- •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.
23. Предельные теоремы теории вероятностей.
Неравенство Чебышева и его значение. Теорема Чебышева. Теорема Бернулли. Центральная предельная теорема теории вероятностей (теорема Ляпунова) и её использование в математической статистике.
Теория вероятностей изучает закономерности, свойственные массовым случайным явлениям. Предельные теоремы теории вероятностей устанавливают зависимость между случайностью и необходимостью. Изучение закономерностей, проявляющихся в массовых случайных явлениях, позволяет научно предсказывать результаты будущих испытаний.
Предельные теоремы теории вероятностей делятся на две группы, одна из которых получила названиезакона больших чисел, а другая — центральной предельной теоремы.
Рассмотрим теоремы, относящих к закону больших чисел: неравенство Чебышева, теоремы Чебышева и Бернулли.
Закон больших чисел состоит из нескольких теорем, в которых доказывается приближение средних характеристик при соблюдении определённых условий к некоторым постоянным значениям.
Неравенство Чебышева
Если случайная величина имеет конечное математическое ожидание и дисперсию, то для любого положительного числа справедливо неравенство
то есть вероятность того, что отклонение случайной величины от своего математического ожидания по абсолютной величине не превосходит и больше разности между единицей и отношением дисперсии этой случайной величины к квадрату .
Запишем вероятность события , то есть события, противоположного событию . Очевидно, что
Неравенство Чебышева справедливо для любого закона распределения случайной величины и применимо как к положительным, так и к отрицательным случайным величинам. Неравенство (9.2) ограничивает сверху вероятность того, что случайная величина отклонится от своего математического ожидания на величину больше . Из этого неравенства следует, что при уменьшении дисперсии верхняя граница вероятности также уменьшается, и значения случайной величины с небольшой дисперсией сосредотачиваются около её математического ожидания
Теорема Бернулли
Теорема Бернулли устанавливает связь между относительной частотой появления события и его вероятностью.
При достаточно большом числе независимых испытаний с вероятностью, близкой к единице, можно утверждать, что разность между относительной частой появления события в этих испытаниях е го вероятностью в отдельном испытании по абсолютной величине окажется меньше сколь угодно малого числа , если вероятность наступления этого события в каждом испытании постоянна и равна .
Утверждение теоремы Бернулли можно записать в виде неравенства
где — любые сколь угодно малые положительные числа.
Используя свойства математического ожидания и дисперсии, а также неравенство Чебышева, формулу (9.3) можно записать в виде
При решение практических задач иногда бывает необходимо оценить вероятность наибольшего отклонения частоты появлений события от её ожидаемого значения. В этом случае случайной величиной является число появления события в независимых испытаниях. Имеем
Используя неравенство Чебышева, получаем
(следующую я думаю не надо писать)