- •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.
Показательное распределение.
Показательным, называют распределение вероятностей непрерывной случайной величины, которое описывается плотностью
(1)
Показательное распределение имеет один параметр .
Рисунок 3 График плотности вероятности показательного распределения
Функция распределения:
, , .
Характерным свойством показательного распределения является равенство матожидания и среднеквадратического отклонения:
.
17.Нормальное распределение.
Норм. распределение – распр-ние вероятностей
непрерывной случ. величины, к-рое описывается плотностью
Норм. распр-ние определяется 2 параметрами а и σ. Можно показать, что Мξ =а, Dξ = σ2 , σξ= σ
При а=0 и σ=1 получим стандартное норм.распр-ние:
От произвольного норм. распр-ния можно перейти к стандартному с помощью преобразования z=(x-a)/ σ. Ф-ция станд. норм.распр-ния –
Ф-ция Лапласа –
Ф-ции Ф(х) и Ф0(х) связаны м/у собой соотношением Ф(х)=1/2+Ф0(х). Вероятность попадания норм.случ.величины в заданный интервал: Р(α<ξ<β)=Ф0((β-а)/ σ)- Ф0((α-а)/σ).
Вероятность заданного отклонения от матем. ожидания для норм.случ.величины:
Р (|ξ-а|<δ)=2Ф0(δ/ σ). Покажем это: Р (|ξ-а|<δ)=Р(а- δ< ξ <а+ δ)=Ф0((а+ δ-а)/ σ)- Ф0((а- δ-а)/ σ)=Ф0(δ/ σ)- Ф0(- δ/ σ)=2 Ф0(δ/ σ).
Преобразуем данную формулу, положив δ= σ*t.
Получим Р (|ξ-а|< σt)= 2 Ф0(t). Если t=3, то
Р (|ξ-а|<3 σ)= 2 Ф0(3)=0,9973≈1.
Правило трех сигм: если случ.величина распределена нормально, то с вероятностью близкой к единице, абсол.величина ее отклонения от мат.ожидания не превосходит утроенного среднего квадратич.отклонения.
18.Двумерная функция распред. И ее свойства.
Многомерная случайная величина Х=(Х1, Х2, ... Хn) – это совокупность случайных величин Хi , заданных на одном и том же пространстве элементарных событий
Закон распределения вероятностей многомерной случайной величины Х задается ее функцией распределения
которая является числовой функцией многих переменных и как вероятность принимает значения на отрезке [0,1].
Свойства двумерной функции распределения совпадают с многомерной.
1. 0 , так как это вероятность.
2. F(x,y) –неубывающая функция.
3. F(x) непрерывна в каждой точке слева
4.
5.
6. Вероятность того, что случайная точка попадет в замкнутый прямоугольник.
7.
Двумерный дискретный закон распределения изображается в виде таблицы, где в первой строке строчки перечисляются возможные значения случайной величины , в первом столбце возможные значения
|
|
|
|
|
Y1 |
P11 |
P12 |
|
P1n |
Y2 |
P21 |
P22 |
|
P2n |
|
|
|
|
|
Yn |
Pm1 |
Pm2 |
|
Pmn |
При этом должно выполняться условие нормировки
Обозначим одномерные законы распределения
|
X1 |
|
Xn |
P |
P1 |
|
Pn |
|
y1 |
|
yn |
P |
q1 |
|
qn |