- •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.
14.Моменты.
Математическое ожидание и дисперсия являются частными случаями моментов случайных величин. Начальным моментом порядка k с.в. Х называется м.о. k-й степени этой величины, обозначается через α k. α k = м ( Хk ) Для д. с. в. начальный момент выражается суммой:α k =∑ х ik * pi , а для непрерывной случайной величины - интегралом α k =∫ х k * f (х) dх. В частности , α 1 = МХ, т. е. начальный момент 1- го порядка есть м. о. Центральным моментом порядка k с.в. Х называется м. о. величины ( М – МХ )k , обозначается через µ k. µ k = М(Х – МХ)k В частности , µ 2 = DХ , т.е. центральный момент 2-го порядка есть дисперсия; µ 1 = М(Х – МХ) =0
Для д.с.в. µ k =∑ (хi – МХ)k * pi , а для н.с.в. µ k = ∫ (х- МХ)k * f (х) dх. Центральные моменты могут быть выражены через начальные моменты. Так, µ k =DХ = α 2 - α 12 Среди моментов высших порядков – 3-й и 4-й порядок. Коэффициентом асимметрии ( скошенности ) А с.в. Х наз. величина:
А= µ 3 /σх3 =М(Х-МХ)3 / (DХ)3/2 . Если А>0 , то кривая распределения более полога справа от М0Х. Если А<0, то кривая распределения более полога слева от М0Х. Коэффициентом эксцесса (островершинности) Е с.в. Х наз. величина Е= (µ 4 /σх4 )-3 =М(Х-МХ)4 / (DХ)2 -3. Если Е>0 – более островершинное распределение , а распределения плосковершинные имеют Е<0.
15.Осн. Дискретные распред.Случайных величин.
1. Биноминальное распределение. Рассмотрим схему Бернулли. Производится последовательность n независимых испытаний в каждом из которых возможно только 2 исхода.
P(A)=p P( )=q p+q=1
возможное распределение этой величины. Вероятность этих значений вычисляется по формуле Бернулли. .
Найдем МО и DX , где -число появлений события в i-ом (одном) испытании.
Закон распределения
|
0 |
1 |
P |
q |
p |
МО: M =0*q+1*p=p ; M =np
Чтобы найти дисперсию M 2=02*q+12*p=p, D = M 2- (M )2=p-p2=p(1-p)=pq
Так как дисперсии независимы D =npq
2. Распределение Пуассона. Пусть производится n независимых испытаний в каждом из которых вероятность появления события A равна p. Для определения вероятности k пользуется ф. Бернулли. Если вероятность мала, а число испытаний велико то формулой Пуассона.
=0,1,...,m. Pm=
Mξ=∑m*am/m!*e-a =a, Mξ2=∑m2 * am/m!*e-a =a+a2
В распределении пуассона МО и Дисперсия равны а
3. Геометрическое распределение. Производится последовательность независимых испытаний в каждом из которых только 2 исхода
P(A)=p P( )=q p+q=1
Испытание производится до появления события А. Вероятности этих значений Pm=qm-1p, P3=q2p, ; S = . Если ряд сходится его можно почленно дифференцировать.
D
16.Равномерное и показательное распределения. Равномерное распределение.
Плотность распределения:
Рисунок 1 График плотности вероятности равномерного распределения
Функция распределения:
Рисунок 2 График функции равномерного распределения
Равномерное распределение имеет два параметра и .
Матожидание и дисперсия:
, .