- •Случайные события. Пространство элементарных событий. Алгебра событий.
- •Вероятность в дискретных и непрерывных пространствах элементарных событий. Геометрические вероятности.
- •Классическая схема равновероятных событий.
- •Теоремы сложения и умножения вероятностей.
- •Формула полной вероятности и формула Байеса.
- •6.Дискретные случайные величины. Ряд распределения. Числовые характеристики.
- •7. Повторение испытаний. Схема Бернулли. Биноминальное распределение. Формула Пуассона.
- •8. Распределение Пуассона
- •9 . Непрерывные случайные величины. Функция распределения и плотность распределения, и их свойства. Свойства математического ожидания и дисперсии. Квантили. Мода, медиана, асимметрия и эксцесс.
- •11. Системы дискретных случайных величин. Таблица распределения. Независимость. Ковариация. Условные распределения.
- •12. Математическое ожидание и дисперсия суммы случайных величин. Математическое ожидание произведения случайных величин.
- •13. Коэффициент корреляции как характеристика статистической связи. Некоррелированность и независимость случайных величин.
- •14. Функции случайных величин. Вычисление математических ожиданий. Нахождение закона распределения для функции одной случайной величины в случае дискретной и непрерывной случайной величины.
- •15. Законы больших чисел и предельные теоремы. Теорема Бернулли. Теорема Чебышева. Центральная предельная теорема. Теорема Муавра – Лапласа.
- •16. Асимптотическое распределение среднего арифметического независимых случайных величин и относительные частоты.
Теоремы сложения и умножения вероятностей.
Теоремы сложения:
1) пусть А и B - два несовместных события, тогда вероятность их суммы равна сумме вероятностей слагаемых, т.е.
Р(А+B)=Р(А)+ Р(B)
2) пусть А и B - два совместных события, тогда вероятность их суммы равна сумме вероятностей слагаемых без вероятности произведения, т.е.
Р(А + B)=Р(А)+ Р(B)- Р(АB)
Теоремы умножения:
3) пусть А и B - два независимых события, тогда вероятность их произведения равна произведению вероятностей сомножителей, т.е.
Р(АB) = Р(А) Р(B)
4) пусть А и B - два зависимых события, тогда вероятность их произведения равна произведению вероятностей первого множителя на вероятность второго, вычисленную в предположении, что первое событие произошло (или вероятности второго множителя на вероятность первого, вычисленную в предположении, что второе событие произошло), т.е.
Р(АB)=Р(А) Р(B/А)=Р(B)Р(А/B)
Формула полной вероятности и формула Байеса.
Пусть событие A может произойти только вместе с одним из попарно несовместных событий H1, H2, ..., Hn, образующих полную группу. Тогда, если произошло событие A, то это значит, что произошло одно из попарно несовместных событий H1A, H2A, ..., HnA. Следовательно,
Применяя аксиому сложения вероятностей, имеем
Но (i=1, 2, ..., n), поэтому
Эта формула называется формулой полной вероятности. События H1, H2, ..., Hnназывают «гипотезами», при этом: P(H1) + P(H2) +…+ P(Hn) = 1
С формулой полной вероятности тесно связана формула Байеса. Если до опыта вероятности гипотез были P(H1), P(H2), ..., P(Hn), а в результате опыта появилось событие, то с учетом этого события "новые", т.е. условные вероятности гипотез вычисляются по формуле Байеса:
Д оказательство (по определению условной вероятности):
6.Дискретные случайные величины. Ряд распределения. Числовые характеристики.
Случайной величиной называется переменная величина, которая в результате опыта может принимать то или иное числовое значение. Рассмотрим случайную величину , возможные значения которой образуют конечную или бесконечную последовательность чисел x1, x2, ..., xn, ... . Пусть задана функция p(x), значение которой в каждой точке x=xi (i=1,2, ...) равно вероятности того, что величина примет значение xi:
Такая случайная величина называется дискретной (прерывной).
Рядом распределения дискретной случайной величины называется таблица, в верхней строке которой перечислены в порядке возрастания все возможные значения Х: х1, х2,…, хn, а в нижней строке – вероятности этих значений: pi = P(X=xi)
Ряд распределения случайной величины Х записывается в виде таблицы:
Числовые характеристики – числа, которые характеризуют различные свойства случайных величин.
М атематическим ожиданием дискретной случайной величины называется сумма произведений всех возможных значений случайной величины на их вероятности.
С точки зрения вероятности можно сказать, что математическое ожидание приближенно равно среднему арифметическому наблюдаемых значений случайной величины.
Д исперсией (рассеиванием) дискретной случайной величины называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания.
σ = + SQR(D[x])
Модой М0 дискретной случайной величины называется ее наиболее вероятное значение. Для непрерывной случайной величины мода – такое значение случайной величины, при которой плотность распределения имеет максимум.
Медианой MD случайной величины Х называется такое ее значение, относительно которого равновероятно получение большего или меньшего значения случайной величины.
Начальным моментом порядка k случайной величины Х называется математическое ожидание величины Хk
Для дискретной случайной величины:
Для непрерывной случайной величины:
Начальный момент первого порядка равен математическому ожиданию.
Центральным моментом порядка k случайной величины Х называется математическое ожидание величины
Для дискретной случайной величины:
Для непрерывной случайной величины:
Для характеристики островершинности и плосковершинности распределения используется величина, называемая эксцессом.
А бсолютный начальный момент:
Абсолютный центральный момент:
Абсолютный центральный момент первого порядка называется средним арифметическим отклонением.