- •Кафедра высшей и прикладной математики
- •I программа курса
- •II общие методические указания
- •III основные понятия курса
- •1. Элементы комбинаторики
- •2. Виды событий
- •3. Различные определения вероятности
- •Классическое определение вероятности
- •Статистическое определение вероятности
- •Геометрическое определение вероятности
- •4. Основные теоремы и формулы
- •Д) Исходя из того, что сумма событий состоит в появлении хотя бы одного из событий – слагаемых, в случае большого числа событий имеет смысл пользоваться другой формулой:
- •Формула полной вероятности
- •Формула Бейеса
- •IV. Повторные испытания
- •Формула Пуассона
- •V. Случайные величины и их характеристики
- •1. Понятие о случайных величинах
- •2. Функции распределения
- •Свойства интегральной функции
- •Свойства дифференциальной функции
- •3. Числовые характеристики случайных величин
- •4. Конкретные законы распределения непрерывных случайных величин
- •5. Закон больших чисел
- •VI. Элементы математической статистики
- •1. Характеристики распределения опытных данных
- •2. Линейная корреляция и уравнение линейной регрессии
- •Ііі. Задания для контрольной работы
- •I. Решить задачу
- •V. Непрерывная случайная величина х задана интегральной функцией
- •VII. По сгруппированным данным корреляционной таблицы построить уравнение прямой линии регрессии y на х
- •Приложение 1
- •Приложение 2
- •Продолжение приложения 2
VII. По сгруппированным данным корреляционной таблицы построить уравнение прямой линии регрессии y на х
1. |
|
|
|
|
|
|
|
|
2. |
|
|
|
|
|
|
|
Х Y |
4 |
9 |
14 |
19 |
24 |
29 |
|
Х Y |
10 |
15 |
20 |
25 |
30 |
35 |
||
10 |
2 |
3 |
|
|
|
|
5 |
|
30 |
3 |
5 |
|
|
|
|
8 |
20 |
|
7 |
3 |
|
|
|
10 |
|
40 |
|
4 |
4 |
|
|
|
8 |
30 |
|
|
2 |
50 |
2 |
|
54 |
|
50 |
|
|
10 |
31 |
9 |
|
50 |
40 |
|
|
1 |
10 |
6 |
|
17 |
|
60 |
|
|
3 |
9 |
8 |
|
20 |
50 |
|
|
|
4 |
7 |
3 |
14 |
|
70 |
|
|
|
7 |
5 |
2 |
14 |
2 |
10 |
6 |
64 |
15 |
3 |
100 |
|
3 |
9 |
17 |
47 |
22 |
2 |
100 |
3. |
|
|
|
|
|
|
|
|
4. |
|
|
|
|
|
|
|
Х Y |
14 |
19 |
24 |
29 |
34 |
39 |
|
Х Y |
13 |
18 |
23 |
28 |
33 |
38 |
||
15 |
3 |
3 |
|
|
|
|
6 |
|
20 |
2 |
6 |
|
|
|
|
8 |
25 |
|
5 |
2 |
|
|
|
7 |
|
30 |
|
5 |
3 |
|
|
|
8 |
35 |
|
|
4 |
48 |
2 |
|
54 |
|
40 |
|
|
3 |
35 |
12 |
