- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез (формула Байеса)
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения случайной величины
- •15. Функция распределения случайной величины
- •16. Общие свойства функции распределения св
- •17. Плотность распределения случайной величины
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •24. Система случайных величин. Свойства распределения двумерного случайного вектора
- •25. Функция распределения дискретного двумерного случайного вектора
- •26. Функция и плотность распределения непрерывного двумерного случайного вектора
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •28. Функция одной дискретной св
- •29. Функция одной непрерывной св
- •30. Корреляционный момент случайных величин X и y и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •42. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
- •43. Правило 3σ
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •51. Виды измерений
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных (дискретные и непрерывные вариационные ряды, кумулятивные ряды)
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации (размах, лимиты, среднее линейное отклонение, дисперсия, стандартное отклонение)
- •57. Ассиметрия и эксцесс
- •Плосковершинный островершинный полигон
- •58. Оценка показателей альтернативного признака
33. Наивероятнейшее число наступления события
Число наступлений события A, которому отвечает наибольшая вероятность, наз. наивероятнейшим числом наступления события A.
Пусть - наивероятнейшее число наступлений события A, тогда , . Отсюда или , следовательно, . С другой стороны, , тогда , т.е. .
Итак, определяется двойным неравенством . Отметим, что разность , следовательно, всегда существует целое число , удовлетворяющее двойному неравенству. При этом если - целое число, то наивероятнейших чисел будет два.
34. Асимптотические формулы вычисления вероятностей
При больших n и m на практике пользоваться формулой Бернулли затруднительно. В этом случае пользуются локальной теоремой Лапласа
Теорема. Если вероятность p наступления события A в каждом из независимых испытаний отлична от 0 или 1, то - вероятность того, что событие A наступит раз, при удовлетворяет предельному равенству , где, .
При сделанных предположениях относительно p, если n достаточно большое, имеет место приближенное равенство
.
Формула эффективнее, когда p близко к 0.5 . Если p - мало, пользуются асимптотической формулой Пуассона, которая вытекает из следующей теоремы Пуассона.
Теорема Пуасона. Пусть проводится n независимых испытаний, в каждом из которых событие A наступает с вероятностью p. Тогда, если число испытаний неограниченно возрастает, а , причем параметр - величина постоянная, то
.
35. Биномиальный закон распределения
Случайная величина X, которая принимает значение m с вероятностью , наз. распределенной по биномиальному закону.
Если проводятся независимые испытания, в каждом из которых событие A может наступить с одной и той же вероятностью p, то число наступлений события A в n испытаниях и есть случайная величина X.
Приведем таблицу распределения биномиальной СВ
|
0 |
1 |
2 |
… |
|
|
|
|
|
… |
|
Проверим корректность определения случайной величины X, т.е. выполнения требования .
Здесь - вероятность того, что событие A не наступит ни разу; - наступит один раз; - два раза и т.д. Сумма этих вероятностей дает вероятность, что в n испытаниях событие A не наступит ни разу, или 1 раз,…, или n раз. Но это вероятность достоверного события и поэтому равна единице.
Найдем математическое ожидание и дисперсию биномиальной случайной величины X. Пусть - это число наступлений события A в ом испытании. Тогда распределение случайной величины задается таблицей
-
Значения
0
1
Вероятности p
Очевидно, что , - независимые СВ и их сумма - это СВ X. Найдем математическое ожидание и дисперсию СВ :
, ,
.
Тогда ,
.