 |
x3 |
… |
xk |
… |
P |
p1 |
p2 |
p3 |
… |
pk |
… |
Закон распределения с.в.: pk=P({X=xk})
11. Функция распределения дискретной случайной величины и ее свойства.
Функцией распределения случайной величиныХ называется функцияFX(x) =P(X<x),.
Под (X<x) понимается событие, состоящее в том, что случайная величина Х примет значение, меньшее, чем числох. Если известно, о какой случайной величине идет речь, то индекс, обозначающий эту случайную величину, опускается:FX(x) =F(x).
Свойства:
Если , то
12. Математическое ожидание дискретной случайной величины и ее свойства.
Математическое ожиданиедискретной случайной величины Х называется взвешенная сумма всех ее значений:
Свойства:
М(С) = С, С =const
M(C+X)=M(X)=C
M(C·X)=C·M(X)
M(X+Y)=M(X)+M(Y)
Если X,Y–независимые, тоM(X·Y)=M(X) ·M(Y)
13. Дисперсия дискретной случайной величины и ее свойства.
Дисперсия случайной величины называется математическое ожидание квадрата ее отклонения от математического ожидания D(X) =M[(X-mX)2] илиD(X) =M(X2) – (M(X))2;
Свойства:
D(C) = 0;C=const
D(X+C)=D(X)
D(C·X)=C2·D(X)
Если X,Y– независимые, тоD(X+Y)=D(X) ·(D(Y)
Средним квадратичным отклонениемХ называется неотрицательное значение квадратного корня из дисперсии:
14. Биноминальный закон распределения: ряд распределения и основные числовые характеристики.
, гдеn– число испытаний в схеме Бернулли, р – вероятность появления события в каждом испытании. Х = {0,1,2,…,n}
M(X)=np;D(X)=np(1-p)
15. Геометрический закон распределения.
, где р – вероятность появления события в каждом испытании;X= {1,2,3,…,k,…}
16. Пуассоновский закон распределения: ряд распределения и основные числовые характеристики.
Если n→∞, а р→0, то, гдеX= {0,1,2,…,k,…};λ>0;λ=np– среднее число появлений события вnиспытаний.
M(X)=D(X)=λ
17. Непрерывная случайная величина. Функция распределения и функция плотности вероятности, их свойства.
Случайная величина Хназываетсянепрерывной, если она примет более чем счетное число значений.
fx(x) называетсяплотностью распределения случайной величины Х. График плотности распределении случайной величины Х называетсякривой распределения случайной величины.
Свойства плотности распределения:
для всех :f(x)≥0;
∫f(z)dz= 1;
для всех точек,в которых существует производнаяF`(x).
Вероятность того, что непрерывная случайная величина Х примет конкретное число значения, равна нулю для всех: Р(Х=х0) = 0.
Вероятность попадания непрерывной случайной величины в числовой промежуток можно рассчитать: для всех: таких, что с<d:
Р(с≤X≤d) =P(c≤X≤d) =P(c≤X≤d) =P(c<X<d) =F(d)-F(c) = ∫f(x)dx.