|
50 |
45 |
|
|
1 |
10 |
8 |
|
19 |
|
50 |
|
|
2 |
6 |
12 |
|
20 |
55 |
|
|
|
4 |
7 |
3 |
14 |
|
60 |
|
|
|
5 |
6 |
3 |
14 |
3 |
8 |
7 |
62 |
17 |
3 |
100 |
|
2 |
11 |
8 |
46 |
30 |
3 |
100 |
5. |
|
|
|
|
|
|
|
|
6. |
|
|
|
|
|
|
|
Х Y |
15 |
20 |
25 |
30 |
35 |
40 |
|
Х Y |
5 |
10 |
15 |
20 |
25 |
30 |
||
5 |
4 |
2 |
|
|
|
|
6 |
|
30 |
3 |
5 |
|
|
|
|
8 |
10 |
|
6 |
4 |
|
|
|
10 |
|
40 |
|
2 |
6 |
|
|
|
8 |
15 |
|
|
6 |
45 |
2 |
|
53 |
|
50 |
|
|
7 |
35 |
7 |
|
49 |
20 |
|
|
2 |
8 |
6 |
|
16 |
|
60 |
|
|
2 |
10 |
8 |
2 |
22 |
25 |
|
|
|
4 |
7 |
4 |
15 |
|
70 |
|
|
|
5 |
6 |
2 |
13 |
4 |
8 |
12 |
57 |
15 |
4 |
100 |
|
3 |
7 |
15 |
50 |
21 |
4 |
100 |
7. |
|
|
|
|
|
|
|
|
8. |
|
|
|
|
|
|
|
Х Y |
5 |
10 |
15 |
20 |
25 |
30 |
|
Х Y |
5 |
10 |
15 |
20 |
25 |
30 |
||
6 |
3 |
3 |
|
|
|
|
6 |
|
8 |
2 |
4 |
|
|
|
|
6 |
12 |
|
6 |
2 |
|
|
|
8 |
|
12 |
|
3 |
7 |
|
|
|
10 |
18 |
|
|
5 |
45 |
4 |
|
54 |
|
16 |
|
|
5 |
30 |
10 |
|
45 |
24 |
|
|
2 |
8 |
6 |
|
16 |
|
20 |
|
|
7 |
10 |
8 |
|
25 |
30 |
|
|
|
5 |
7 |
4 |
16 |
|
24 |
|
|
|
5 |
6 |
3 |
14 |
4 |
8 |
9 |
58 |
17 |
4 |
100 |
|
2 |
7 |
19 |
45 |
24 |
3 |
100 |
9. |
|
|
|
|
|
|
|
|
10. |
|
|
|
|
|
|
|
Х Y |
15 |
20 |
25 |
30 |
35 |
40 |
|
Х Y |
5 |
10 |
15 |
20 |
25 |
30 |
||
5 |
4 |
3 |
|
|
|
|
7 |
|
30 |
4 |
6 |
|
|
|
|
10 |
10 |
|
5 |
3 |
|
|
|
8 |
|
40 |
|
3 |
4 |
|
|
|
7 |
15 |
|
|
6 |
45 |
4 |
|
55 |
|
50 |
|
|
8 |
35 |
7 |
|
50 |
20 |
|
|
3 |
8 |
5 |
|
16 |
|
60 |
|
|
2 |
10 |
8 |
|
20 |
25 |
|
|
|
4 |
5 |
5 |
14 |
|
70 |
|
|
|
4 |
6 |
3 |
13 |
4 |
8 |
12 |
57 |
14 |
5 |
100 |
|
4 |
9 |
14 |
49 |
21 |
3 |
100 |
11. |
|
|
|
|
|
|
|
|
12. |
|
|
|
|
|
|
|
Х Y |
4 |
9 |
14 |
19 |
24 |
29 |
|
Х Y |
5 |
10 |
15 |
20 |
25 |
30 |
||
8 |
3 |
3 |
|
|
|
|
6 |
|
11 |
2 |
6 |
|
|
|
|
8 |
18 |
|
5 |
4 |
|
|
|
9 |
|
21 |
|
4 |
4 |
|
|
|
8 |
28 |
|
|
40 |
2 |
8 |
|
50 |
|
31 |
|
|
7 |
35 |
7 |
|
49 |
38 |
|
|
5 |
10 |
6 |
|
21 |
|
41 |
|
|
2 |
10 |
9 |
|
21 |
48 |
|
|
|
4 |
7 |
3 |
14 |
|
51 |
|
|
|
5 |
6 |
3 |
14 |
3 |
8 |
49 |
16 |
21 |
3 |
100 |
|
2 |
10 |
13 |
50 |
22 |
3 |
100 |
13. |
|
|
|
|
|
|
|
|
14. |
|
|
|
|
|
|
|
Х Y |
8 |
14 |
20 |
26 |
32 |
38 |
|
Х Y |
6 |
12 |
18 |
24 |
30 |
36 |
||
5 |
3 |
4 |
8 |
|
|
|
15 |
|
15 |
1 |
3 |
4 |
|
|
|
8 |
10 |
|
|
9 |
40 |
|
|
