- •6. Случайная величина: определение, виды случайных величин, способы задания. Функция распределения вероятностей случайной величины (определение и свойства).
- •7. Плотность распределения непрерывной случайной величины (определение и свойства). Отыскание функции распределения непрерывной случайной величины по известной плотности распределения.
- •8. Математическое ожидание случайной величины (определение и свойства).
- •9. Отклонение случайной величины (определение и свойства).
- •10. Дисперсия случайной величины (определение и свойства). Среднеквадратическое отклонение случайной величины (определение и свойства).
- •11. Распределение Бернулли (определение, закон распределения, функция распределения, график функции распределения, числовые характеристики).
- •12. Геометрическое распределение (определение, закон распределения, функция распределения, график функции распределения, числовые характеристики).
- •13. Биномиальное распределение (определение, закон распределения, график функции распределения, числовые характеристики).
- •14. Распределение Пуассона (определение, закон распределения (с выводом), функция распределения, график функции распределения, числовые характеристики).
- •16. Показательное (экспоненциальное) распределение (определение, плотность распределения, функция распределения, графики плотности и функции распределения, числовые характеристики).
- •20. Условные функция и плотность распределения. Зависимые и независимые случайные величины.
- •21. Числовые характеристики зависимости (ковариация, коэффициент корреляции – определение и свойства). Ковариационная матрица. Некоррелированные случайные величины.
- •22. Двумерное нормальное распределение. Вероятность попадания в эллипс равной вероятности.
- •23. Предельные теоремы теории вероятностей.
- •Неравенство Чебышева
- •Теорема Бернулли
- •Теорема Ляпунова
- •25. Цепь Маркова. Матрица вероятностей переходов. Однородная цепь Маркова. Предельные вероятности состояний. Марковский процесс с дискретными состояниями и непрерывным временем.
- •26. Генеральная и выборочная совокупности. Повторная и бесповторная выборки. Репрезентативная выборка. Способы отбора.
- •27. Статистическое распределение выборки. Полигон и гистограмма. Эмпирическая функция распределения и её свойства.
- •28. Несмещенные, эффективные и состоятельные оценки. Генеральная и выборочная средние.
- •29. Генеральная и выборочная дисперсии. Формула для вычисления дисперсии. Оценка генеральной дисперсии по исправленной выборочной.
14. Распределение Пуассона (определение, закон распределения (с выводом), функция распределения, график функции распределения, числовые характеристики).
Дискретная случайная величина Х имеет распределение Пуассона, если её возможные значения равны 0, 1, 2, … , k, … , а соответствующие вероятности выражаются формулой Пуассона
. (22)
Распределение Пуассона является предельным для биномиального распределения, когда и так, что - постоянно.
Теорема Пуассона. Если в схеме Бернулли ; так, что , то при любых k, k = 0, 1, 2, …
Случайная величина Х, распределённая по закону Пуассона, имеет следующий ряд распределения:
Х |
0 |
1 |
2 |
… |
k |
…
|
р |
|
|
|
… |
|
… |
15. Равномерное распределение (определение, плотность распределения, функция распределения, графики плотности и функции распределения, числовые характеристики).
Понятие равномерного распределения соответствует представлению о выборе точки из определенного отрезка наудачу.
Случайная величина X распределена равномерно на отрезке [a,b], если ее плотность постоянна и равна
|
Найдём функцию распределения вероятностей:
|
16. Показательное (экспоненциальное) распределение (определение, плотность распределения, функция распределения, графики плотности и функции распределения, числовые характеристики).
Экспоненциально распределенной называется такая случайная величина, для которой плотность вероятности имеет вид
|
Здесь - параметр распределения.
Функция распределения вероятностей показательного распределения имеет вид
|
(34) |
Найдём вероятность попадания случайной величины Х, распределённой по показательному закону, в интервал (a,b). Используя формулы (3) и (34), получаем
17. Нормальное распределение (плотность распределения, свойства плотности распределения, её график, влияние параметров распределения на форму нормальной кривой, стандартное нормальное распределение, числовые характеристики). Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило трёх сигм.
При изменении параметра a форма кривой сохраняется, но она перемещается вдоль оси Oх - вправо при возрастании a и влево при убывании a. С увеличением кривая будем снижаться и вытягиваться вдоль оси Ох.
Если и , то и нормальное распределение называется нормированным или стандартным.
Вероятность попадания нормально распределённой случайной величины в заданный интервал
Правило трёх сигм
Положив в , получим:
.
18. Система случайных величин: определение, виды, способы задания. Функция распределения двумерной случайной величины (определение, геометрическая интерпретация, свойства). Вероятность попадания случайной точки в полуполосу, в прямоугольник.
Случайным вектором (n-мерной случайной величиной, системой n случайных величин) называют упорядоченный набор из n случайных величин (Х1, Х2, … , Хn).
Системы случайных величин могут быть дискретными, непрерывными и смешанными.
Функцией распределения двумерной случайной величины (X,Y) называют вероятность совместного выполнения двух неравенств {X<x} и {Y<y}: .
Геометрическая интерпретация: если двумерную случайную величину (X,Y) рассматривать как случайную точку в прямоугольной декартовой системе координат, то функция распределения F(x,y) есть вероятность попадания случайной точки (X,Y) в бесконечный квадрант с вершиной в точке (x,y), лежащий левее и ниже её.
Свойства функции распределения двумерной случайной величины
, так как это вероятность.
F(x,y) есть неубывающая функция своих аргументов, то есть
при ,
при .
Если хотя бы один из аргументов обращается в -∞, то функция распределения F(x,y) равна нулю: .
Если оба аргумента равны +∞, то функция распределения F(x,y) равна единице: .
При одном из аргументов, равном +∞, функция распределения двумерного вектора превращается в функцию распределения компоненты, соответствующей другому аргументу: .
Вероятность попадания случайной точки в полуполосу
p{X<x, y1<Y<y2} = F(x,y2) - F(x,y1).
Таким образом, вероятность попадания случайной точки в полуполосу равна приращению функции распределения по одному из аргументов.
Вероятность попадания случайной точки в прямоугольник
19. Плотность распределения двумерной непрерывной случайной величины (определение и свойства). Отыскание функции распределения двумерной непрерывной случайной величины по её плотности. Функция и плотность распределения n-мерной случайной величины
Плотностью распределения двумерной непрерывной случайной величины называют предел отношения вероятности попадания случайной величины в малый прямоугольник к площади этого прямоугольника, когда оба его размера стремятся к нулю:
y R∆
∆y
∆x x
Плотность распределения двумерной непрерывной случайной величины вычисляется как вторая смешанная частная производная от функции распределения.
Свойства плотности распределения двумерной случайной величины
1) Плотность распределения двумерного случайного вектора есть функция неотрицательная:
2) Вероятность попадания случайной точки (X,Y) в область D равна двойному интегралу от плотности по области D:
3) Функция распределения двумерной случайной величины выражается через плотность распределения следующим образом:
4) Условие нормировки: двойной несобственный интеграл в бесконечных пределах от плотности вероятности двумерной случайной величины равен единице:
5) Плотности распределения компонент двумерного случайного вектора могут быть получены по формулам:
, .
Функция распределения n-мерной случайной величины - это вероятность совместного выполнения неравенств вида: {Xi<xi}:
F(x1, x2, … , xn) = p{ X1<x1; X2<x2; … ; Xn<xn}.
Плотность распределения n-мерной случайной величины – это n-ная смешанная частная производная функции распределения , взятая один раз по каждому аргументу: