- •Классическое определение вероятности.
- •Формула сложения вероятностей.
- •Формула полной вероятности.
- •Повторные независимые испытания
- •Формула Бернулли
- •1.10. Теоремы Муавра-Лапласа
- •13.Случайные величины: дискретные и непрерывные случайные дискретные величины
- •Пуассона распределение
- •Свойства
- •Свойства
- •Гипергеометрическое распределение.
- •1. Дискретная случайная величина, закон и функция распределения
- •2. Числовые характеристики дискретных случайных величин
- •30. Система случайных величин, закон распределения вероятностей дискретной двумерной случайной величины.
- •31. Функция распределения двумерной случайной величины, ее свойства.
- •Свойства функции распределения двумерной случайной величины
- •Определение плотностей вероятности составляющих двумерной случайной величины:
- •Понятие ковариация и коэффициента корреляции
- •41. Линейная регрессия. Линейная корреляция. Нормальная корреляция
- •42.Закон больших чисел. Лемма Чебышева.
- •43.Неравенство Чебышева.
- •44.Теорема Чебышева.
- •45.Теорема Бернули.
- •46. Центральная предельная теорема.
- •47. Основные понятия математической статистики: вариационный ряд, его характеристики.
- •48. Средние величины, показатели вариации.
- •50. Понятие оценки параметров.
- •51. Методы нахождения оценок: метод моментов, метод максимального правдоподобия, метод наименьших квадратов.
- •52. Понятие статической гипотезы и схеме ее проверки.
- •56.Проверка гипотезы о законе распределения. Хи-квадрат критерий Пирсона.
- •57.Проверка гипотезы о законе распределения. Критерий Колмогорова.
- •58.Проверка гипотезы о законе распределения. Критерий Колмогорова-Смирнова.
Пуассона распределение
Пуассона распределение, одно из важнейших распределений вероятностей случайных величин, принимающих целочисленные значения. Подчинённая П. р. случайная величина Х принимает лишь неотрицательные значения, причём Х = kc вероятностью
, k =0, 1, 2,...
(l — положительный параметр). Своё название "П. р." получило по имени С. Д. Пуассона (1837). Математическое ожидание и дисперсия случайной величины, имеющей П. р. с параметром l, равны l. Если независимые случайные величины X1 и X2 имеют П. р. с параметрами l1 и l2, то их сумма X1+X2 имеет П. р. с параметрами l1 + l2.
В теоретико-вероятностных моделях П. р. используется как аппроксимирующее и как точное распределение. Например, если при n независимых испытаниях события A1,..., An осуществляются с одной и той же малой вероятностью р, то вероятность одновременного осуществления каких-либо kсобытий (из общего числа n) приближённо выражается функцией pk(np) (математическое содержание этого утверждения при больших значениях n и1/рформулируются Пуассона теоремой). В частности, такая модель хорошо описывает процесс радиоактивного распада и многие др. физические явления.
Как точное П. р. появляется в теории случайных процессов. Например, при расчёте нагрузки линий связи обычно предполагают, что количества вызовов, поступивших за непересекающиеся интервалы времени, суть независимые случайные величины, подчиняющиеся П. р. с параметрами, значения которых пропорциональны длинам соответствующих интервалов времени (см. Пуассоновский процесс).
В качестве оценки неизвестного параметра l по n наблюдённым значениям независимых случайных величин X1,..., Xn используется их арифметическое среднее X =(X1 +... + Xn)/n, поскольку эта оценка лишена систсматической ошибки и её квадратичное отклонение минимально (см. Статистические оценки).
Простейший поток событий
Поток событий— последовательность событий, которые наступают в случайные моменты времени.
Свойства
Свойство стационарности: вероятность появления k событий на любом промежутке времени зависит только от числа k и от длительности t промежутка и не зависит от начала его отсчета.
Свойство ординарности: вероятностью наступления за элементарный промежуток времени более одного события можно пренебречь по сравнению с вероятностью наступления за этот промежуток не более одного события
Свойство отсутствия последействия: вероятность появления k на любом промежутке времени не зависит от того, появлялись или не появлялись события в моменты времени, предшествующие началу рассматриваемого промежутка.
более доступное понимание свойств:Стационарные — когда вероятность попадения того или иного числа событий на участок времени, зависит только от длины этого участкаОрдинарные— когда вероятность одновременного появления двух и более событий равна нулю.Без последействия— когда вероятность не зависит от момента совершения предыдущих событий.
Простейший (стационарный пуассоновский) поток— поток событий, обладающий свойствами стационарности, отсутствия последействия и ординарности.
Интенсивность потока ()— среднее число событий, которые появляются в единицу времени.
Поток событий называется простейшим, если он стационарен, однороден и не имеет последействия. Для такого потока вероятность появления на интервале m событий определяется формулой Пуассона -средняя интенсивность потока.
Для простейшего потока интервал t между соседними событиями имеет показательное распределение: . Если рассматривать бесконечно малый временной интервал, то с учетом ординарности пуассоновского потока
Геометрическое распределение
Закон распределения , где– вероятность успеха в единичном испытании, называется геометрическим распределением вероятностей и обозначаетсяили. Так как вероятность неудачи в единичном испытании обозначается как, то закон распределения можно переписать в более сжатой форме.