- •1. Общие правила комбинаторики.
- •2. Выборки без повторений (размещения, перестановки и сочетания)
- •3. Случайные события и действия над ними.
- •4. Вероятность события. Статистическое определение вероятности.
- •5. Классическое определение вероятности.
- •6. Свойства вероятностей.
- •7. Теорема сложения вероятностей (для совместимых и несовместимых событий) и следствия из нее.
- •8. Условная вероятность. Теорема умножения вероятностей.
- •9. Независимые события. Теорема умножения вероятностей независимых событий.
- •10. Формула полной вероятности.
- •11.Формула Байеса.
- •12. Независимые повторные испытания, формула Бернулли.
- •13. Локальная теорема Лапласа.
- •14.Теорема Пуассона.
- •15. Интегральная теорема Лапласа.
- •16. Функция Лапласа, ее свойства и график.
- •17. Применение интегральной теоремы Лапласа и функции Лапласа к вычислению вероятностей
- •18. Геометрическое определение вероятности. (без рисунка).
- •19. Случайные величины. Закон распределения дискретной случайной величины.
- •20. Биноминальное распределен.
- •21. Математическое ожидание дискретной случайной величины и его свойства.
- •22. Дисперсия дискретной случайной величины и ее свойства.
- •23. Среднее квадратическое отклонение (ско) и его свойства.
- •24. Математическое ожидание и дисперсия биноминального рас.
- •26. Плотность вер-ти и ее свойства. Связь с ф-ией распределения.
- •27. Нормальное распределение. Нормальная кривая. Вероятность попадания нормально распределенной случайной величины в интервалы и . Правило трех сигм.
- •28. Числовые хар-ки непрерывной случайной величины.
- •29. Математическое ожидание и дисперсия нормального распределения.
- •30. Неравенство Чебышева.
- •31. Теорема Чебышева и ее практическое применение.
- •32. Теорема Бернулли. Сходимость по вероятности.
- •33. Статистическое распределение выборки. Полигон и гистограмма.
- •34. Статистические оценки параметров распределения.
- •35. Выборочное среднее.
- •36. Выборочная дисперсия как оценка теоретической дисперсии, ско, «направленное» ско.
- •37. Доверительная вероятность и доверительный интервал.
- •38. Доверительный интервал для мо нормального распределения при известном и неизвестном .
- •39. Доверительный интервал для математического ожидания нормального распределения.
- •40. Статистическая проверка статистических гипотез. Эмпирические и теоретические частоты. Критерий согласия Пирсона.
- •41. Функциональная, статистическая и корреляционная зависимости.
- •42. Линейная корреляция. Уравнение прямой регрессии.
- •43. Выборочный коэффициент корреляции и его свойства.
31. Теорема Чебышева и ее практическое применение.
Теорема: пусть X1, X2,…, Xn, последовательность попарно независимых случайных величин, имеющих конечные МО и дисперсии, ограниченные в совокупности, т.е.D(Хi)C (с-cont), тогда для любого >0 справедливо:
Док-во: рас-м случайную величину
Найдем
Применим к величине Х неравенство Чебышева:
по теореме о пределе промежуточных переменных получаем требуемое равенство:
Теорема2: (частный случай)
Пусть x1, x2,…, xn, последовательность попарно независимых случайных величин, имеющих одинаковое математическое ожидание М(Xi)=a, и дисперсии, ограниченные в совокупности D(Xi)С (с-const), тогда для любого >0 справедливо:
Практическое применение теоремы Ч.
Т. Чеб. Говорит о том, что для большого числа случайных величин с большой вероятность их среднее арифметическое принимает значение, близкое к некоторому постоянному числу, что позволяет делать некоторые предсказания. Частный случай теор. Чебыш. является обоснованием метода получения более точных результатов измерений, когда в качестве приближенного значения величины берется среднее арифметическое результатов измерений. Пусть измеряется некоторая постоянная величина. С этой целью производится n измерений, результаты которых есть случайные величины, зависящие от неизбежных погрешностей измерений X1, X2,…Xn, тогда в качестве значения неизвестной величины принимают:
.
Такой способ измерения считается правильным по Т. Бернулли, если выполняется следующие условия:
1. Случайные величины независимы, что выполняется, если результаты измерений не зависят друг от друга;
2. Все величины имеют одно и тоже МО, что выполняется если результаты измерения не содержат систематических ошибок;
3. Все дисперсии ограниченны в совокупности, что обеспечивается точностью используемых приборов. Результаты измерений не отличаются друг от друга, тогда дисперсия будет маленькой.
Т. Бернулли является обоснованием выборочного метода в статистике, когда для исследования большой партии берут только наибольшую ее выборку и исследуют, хотя число объектов выборки мало, но оно достаточно для того, чтобы вступил в силу закон больших чисел.
32. Теорема Бернулли. Сходимость по вероятности.
Яв-ся частным случаем теоремы Чебышева. Теорема: Пусть m число появления события А в n независимых испытаниях и вероятность появления события А в каждом испытании=р, тогда для любого >0 справедливо
Док-во: р-рим случайную величину xi, - число появления события А в i-том испытании. Очевидно, что xi принимает значение 0 или 1, причем, m=x1+…+xn. Эти величины удовлетворяют следующим условиям:
1) они попарно независимы, т.к. испытания независимы
2) M(xi)=p i=1…n. (все между собой равны)
3) D(xi)=pq=p(1-p)=-(p2-p)=-[(p2-p+1/4)-1/4]=1/4-(p-1/2)21/4, т.е. ограничены в совокупности. Тогда по теореме Чебышева получим требуемое равенство. Замечание: такое стремление одних величин к другим, когда вероятность их отличия близка к 1, называют стремлением по вероятности. Таким образом относительная частота события стремится по вероятности к его вероятности.
.
Не путать с приближ в смысле мат анализа, это не означает, что
.
Если бы это было так, то начиная с некоторого достаточно большого числа испыт. Относительная частота мало бы отличалась от вероятности. На самом деле такое отличие м.б. и большим, но вероятность этого очень мала.