- •1.Графики и свойства основных элементарных функций.
- •2.Предел функции
- •3.Основные теоремы о пределах. Асимптоты графика функции
- •4.Непрерывность функции в точке и на интервале.
- •6.Производная и дифференциал.
- •7. Основные теоремы о дифференцируемых функциях: теорема Ферма, Ролля, Лагранжа.
- •8. Функция нескольких переменных и их непрерывность.
- •9 Производные функций нескольких переменных.
- •10. Дифференциалы функции нескольких переменных.
- •11. Поиск экстремума функции одной переменной.
- •12. Поиск экстремума функции нескольких переменных.
- •13 Неопределенный интеграл, основные теоремы.
- •14. Определенный интеграл, основные теоремы.
- •15.Методы интегрирования: Интегрирование методом замены переменных, Интегрирование по частям, Интегрирование рациональных функций.
- •16.Прямая линия на плоскости.
- •17.Эллипс.
- •18.Гипербола.
- •19.Парабола.
- •20.Прямая и плоскость в пространстве
- •21. Системы линейных уравнений.
- •22.Матрицы, классификация.
- •23.Операции над матрицами
- •24.Определители, свойства. Теорема Лапласа.
- •25.Обратная матрица
- •26.N- мерный вектор и векторное пространство
- •27. Системы векторов, операции над ними.
- •28. Ранг матрицы
- •29. Линейные операторы и матрицы
- •30. Собственные векторы линейных операторов
- •31.Решение системы линейных уравнений с помощью определителей. Формулы Крамера.
- •32. Решиение системы матричной формы
- •33. Метод Гаусса.
- •34.Сущность и условия применения теории вероятностей.
- •35. Основные понятия тв.
- •36. Вероятностное пространство
- •37. Элементы комбинаторного анализа
- •38. Непосредственный подсчет вероятностей.
- •39. Теоремы сложения вероятностей.
- •40.Теоремы умножения вероятностей.
- •41.Формула полной вероятности.
- •42. Теорема Байеса
- •43. Формула Бернулли
- •44.Случайные величины. Способы их описания.
- •45.Основные числовые характеристики дискрет. Случ. Величин.
- •46. Числовые характеристики непрерывных случайных величин
- •47.Осн. Законы распределения вероятностей случ. Величин.
- •48. Числовые характеристики системы двух случайных величин. Зависимые и независимые случайные величины
45.Основные числовые характеристики дискрет. Случ. Величин.
Законы распределения дискретных случайных величин.
Дискретная случайная величина X имеет биномиальный закон распределения, если она принимает значения 0,1, 2,…,m,….,n с вероятностями р(m) = Р(Х = m) = Cnm рm qn-m, где 0 < p <1, q = 1─ р.
Биномиальный закон распределения представляет собой закон распределения числа Х = m наступлений события А в n независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью р.
Теорема. Математическое ожидание и дисперсия случайной величины, распределенной по биномиальному закону, даются формулами
M(X) = np, D(X) = npq.
Следствие. Математическое ожидание величины (m/n) в n независимых испытаниях, в каждом из которых оно может наступить с одной и той же вероятностью р, равно р, т.е. M(m/n) = р, D(m /n)=pq/n.
Законы распределения дискретных случайных величин. Paспределение Пуассона.
Дискретная случайная величина X имеет закон распределения Пуассона, если она принимает значения 0,1 2,…,m,…,n с вероятностями р(m) = Р(Х=m) =е─λ λm/m! , где λ = np.
Tеорема. Математическое ожидание и дисперсия случайной величины, распределенной по закону Пуассона, совпадают и равны параметру λ этого закона. т.е. М(Х) = λ, D(X)= λ.
Распределение Пуассона ─ частный случай биномиального закона распределения для относительно больших n и относительно малых р.
46. Числовые характеристики непрерывных случайных величин
1. Математическим ожиданием непрерывной случайной величины X с плотностью распределения (х) называется число а = М(Х), определяемое равенством:
2. Дисперсией D(X) непрерывной случайной величины называется математическое ожидание квадрата отклонения случайной величины от её математического ожидания:
D(Х) = М[Х-a]2, а=M(X).
Равномерный закон распределения
Непрерывная случайная величина X имеет равномерный закон распределения на отрезке [a, b], если её плотность вероятности постоянна на этом отрезке и равна нулю вне его, т.e.
47.Осн. Законы распределения вероятностей случ. Величин.
Дискретная случайная величина X имеет биномиальный закон распределения, если она принимает значения 0,1, 2,…,m,….,n с вероятностями р(m) = Р(Х = m) = Cnm рm qn-m, где 0 < p <1, q = 1─ р.
Биномиальный закон распределения представляет собой закон распределения числа Х = m наступлений события А в n независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью р.
Теорема. Математическое ожидание и дисперсия случайной величины, распределенной по биномиальному закону, даются формулами
M(X) = np, D(X) = npq.
Следствие. Математическое ожидание величины (m/n) в n независимых испытаниях, в каждом из которых оно может наступить с одной и той же вероятностью р, равно р, т.е. M(m/n) = р, D(m /n)=pq/n. Paспределение Пуассона.
Дискретная случайная величина X имеет закон распределения Пуассона, если она принимает значения 0,1 2,…,m,…,n с вероятностями р(m) = Р(Х=m) =е─λ λm/m! , где λ = np.
Tеорема. Математическое ожидание и дисперсия случайной величины, распределенной по закону Пуассона, совпадают и равны параметру λ этого закона. т.е. М(Х) = λ, D(X)= λ.
Распределение Пуассона ─ частный случай биномиального закона распределения для относительно больших n и относительно малых р.
Непрерывная случайная величина X имеет нормальный закон распределения (закон Гаусса) с параметрами а и 2 , если её плотность вероятности имеет вид:
Равномерный закон распределения
Непрерывная случайная величина X имеет равномерный закон распределения на отрезке [a, b], если её плотность вероятности постоянна на этом отрезке и равна нулю вне его, т.e.
Теорема. Функция распределения случайной величины X, распределенной по равномерному закону, есть
Её математическое ожидание:
и дисперсия
Показательный (экспоненциальный) закон распределения. Непрерывная случайная величина X имеет показательный (экспоненциальный) закон распределения с параметром λ >0, если ее плотность вероятности имеет вид:
Математическое ожидание: .
Дисперсия: .
Показательный закон распределения играет большую роль в теории массового обслуживания и теории надежности.