- •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.
19.Двумерная плотность вероятности и ее свойства.
Случайный вектор называется непрерывным, если существует такая непрерывная неотрицательная функция p(x,y), что для любых x,y R выполняется соотношение
При этом p(x,y) – двухмерная плотность вероятности.
Свойства.
1. p(x,y)=
2. P
3.
4.
20.Независимость случайных величин.
Случайные величины 1, 2 называются независимыми, если для любых действительных чисел x1,…,xn R случайные события ( 1<X1),…, ( n<Xn) независимы.
Из определения независимых событий вероятность появления должна равняться произведению вероятностей
P( 1<X1,…, n<Xn )=P( 1<X1)…P( n<Xn)
Случайные события независимы, если многомерная функция распределения равна произведению функций распределения координат.
1. Дискретные случайные величины будут независимы, если . для всех ,
2. Непрерывные случайные величины. Они описываются плотностью вероятности, которая равнв производной n порядка по произв. хn
p(x,y)= Если случайные величины независимы, то .
21.Условный закон распределения.
Условным законом распределения случайной величины, входящий в систему ( называется ее закон распределения, вычисленный при условии, что принимает значение у.
Пусть ( - непрерывный вектор с плотностью вероятности p(x,y).
Пусть B=(y< < ∆y)
Тогда условная функция распределения случайной величины при условии, что событие В произошло
Пользуясь формулой умножения имеем
P=
Функция называется условной функцией распределения случайной величины при условии В.
Возьмем производную от (1), устремив при этом ∆y к 0.
Функция называется условной плотностью вероятности случайной величины при условии, что равен у.
Из (2) следует аналогичная теорема умножения
Из можем получить непрерывный аналог формулы полной вероятности
Из (2) можно получить условную функцию распределения случайной величины при условии, что равен у.
22.Неравенство Чебышева. Сходимость случайных последовательностей.
В формулировке ЗБЧ используется понятие «сходимости случайных величин по вероятности».
Случайные величины 1, 2,…, n, …сходятся по вероятности к величине A(случайной или неслучайной), если для любого вероятность события при стремится к единице, т.е. .
Сходимость по вероятности символически записывают так .
Неравенство Чебышева
Для случайной величины , имеющей ограниченную дисперсию , и для любого справедливо неравенство Чебышева
(14.1)
Док-во: Пусть .
Докажем неравенство (14.1) для непрерывной случайной величины с плотностью распределения . Вероятность есть вероятность попадания с.в. в область, лежащую вне промежутка [ ]. Можно записать
т.к. область интегрирования можно записать в виде . Имеем
т.к. интеграл от неотрицательной функции при расширении области интегрирования может возрасти.
Аналогично доказывается неравенство Чебышева и для дискретной случайной величины , только интегралы (вида ) заменяются соответствующими суммами (вида ).
Отметим, что неравенство Чебышева часто используется для противоположного события: