- •Тема 1. Элементы аналитической геометрии на плоскости План:
- •§4. Расстояние от точки до прямой
- •§5. Кривые второго порядка
- •5.1. Окружность
- •5.2. Эллипс
- •Свойства эллипса
- •5.3. Гипербола
- •Свойства гиперболы
- •5.4. Парабола
- •Свойства параболы
- •Тема 3. Дифференцирование функций План:
- •§2. Предел функции
- •2.1. Числовая последовательность. Предел числовой последовательности
- •2.2. Предел функции в точке
- •§7. Понятие производной функции
- •14.3. Наибольшее и наименьшее значение функции на отрезке
- •14.4. Выпуклость, вогнутость функции
- •14.5. Точки перегиба функции
- •§15. Задачи на нахождение наименьших и наибольших значений величин
- •Тема 3. Интегрирование функций
- •§1. Неопределенный интеграл и его свойства
- •§2. Таблица основных интегралов
- •§3. Основные методы интегрирования
- •3.1. Непосредственное интегрирование
- •3.2. Метод замены переменной
- •3.3. Интегрирование по частям
- •§4. Понятие определенного интеграла. Свойства определенного интеграла
- •§5. Вычисление определенных интегралов. Формула Ньютона-Лейбница
- •§6. Приложение определенного интеграла
- •6.1. Вычисление площадей плоских фигур
- •6.2. Вычисление объемов тел вращения относительно оси ox и оси oy
- •6.3. Вычисление пути, пройденного точкой
- •Тема 5: Элементы теории вероятностей План:
- •§1. Некоторые формулы комбинаторики
- •§2. Предмет теории вероятностей. Основные определения
- •§3. Классическое определение вероятности
- •§4. Основные теоремы о вычислении вероятностей сложных событий
- •4.1. Теорема сложения вероятностей несовместных событий
- •4.2. Теорема умножения вероятностей независимых событий
- •4.3. Теорема умножения вероятностей зависимых событий
- •4.4. Теорема сложения вероятностей совместных событий
- •§5. Формула полной вероятности
- •Тема 5: основы математической статистики План:
- •§1. Случайные величины
- •§2. Основные понятия математической статистики
- •§3. Группировка данных
- •3.1. Группировка данных в случае количественного дискретного признака (построение дискретного вариационного ряда)
- •5.2. Группировка данных в случае количественного непрерывного признака (построение интервального вариационного ряда)
- •§4. Статистические характеристики
- •4.1. Средние характеристики
- •4.2. Характеристики вариации
- •Тема 6. Проверка статистических гипотез и оценка параметров План:
- •§1. Проверка статистических гипотез
- •§2. Критерий согласия Пирсона
- •§3. Оценка параметров генеральной совокупности
- •3.1. Оценка средней арифметической генеральной совокупности
- •3.2. Оценка дисперсии генеральной совокупности
- •Тема 7. Элементы корреляционного и регрессионного
- •§1. Функциональная и корреляционная взаимосвязи
- •§2. Корреляционное поле. Коэффициент корреляции
- •§3. Расчет коэффициента корреляции методом условных вариант
- •§4. Ошибка коэффициента корреляции
- •§5. Регрессионный анализ
§3. Классическое определение вероятности
Определение События называются равновозможными, если есть основания считать, что ни одно их них не является более возможным, чем другое.
Пример см. выше
Определение Событие В называют благоприятствующим событию А, если появление события В влечет за собой появление события А.
Определение Под вероятностью наступления события будем понимать отношение числа исходов благоприятствующих наступлению данного события, к числу всех исходов испытания.
, где m - число благоприятствующих исходов,
n – число всех исходов испытания.
Для случайного события: m<n.
Для достоверного события: m=n.
Для невозможного события: m=0.
Таким образом, границы значений вероятностей события:
.
Пример: Из числа талонов занумерованных всеми двузначными числами, наудачу берется один. Какова вероятность того, что номер взятого талона состоит из одинаковых цифр?
Решение: А - номер взятого талона состоит из одинаковых цифр.
n=90, m=9, .
§4. Основные теоремы о вычислении вероятностей сложных событий
4.1. Теорема сложения вероятностей несовместных событий
Определение Событие С называется суммой событий А и В, если оно состоит в появлении хотя бы одного из этих событий. Записывают С=А+В.
Теорема Если события А и В несовместны, то .
Теорема сложения позволяет установить соответствие между вероятностями двух противоположных событий: .
Пример: В корзине 10 шаров: 3 красных, 5 синих, 2 белых. Какова вероятность вынуть цветной шар?
Решение: С – вынуть цветной шар.
А – вынуть красный шар, .
В – вынуть синий шар, .
С=A+B .
4.2. Теорема умножения вероятностей независимых событий
Определение Два события называются независимыми, если вероятность появления одного из них не зависит от того, произошло другое событие или нет. В противном случае события называются зависимыми.
Определение Событие С называется произведением событий А и В, если оно состоит в появлении обоих событий А и В. Записывают С=А·В.
Теорема Если события А и В независимые, то .
Пример: В корзине 2 белых и 2 черных шара.
А - вынуть белый шар, . Затем шар кладется обратно.
В – вынут белый шар во втором испытании,
Вывод: А, В – независимые события.
4.3. Теорема умножения вероятностей зависимых событий
Определение Условной вероятностью события В называется вероятность события В, найденная в предположении, что событие А уже наступило.
Обозначают: PA(B)
Теорема Если события А и В зависимые, то .
Пример: В корзине 2 белых и 2 черных шара. Какова вероятность вынуть первый и второй раз белые шары?
Решение:
А - вынуть белый шар в первом испытании, .
В - вынуть белый шар во втором испытании, .
События зависимые, следовательно,
.
4.4. Теорема сложения вероятностей совместных событий
Теорема Если события А и В совместны, то .
Пример: Найти вероятность того, что подброшенный игральный кубик упадет, показав на верхней грани четное или кратное 3 число.
Решение: А – выпадет четное число, .
В – выпадет кратное 3 число, .
А и В – совместные события.
А·В – выпадет четное число, кратное 3, .
.