- •1. Предмет теории вероятностей. Понятие случайного события.
- •2. Основные типы событий, алгебра событий.
- •3.Понятие вероятности события. Классическое, статистическое и геометрическое определение вероятности. Свойства вероятностей.
- •Урны и шарики
- •Урновая схема: выбор без возвращения, с учетом порядка
- •Урновая схема: выбор без возвращения и без учета порядка
- •Урновая схема: выбор с возвращением и с учетом порядка
- •Урновая схема: выбор с возвращением и без учета порядка
- •8.Формула полной вероятности.
- •9. Формула Бейеса.
- •10. Формула (схема) Бернулли.
- •11. Предельные теоремы в схеме Бернулли. Формула Пуассона и условия её применимости.
- •Предельные теоремы для схем Бернулли
- •Пуассоновское приближение
- •Нормальное приближение
- •О применимости предельных теорем в схеме Бернулли
- •12. Локальная и интегральная теорема Муавра-Лапласа.
- •13. Дискретные случайные события и возможности их описания.
- •15. Функция распределения и её свойства. Вероятность попадания случайной величины на заданный интервал.
- •16. Плотность распределения и её свойства. Вероятностный и геометрический смысл плотности распределения.
- •17. Математическое ожидание случайной величины и его свойства.
- •18. Дисперсия и среднее квадратическое отклонение случайной величины. Свойства дисперсии. Производящая функция.
- •19. Мода и медиана. Моменты случайных величин. Асимметрия и эксцесс. Квантили распределения.
- •20. Математическое ожидание и дисперсия числа появления события в независимых опытах.
- •21. Непрерывная случайная величина. Числовые характеристики непрерывных случайных величин.
- •Кривая распределения вероятностей.
- •22. Закон равномерного распределения.
- •23. Экспонентный закон распределения.
- •24. Нормальное распределение. Функция Лапласа. Вероятность попадания в заданный интервал.
- •25. Функция распределения двумерной случайной величины.
- •26. Плотность распределения вероятностей двумерной случайной величины и её свойства.
- •27. Зависимость и независимость двух случайных величин. Числовые характеристики двумерной с.В. Математическое ожидание и дисперсия.
- •28. Корреляционный момент. Коэффициент корреляции. Свойства ковариации и коэффициента корреляции.
- •Свойства ковариации Править
- •29. Предельные теоремы теории вероятностей. Неравенство и теория Чебышева
- •31. Центральная предельная теорема.
- •32. Математическая статистика. Основные понятия.
- •33. Генеральная совокупность и выборка. Характеристики выборки. Способы отбора.
- •34. Статистическое распределение выборки.
- •35. Эмпирическая функция распределения.
- •36. Полигон и гистограмма.
- •37. Статистические оценки параметров распределения.
- •39. Точечная и интервальная оценки. Доверительный интервал. Методики нахождения точечных оценок.
- •40. Метод статистических гипотез.
27. Зависимость и независимость двух случайных величин. Числовые характеристики двумерной с.В. Математическое ожидание и дисперсия.
Распределения соответствующих компонент в одной и другой таблицах одинаковы. Однако очевидно, что эти таблицы описывают абсолютно различные распределения двумерного случайного вектора (все значения в одной таблице отличны от соответствующих значений в другой таблице).
Таким образом, на поставленный выше вопрос можно дать следующий ответ: «Зная законы распределения отдельных случайных величин X и Y, входящих в систему, найти закон распределения всей системы в общем случае нельзя».
Заметим, что это можно сделать только в одном частном случае, когда случайные величины X и Y, образующие систему, независимы.
Определение. Две случайные величины X и Y называются независимыми, если независимы все связанные с ними события.
Например, и ; и и т.д.
Замечание. Так как зависимость и независимость событий всегда взаимны (если событие A не зависит от события B, то и событие B не зависит от события A), поэтому зависимость и независимость случайных величин также всегда взаимны: если случайная величина X не зависит от случайной величины Y, то Y не зависит от X.
В терминах законов распределения независимость случайных величин можно определить так: «Две случайные величины называются независимыми, если закон распределения каждой из них не зависит от того, какое значение приняла другая».
Если компоненты X и Y двумерного вектора независимы, то функция распределения выражается, через функции распределения отдельных компонент:
.
Верно и обратное утверждение. Это правило является необходимым и достаточным условием независимости для случайных величин любого типа.
Необходимые и достаточные условия независимости компонент X и Y для дискретного и непрерывного случаев:
1. X и Y являются независимыми дискретными случайными величинами тогда и только тогда, когда для всех значений индексов i и j выполняется
.
2. X и Y являются независимыми непрерывными случайными величинами тогда и только тогда, когда
.
Отметим, что допускается нарушение последнего равенства на множестве точек , имеющих двумерную площадь, равную нулю.
Ответ: компоненты X и Y независимы.
Замечание. В данном случае независимость компонент X и Y можно было установить, внимательно посмотрев на исходную таблицу, задающую закон распределения случайного вектора . Из этой таблицы видно, что закон распределения каждой из компонент не зависит от того, какое значение приняла другая компонента.
Числовые характеристики двумерных случайных величин.
Def: математическим ожиданием составляющей двумерной дискретной случайной величины называют число:
Математическим ожиданием составляющей двумерной дискретной случайной величины называют число:
Def: математическим ожиданием составляющей непрерывной двумерной случайной величины называют число:
, где
В результате получим:
Математическим ожиданием составляющей непрерывной двумерной случайной величины называют число:
Def: дисперсией составляющей двумерной дискретной случайной величины называют число:
Дисперсией составляющей двумерной дискретной случайной величины называют число:
Def: дисперсией составляющей двумерной непрерывной случайной величины называют число:
дисперсией составляющей двумерной непрерывной случайной величины называют число:
Корни квадратные из дисперсии называют средними квадратичными отклонениями составляющих:
Корреляционный момент (ковариация).