Статистика. Математика

1.Случайное событие – это событие, которое при данных условиях может произойти, либо не произойти. Относительная частота событий называется вероятностью и показывает отношение числа ожидаемых событий к числу возможных.Статистическое определениевероятности:вероятность как предел, к которому стремится относительная частота. При классическом определении отн. частота и вероятность совпадают. В этом случае должно быть известно должны быть известны полное число возможных событий и число ожидаемых событий (орёл-решка, кубики и тп).Совместные события могут происходить параллельно друг другу; несовместные события исключают появление друг друга в ходе проводимого опыта. Зависимое событие-событие, на вероятность которого оказывает влияние исход какого-либо иного события. Независимые наоборот.

2.Теорема сложение вероятностей: вероятность появление какого-либо события из нескольких несовместных равна сумме их вероятностей (или то, или другое)Теорема умножения вероятностей: Вероятность совместного появления независимых событий равна произведению их вероятностей(и то и другое).Условная вероятность — вероятность одного события при условии, что другое событие уже произошло(опыт с шариками в мешке, которые вытаскивают и не возвращают)

3.Соотношение между возможными значениями случайной величины и их вероятностями - закон распределения дискретной случайной величины(возможные значения которой образуют конечную или бесконечную последовательность чисел). Закон распределения может быть задан аналитически, в виде таблицыили графически. Математическое ожидание имеет смысл среднего значения случайной величины. Для дискретных случ. величин оно определяется как сумма произведений случ. величины на вероятность её появления. Дисперсияописывает разброс случ. величин относительно математического ожидания. Дисперсия дискретных случ. величин определяется, как сумма квадратов разности случ. величин и математического ожидания на соответствующие вероятности появления этих случайных величин. Среднее квадратичное отклонение— это квадратный корень из среднего арифметического всех квадратов разностей между данными величинами и их средним арифметическим.

4.Непрерывные случайные величины всегда имеют вероятность равную нулю, поскольку количество её возможных численных значений бесконечно велико.Математическое ожидание имеет смысл среднего значения случайной величины. Для дискретных случ. величин оно определяется как сумма произведений случ. величины на вероятность её появления. Дисперсия описывает разброс случ. величин относительно математического ожидания. Дисперсия дискретных случ. величин определяется, как сумма квадратов разности случ. величин и математического ожидания на соответствующие вероятности появления этих случайных величин.Среднее квадратичное отклонение — это квадратный корень из среднего арифметического всех квадратов разностей между данными величинами и их средним арифметическим.

5.Дискретные случайные величины – величины, которые могут принимать счетное количество значений конечное или бесконечное. пример: количество пассажиров в транспорте.

Непрерывные случайные величины- величины. Которые принимают бесконечное число возможных значений в конечном, или в бесконечном интервалах изменения пример: время, масса, объем, температура тела.

Закон Бернулли: число ожидаемых событий, появляющихся в опытах с n независимыми испытаниями, в которых ожидаемые события характеризуются одинаковой вероятностью p или:

Мат. ожидание

Пусть — случайная величина, определённая на некотором вероятностном пространстве. Тогдагде символ M обозначает математическое ожидание.Такому распределению соответствует бросание монеты, на одной стороне которой - 0, а на второй - 1.Число успехов в n испытаниях схемы Бернулли имеет биномиальное распределение.

Закон распределения Пуассона: удовлетворяет вероятности появления заданного количества редко происходящих случайных событий, наблюдаемых в серии из большого количества независимых повторных опытов. Вероятность намного меньше 1.

Где m-число ожидаемых событий, а- параметр распределения, совпадающий с математическим ожиданием, е-основание натурального логарифма. Распределению Пуассона удовлетворяют числа редких событий, происходящих за определённый промежуток времени.

7.Непрерывные и дискретные случайные величины. Плотность вероятности. Нормальный закон распределения.Дискретные случайные величины – величины, которые могут принимать счетное количество значений конечное или бесконечное. пример: количество пассажиров в транспорте.

Непрерывные случайные величины- величины. Которые принимают бесконечное число возможных значений в конечном, или в бесконечном интервалах изменения пример: время, масса, объем, температура тела.

Плотностью вероятности f(x) непрерывной случайной величины Х называется производная функции распределения F(X) этой величины: f(x)=F’(X) Плотность вероятности является неотрицательной функцией: f(x)>0

Нормальное распределение Гаусса,— распределение вероятностей, которое задается функцией плотности распределения:

где параметр μ — среднее значение (мат.ожидание) случайной величины и указывает координату максимума кривой плотности распределения, а σ² — дисперсия.Графикинормального распределения

Математическим ожиданием дискретной случайной величины называется сумма парных произведений всех возможных значений случайной величины на соответствующие им вероятности, т.е. *

Диспе́рсияслуча́йной величины́ — мера разброса данной случайной величины, т е её отклонения от мат. ожидания.

Пусть  — случайная величина, определённая на некотором вероятностном пространстве. Тогдагде M-матожид