- •2. Алгебра событий. Основные операции над событиями. Теорема сложения вероятностей. Следствия.
- •3. Условная вероятность. Теорема умножения вероятностей. Следствия. Независимость событий.
- •4. Использование формул комбинаторики при непосредственном вычислении вероятностей событий.
- •5. Формула полной вероятности и Байеса.
- •6. Повторение независимых испытаний. Схема Бернулли. Формула Бернулли.
- •7. Дискретная случайная величина. Ряд распределения. Функция распределения.
- •8. Числовые характеристики дискретной св.
- •3. Среднее квадратическое отклонение
- •9. Биномиальное распределение. Частная теорема о повторении опытов. Примеры.
- •1 0. Распределение Пуассона. Простейший поток событий. Формула Пуассона для потока событий. Вероятность появления хотя бы одного события.
- •11. Непрерывная случайная величина. Функция распределения и плотность вероятности. Их свойства.
- •12. Числовые характеристики непрерывной св. М(х), d(X), σx, их свойства.
- •13. Равномерный закон распределения.
- •15. Показательный закон распределения вероятностей. Определение, графики плотности вероятности и функции распределения. Основные характеристики.
- •17. Числовые характеристики системы двух св. Корреляционный момент. Коэффицент корреляции.
- •18. Теоремы о числовых хар-ках, их применение.
- •19. Предельные теоремы теории вероятностей. Неравенство Чебышева, неравенство Маркова. Закон Больших чисел (теорема Чебышева).
- •21. Центральная предельная теорема и особая роль нормального распределения. Формулы для практического применения теории вероятностей (интегральная теорема Муавра-Лапласа).
- •22. Основные понятия математич. Статистики. Простая статистическая совокупность. Статистическая функция распределения. Статистический ряд. Полигон. Гистограмма.
- •23. Точечные оценки параметров распределения. Требования, предъявляемые к точечным оценкам. Оценки для м(х), d(X) и сдо.
- •24. Метод моментов для получения точечных оценок. Выравнивание статистических рядов.
- •25. Интервальные оценки. Доверительные интервалы.
- •26. Статистические гипотезы. Основные понятия (основная и альтернативная гипотеза, критическая область, доверительная вероятность). Проверка статистических гипотез.
- •27. Проверка статистических гипотез. Гипотеза о неизвестном среднем при известной дисперсии на примере нормального распределения.
- •Проверка статистической гипотезы о матожидании нормального распределения при известной дисперсии
- •28. Важнейшие распределения в математической статистике: распределение хи-квадрат, распределение Стьюдента.
- •29. Критерии согласия. Критерий согласия Пирсона
8. Числовые характеристики дискретной св.
Иногда нет необходимости СВ характеризовать полностью, т.е. задавать ее закон распределения. Достаточно указать отд-е ее числ-е параметры, хар-щие существенные черты распределения.
Среди числовых характеристик СВ можно выделить те, которые характеризуют положение СВ на числовой прямой, т.е. указывают некоторое среднее значение, около которого группируются все возможные значения СВ:
1. Математическое ожидание – центр рассеивания СВ
Рассмотрим СВ Х, имеющую возможные значения х1, х2, …, хn. Эти значения СВ принимает с вероятностью р1, р2, …, рn. Требуется охарактеризовать положение СВ х на оси абсцисс с учетом того, что она свои значения принимает с некот. вер-тями.
Свойства матожидания:
1) M(C)=C
2) M(kX)=kM(X)
3) M(X±Y)=M(X)±M(Y)
4) M(XY) = M(X)M(Y)
5) M(X±C)=M(X)±C
6) M[X-M(X)]=0
2. Дисперсия - хар-ка рассеивания (разбросанности) значения СВ около ее матожидания.
Дисперсией D(X) называется матожидание квадрата ее отклонения от матожидания: D(X)=M[X-M(X)]2.
В качестве хар-ки рассеяния нельзя брать матожидание отклонения СВ от ее матожидания M[X-M(X)], т.к. согласно свойству 6 эта величина равна нулю для любой СВ.
Е сли СВ X – дискретная с конечным числом значений, то
Свойства дисперсии:
1) D(C)=C
2) D(kX)=k2D(X)
3) D(X) = M(X2) – [M(X)]2
4) D(X±Y)=D(X)±D(Y)
3. Среднее квадратическое отклонение
Дисперсия D(X) имеет размерность квадрата СВ, что не всегда удобно. Поэтому в качестве показателя рассеяния используют также величину . СДО σх СВ X называется арифм. значения корня кВ. из ее дисперсии .
4 . Моменты СВ
Начальный момент S-того порядка:
|
α1[X]=M[X] – н.м. 1 порядка αS[X]=M[XS] |
Центрированная СВ , соответствующая СВ Х, это отклонение СВ Х от ее матожидания = M[X-M(X)]=0
Моменты центрированной СВ – центральные моменты
5 . Ассиметрия распределения – хар-т симметрию распределения относительно своего матожидания. Sk=µ3/σ3. 1 - Sk>0, 2 - Sk=0, 3 - Sk<0
6. Эксцесс Еx= µ4/σ4. 1 - Ek>0, 2 - Ek=0, 3 - Ek<0
7. Модой М0 дискретной СВ называется ее наиболее вероятное значение. Максимумы: двухмодальный, многомодальный, антимодальный.
8. Медианой MD (Ме) СВ Х называется такое ее значение, относительно которого равновероятно получение большего или меньшего значения СВ. . Если распределение одномодальное, то Мо и Ме совпадают с М(Х).
9. Биномиальное распределение. Частная теорема о повторении опытов. Примеры.
БР – распределение количества успехов в последовательности независимых случайных экспериментов таких, что вероятность успеха в каждом из них равна Р.
Дискретная СВ Х имеет биномальный закон распределения с параметрами n и p, если она принимает значения 0, 1, 2, …, m, …, n с вероятностями P(Х=m)n=Сnmpmqn-m, где 0<p<1, q=1-p.
Биномиальный закон распределения представляет собой закон распределения числа X=m наступлений события А в n независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью p.
Ряд распределения биномиал. закона: |
xi |
0 |
1 |
2 |
… |
m |
… |
n |
pi |
qn |
Сn1pqn-1 |
Сn2p2qn-2 |
… |
Сnmpmqn-m |
… |
pn |
y~Bi(n,p) (y имеет биномиальное распределение, где n – количество испытаний, p – вер-ть успеха в каждом испытании)
M(Y) = np; D(Y) = npq (M(m/n)=p; D(m/n)=pq/n)
Ассиметрия – Sk=(q-p)/(√npq) Эксцесс – Еx=(1-6pй)/(npq)
Теорема. Если вероятность p наступления события А в каждом испытании постоянная, то вероятность Pm,n того, что событие А наступит m раз в n независимых опытах равна Сnmpmqn-m где q=1-p. (формула Бернулли).
Примеры:
1) Вероятность изготовления на станке стандартной детали равна 0,8. Найти вер-ти возможного числа появления брак. деталей среди пяти отобранных. Р0,5= С500,200,85. Р1,5. Р2,5. Р3,5. Р4,5. Р5,5.
2) Вероятность того, что расход э/энергии в продолжение 1 суток не превысит уст. нормы, равна p=0,75. Найти вер-ть того, что в ближ. 6 суток расход э/энергии в теч. 4 суток не превысит нормы.
Р6(4) = С64p4q2 = С62p4q2 = (6*5)/(1*2) * (0,75)4 * (0,25)2 = 0,3
Производящая ф-ю вероятности Рm,n. Zm –искомая вероятность.