49 |
|
25 |
|
2 |
7 |
11 |
|
|
20 |
15 |
|
|
6 |
1 |
4 |
|
11 |
|
35 |
|
|
1 |
53 |
2 |
|
56 |
20 |
|
|
|
7 |
1 |
|
8 |
|
45 |
|
|
|
2 |
5 |
1 |
8 |
25 |
|
|
|
|
8 |
9 |
17 |
|
55 |
|
|
|
|
3 |
5 |
8 |
3 |
4 |
23 |
48 |
13 |
9 |
100 |
|
1 |
5 |
12 |
66 |
10 |
6 |
100 |
15. |
|
|
|
|
|
|
|
|
16. |
|
|
|
|
|
|
|
Х Y |
10 |
20 |
30 |
40 |
50 |
60 |
|
Х Y |
4 |
12 |
20 |
28 |
36 |
44 |
||
2 |
1 |
2 |
|
3 |
|
|
6 |
|
20 |
1 |
4 |
|
|
|
|
5 |
7 |
|
4 |
3 |
1 |
|
|
8 |
|
30 |
|
5 |
8 |
|
|
|
13 |
12 |
|
|
50 |
8 |
6 |
|
64 |
|
40 |
|
|
50 |
6 |
7 |
|
63 |
17 |
|
|
|
7 |
5 |
1 |
13 |
|
50 |
|
|
4 |
2 |
8 |
|
14 |
22 |
|
|
|
|
3 |
6 |
9 |
|
60 |
|
|
|
|
1 |
4 |
5 |
1 |
6 |
53 |
19 |
14 |
7 |
100 |
|
1 |
9 |
62 |
8 |
16 |
4 |
100 |
17. |
|
|
|
|
|
|
|
|
18. |
|
|
|
|
|
|
|
Х Y |
3 |
13 |
23 |
33 |
43 |
53 |
|
Х Y |
2 |
12 |
22 |
32 |
42 |
52 |
||
1 |
1 |
3 |
6 |
|
|
|
10 |
|
5 |
1 |
7 |
|
|
|
|
8 |
8 |
|
4 |
7 |
|
|
|
11 |
|
10 |
|
2 |
3 |
11 |
|
|
16 |
15 |
|
|
50 |
9 |
1 |
|
60 |
|
15 |
|
|
40 |
5 |
4 |
|
49 |
22 |
|
|
1 |
10 |
1 |
|
12 |
|
20 |
|
|
5 |
6 |
6 |
|
17 |
29 |
|
|
|
2 |
2 |
3 |
7 |
|
25 |
|
|
|
|
6 |
4 |
10 |
1 |
7 |
64 |
21 |
4 |
3 |
100 |
|
1 |
9 |
48 |
22 |
16 |
4 |
100 |
19. |
|
|
|
|
|
|
|
|
20. |
|
|
|
|
|
|
|
Х Y |
7 |
12 |
17 |
22 |
27 |
32 |
|
Х Y |
1 |
11 |
21 |
31 |
41 |
51 |
||
30 |
1 |
2 |
5 |
|
|
|
7 |
|
5 |
3 |
2 |
1 |
|
|
|
6 |
40 |
|
5 |
1 |
|
|
|
6 |
|
10 |
|
4 |
4 |
|
|
|
8 |
50 |
|
|
45 |
15 |
8 |
|
68 |
|
15 |
|
|
5 |
45 |
5 |
|
55 |
60 |
|
|
4 |
|
|
|
4 |
|
20 |
|
|
2 |
6 |
9 |
|
17 |
70 |
|
|
|
9 |
4 |
1 |
14 |
|
25 |
|
|
|
4 |
7 |
3 |
14 |
1 |
7 |
55 |
24 |
12 |
1 |
100 |
|
3 |
6 |
12 |
55 |
21 |
3 |
100 |
21. |
|
|
|
|
|
|
|
|
22. |
|
|
|
|
|
|
|
Х Y |
9 |
15 |
21 |
27 |
33 |
39 |
|
Х Y |
5 |
15 |
25 |
35 |
45 |
55 |
||
10 |
4 |
10 |
|
|
|
|
14 |
|
20 |
1 |
4 |
1 |
|
|
|
6 |
20 |
|
3 |
5 |
7 |
|
|
15 |
|
30 |
|
2 |
5 |
1 |
|
|
8 |
30 |
|
|
6 |
44 |
1 |
|
51 |
|
40 |
|
|
5 |
37 |
8 |
|
50 |
40 |
|
|
|
|
5 |
8 |
13 |
|
50 |
|
|
|
7 |
3 |
16 |
26 |
50 |
|
|
|
2 |
4 |
1 |
7 |
|
60 |
|
|
|
|
10 |
|
10 |
4 |
13 |
11 |
53 |
10 |
9 |
100 |
|
1 |
6 |
11 |
45 |
21 |
16 |
100 |
23. |
|
|
|
|
|
|
|
|
24. |
|
|
|
|
|
|
|
Х Y |
2 |
10 |
18 |
26 |
34 |
42 |
|
Х Y |
3 |
9 |
15 |
21 |
27 |
33 |
||
