- •1. Элементы комбинаторики. Понятие. Пример.
- •2. Правило умножения и сложения комбинаторики. Пример.
- •3. Классическое и статистическое определение вероятности. Пример.
- •8. Действия над событиями. Пример.
- •9. Правила умножения вероятностей. Пример.
- •10. Теоремы сложения вероятностей. Примеры.
- •11. Условная вероятность. Пример.
- •12. Формула полной вероятности. Пример.
- •13. Формула Байеса. Пример.
- •14. Схема Бернулли. Формула Бернулли. Пример.
- •15. Случайные величины. Способы их задания. Пример.
- •16. Математические операции над случайными величинами. Пример.
- •17. Функция распределения дсв. Геометрическая интерпретация. Пример.
- •18. Понятие дсв. Ряд распределения дсв. Пример.
- •19. Числовые характеристики дсв. Пример.
- •20. Математическое ожидание дсв. Его свойства. Пример.
- •21. Дисперсия дсв. Её свойства. Пример.
- •22. Биномиальное распределение дсв. Пример.
- •23. Локальная и интегральная теорема Муавра-Лапласа. Пример.
- •25. Гипергеометрическое распределение дсв. Пример.
- •26. Понятие нсв. Функция распределения нсв. Пример
- •27.Плотность вероятности нсв. Геометрическая интерпретация. Пример.
- •32. Равномерное распределение нсв. Пример.
- •46.Математическое моделирование случайных величин.
- •47. Имитационное моделирование.
- •48.Метод моделирования Монте-Карло.
21. Дисперсия дсв. Её свойства. Пример.
Дисперсией наз. мат.ожидание квадрата отклонения СВ от мат.ожидания. Дисперсией пользуются для того, чтобы оценить, как рассеяны возможные значения СВ вокруг ее мат.ожидания
Д(х)=
Сва-ва дисперсии:
1. Д(с)=0, если с-const
Д(5)=0
2. Д(СХ)=С2ДХ
3. Д(х+у)=Д(х)+Д(у)
22. Биномиальное распределение дсв. Пример.
Pn(m)=
Первая часть формулы Бернулли представляет собой общий член биноминального разложения (q+p)n, то этот закон распределения наз биноминальным.
Вероятность каждого значения этой случайной величины можно найти по формуле Бернулли.
Числовые хар-ки при биноминальном распределении:
1. Мат.ожидание: М(х)=n*p, где n-кол-во испытаний, p-вероятность успеха в каждом испытании.
2. Дисперсия: D(х)=n*p*q , где q-вероятность неуспеха в каждом испытании
3. Среднее квадратическое отклонение:
Пример. В партии 10% нестандартных деталей. Наугад отобраны 4 детали. Написать биноминальный закон распределения дискретной случайной величины Х – числа нестандартных деталей среди четырех отобранных и построить многоугольник полученного распределения. Вероятность появления нестандартной детали в каждом случае равна 0,1. Найдем вероятности того, что среди отобранных деталей:
1) Вообще нет нестандартных.
2) Одна нестандартная.
3) Две нестандартные детали.
4) Три нестандартные детали.
5) Четыре нестандартных детали.
23. Локальная и интегральная теорема Муавра-Лапласа. Пример.
Локальная теорема: если вероятность наступления события А постоянна и равна р в каждом из n независимых испытаний, 0<p<1,то для вероятности Р(х=m) того, что событие А наступит ровно m раз, справедлива асимптотическая формула
Пример, n=1000? M=5? P=0.01? q=0.99(1-p)
Х=
(-1.6)= 1,6)=0,1109
По формуле Муавра –Лапласа P(x=m)= получаем:
P(m=5)=P1000.5=0.32*0.1109=0.035488
Интегральная теорема: если m есть число наступлений события А в n независимых испытаниях и p есть постоянная вероятность наступления этого события в отдельном испытании 0<p<1, то для заданных чмсел а и в при n⟶∞ справедливо неравенство:
Р(np+a )⟶
Интеграл наз ф-ей Лапласа или интегральной теоремой Лапласа:
Ф0(Z)=
25. Гипергеометрическое распределение дсв. Пример.
Если по формуле вычислить вероятность для всех возможных значений m, то полученный ряд распределения называется гипергеометрическим законом распределения.
Пр-р:
M |
0 |
1 |
2 |
… |
m |
P(x=m) |
|
|
|
…
|
|
Числовые характеристики:
) )
26. Понятие нсв. Функция распределения нсв. Пример
СВ X наз непрерывной, если она может принимать любое значение из некоторого интервала.
Вероятность события состоящая в том, что НСВ Х примет значение не превышающее х, аргумента ф-и Р(X<x)=F(x) наз интегральной формулой распределения (или ф-й распределения) СВ Х.
, где
- элемент вероятности (выражает вер-ть попадания случайной точки в промежуток м-у точками x и , где -бесконечно малая величина.
Н-р: вес продуктов, ср доход населения, кол-во населения в стране (городе).