- •1Случайные события. Действия над событиями.
- •2.Классическое опред. Вероятности и ее свойства.
- •3.Аксиоматическое определение вероятности.
- •5.Условная вероятность. Независимость событий.
- •6.Формула полной вероятности. Формула Байеса.
- •7.Схема независимых испытаний Бернулли.
- •8.Предельные теоремы в схеме Бернулли.
- •10.Плотность распред.Вероятностей и ее свойства.
- •11.Математическое ожидание и его свойства.
- •12.Дисперсия и ее свойства.
- •13.Коэффициент корреляции и ковариация.
- •14.Моменты.
- •15.Осн. Дискретные распред.Случайных величин.
- •16.Равномерное и показательное распределения. Равномерное распределение.
- •Показательное распределение.
- •17.Нормальное распределение.
- •18.Двумерная функция распред. И ее свойства.
- •19.Двумерная плотность вероятности и ее свойства.
- •20.Независимость случайных величин.
- •21.Условный закон распределения.
- •22.Неравенство Чебышева. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24.Центральная предельная теорема.
- •25.Выборочный метод.
- •26.Эмпирическая функция распределения и ее свойства.
- •27.Гистограмма и полигон.
- •28.Числовые характеристики выборки.
- •29.Точечное оценивание
- •30.Доверительные интервалы
- •31.Распределения , Стьюдента и Фишера.
- •33.Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном .
- •34.Проверка статистических гипотез.
- •35.Построение критической области.
- •36.Критерий согласия Пирсона.
- •37.Вычисления теоретических частот для нормального распределения.
- •38.Сравнение дисперсий двух нормальных выборок.
- •39.Сравнение средних двух нормальных выборок (критерий Стьюдента).
- •40.Дисперсионный анализ.
- •41.Парная регрессия.
- •42.Парный коэффициент корреляции, его свойства.
- •43.Проверка гипотезы о достоверности выборочного коэффициента корреляции.
- •44.Нелинейная парная регрессия.
8.Предельные теоремы в схеме Бернулли.
При больших n применение формулы Бернулли затруднительно из-за сложности вычисления факториалов и степеней. В этом случае исп. приближенные формулы. Рассмотрим 2 случая:
1. или .
2. p (0,1) и не близко ни к нулю, ни к единице.
Теорема Пуассона.Если в схеме Бернулли , так, что np a, тогда
. Замечания:
1. – среднее число появления события А в n испытаниях.
2. Как правило, теорему Пуассона применяют, когда .
3. В конце книг по теор. вероятности есть таблицы для подсчета вероятности для различных a и m.
Локальная предельная теорема Муавра-Лапласа.
Если вероятность наступления некоторого события в n независимых испытаниях постоянна и равна p, p(0,1), то вероятность того, что в этих испытаниях событие A наступит ровно m раз, удовлетворяет при n соотношению
, где
Равномерно по всем m,для которых находится в каком-то конечном интервале;
Функция - плотность нормального распределения.
Интегральная предельная теорема Муавра-Лапласа.
Если m есть число наступлений события в n независимых испытаниях, в каждом из которых вероятность этого события равна p, причем p (0,1), то равномерно относительно a и b(−∞<a<b<+∞) n имеет место соотношение ,
Где - функция Лапласа.
Замечания.
1. Функция Лапласа нечетная:
= - .
2. Функция Ф0(z) асимптотическая и при она быстро стремиться к 0,5. Это стремление настолько быстрое, что при можно считать равной 0,5.
3. Плотность нормального распределения - четная функция.
4. Функции , в конце книг по ТВ и МС заданы таблично.
9.Ф-ция распред.вероятностей и ее свойства.
Одним из осн.понятий теории вероятностей явл. случайная величина.Случайные величины бывают дискретные, непрерывные и др. Для того, чтобы одинаковым способом характ.случ. величины различной прир.вводится понятие ф-ции распред.вероятностей. Пусть - случайная величина и - произвольное действительное число. Вероятность того, что примет знач., меньшее чем х, наз.функцией распред. вероятностей: .Случайной наз.величина,знач.кот.зависят от случая и для кот.опред.ф-ция распред. вероятностей. Дискретной наз.случайная величина,кот.прин. конечное или счетное мн-во знач. Под счетным мн-вом понимается мн-во натуральных чисел.Счетное мн-во знач.можно пронумеровать: Для полной вероятностной хар-ки дискретной случ. величины необх.знать ее закон распред. Пусть –возможные знач.случайной величины , - вероятности этих знач.Мн-во пар , i =1,2,… наз.законом распред.вероятн.дискретной случ. величины. Обычно закон распред.изображ.в виде табл.:
|
|
|
|
|
… |
P |
|
|
|
|
… |
Непрерывной наз.случайная величина,знач.кот. заполняют сплошь некот.промежутки.Ф-ция распред.вероятностей явл.неслуч.ф-цией, вычисленной на основании закона распред. случ.величины.Св-ва функции распределения:
1. ,0 ,т.к. это вероятность.
2. – неубывающая ф-ция.
.Следствия:
2.1. Вероятность попадания случ.величины в заданный интервал есть приращение ф-ции распред. на этом интервале:
2.2. Вероятность принять одно фиксированное знач.для непрерывн.случ.величины равна нулю.
, при т.к. ф-ия распред.непрерывн.случайной величины непрерывна.
2.3Вероятн.попадания непрерывн.случ. велич. в открытый или замкнутый промеж. одинакова: Докажем последнее равенство
3. непрерывна слева в каждой точке (см. рис.7.1).
4.
5. .