5 |
1 |
3 |
6 |
|
|
|
10 |
|
1 |
4 |
3 |
1 |
|
|
|
8 |
10 |
|
4 |
|
7 |
|
|
11 |
|
8 |
|
6 |
5 |
|
|
|
11 |
15 |
|
|
50 |
9 |
1 |
|
60 |
|
15 |
|
|
7 |
40 |
8 |
|
55 |
20 |
|
|
2 |
9 |
1 |
|
12 |
|
23 |
|
|
|
8 |
2 |
3 |
13 |
25 |
|
|
|
3 |
1 |
3 |
7 |
|
31 |
|
|
|
|
10 |
3 |
13 |
1 |
7 |
58 |
28 |
3 |
3 |
100 |
|
4 |
9 |
13 |
48 |
20 |
6 |
100 |
25. |
|
|
|
|
|
|
|
|
26. |
|
|
|
|
|
|
|
Х Y |
2 |
11 |
20 |
29 |
38 |
47 |
|
Х Y |
10 |
20 |
30 |
40 |
50 |
60 |
||
6 |
2 |
1 |
|
|
|
|
3 |
|
3 |
1 |
3 |
4 |
|
|
|
8 |
11 |
|
4 |
45 |
3 |
|
|
52 |
|
6 |
|
5 |
6 |
|
|
|
11 |
17 |
|
|
5 |
15 |
4 |
|
24 |
|
9 |
|
|
7 |
40 |
8 |
|
55 |
23 |
|
|
|
3 |
4 |
7 |
14 |
|
12 |
|
|
1 |
7 |
5 |
|
13 |
29 |
|
|
|
1 |
|
6 |
7 |
|
15 |
|
|
|
|
4 |
9 |
13 |
2 |
5 |
50 |
22 |
8 |
13 |
100 |
|
1 |
8 |
18 |
47 |
17 |
9 |
100 |
27. |
|
|
|
|
|
|
|
|
28. |
|
|
|
|
|
|
|
Х Y |
3 |
7 |
11 |
15 |
19 |
23 |
|
Х Y |
4 |
10 |
16 |
22 |
28 |
34 |
||
10 |
6 |
4 |
5 |
|
|
|
15 |
|
5 |
8 |
7 |
2 |
|
|
|
17 |
20 |
|
1 |
7 |
3 |
|
|
11 |
|
10 |
|
10 |
1 |
2 |
|
|
13 |
30 |
|
|
50 |
5 |
2 |
|
57 |
|
15 |
|
|
54 |
6 |
|
|
60 |
40 |
|
|
|
7 |
3 |
2 |
12 |
|
20 |
|
|
|
3 |
4 |
|
7 |
50 |
|
|
|
2 |
|
3 |
5 |
|
25 |
|
|
|
|
1 |
2 |
3 |
6 |
5 |
62 |
17 |
5 |
5 |
100 |
|
8 |
17 |
57 |
11 |
5 |
2 |
100 |
29. |
|
|
|
|
|
|
|
|
30. |
|
|
|
|
|
|
|
Х Y |
12 |
18 |
24 |
30 |
36 |
42 |
|
Х Y |
9 |
16 |
23 |
30 |
37 |
44 |
||
8 |
3 |
3 |
|
|
|
|
6 |
|
25 |
4 |
2 |
|
|
|
|
6 |
18 |
|
5 |
4 |
|
|
|
9 |
|
35 |
|
5 |
1 |
2 |
|
|
8 |
28 |
|
|
40 |
2 |
8 |
|
50 |
|
45 |
|
|
5 |
45 |
5 |
|
55 |
38 |
|
|
5 |
10 |
6 |
|
21 |
|
55 |
|
|
2 |
6 |
9 |
|
17 |
48 |
|
|
|
4 |
7 |
3 |
14 |
|
65 |
|
|
|
4 |
7 |
3 |
14 |
3 |
8 |
49 |
16 |
21 |
3 |
100 |
|
4 |
7 |
8 |
57 |
21 |
3 |
100 |
Л И Т Е Р А Т У Р А
При изучении разделов курса “Теория вероятностей и математической статистики” в качества основного пособия могут использоваться такие учебники и учебные пособия:
-
Вентцель Е.С. Теория вероятностей. - М.: Наука, 1971
-
Гмурман В.Е. Теория вероятностей и математическая статистика. – М.: Высшая школа, 2000
-
Гмурман В.Е. Руководство к решению задач по теории вероятностей и математической статистике. – М.: Высшая школа, 2000
-
Гнеденко Б.В. Теория вероятностей. – М.: Физматгиз, 1961