- •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
11. Непрерывная случайная величина. Функция распределения и плотность вероятности. Их свойства.
СВ – величина, которая в результате опыта может принять то или иное значение, неизвестное заранее какое именно. Обозначается X=f(ω), где ω – элементарный исход.
СВ обозначаются прописными буквами латинского алфавита X, Y, Z, а их значения – соотв-щим строчным буквам x, y, z.
Законом распределения СВ называется любое соотношение, устанавливающее связь между возможными значениями СВ и соответствующими им вероятностями.
Непрерывная СВ – величина, бесконечное несчетное множество значений которой есть некоторый интервал (конечный или бесконечный) числовой оси (расход э/энергии за месяц, абсцисса точки попадания при выстреле).
СВ Х называется непрерывной, если ее функция распределения непрерывна в любой точке и дифференцируема всюду, кроме, может быть, отдельных точек.
Непрерывная СВ имеет непрерывную ф-ю распределения. Она задает закон распределения, который полностью характеризует СВ.
Функцией распределения СВ X называется функция F(x), выражающая для каждого х вероятность того, что СВ X примет значение, меньшее х: F(x)= Р(Х<х).
Свойства функции распределения:
F(x) – неубывающая функция своего аргумента: х1<х2, P(х1)<P(х2)
F(-∞)=1, F(+∞)=1
Теорема. Вероятность любо отдельно взятого значения непрерывной СВ равна нулю.
Следствие. Если Х – непрерывная СВ, то вероятность попадания СВ в интервал (х1;х2) не зависит от того, является ли этот интервал открытым или закрытым, т.е.
Если функция распределения непрерывной случайной величины дифференцируема, то более наглядное представление о СВ дает плотность вероятности СВ f(х) – производная ее функции распределения. f(х)=F’(x)
X~F(x) P(x<X<x+∆x) = F(x+∆x) – F(x)
ПР хар-т плотность, с которой распределяются значения СВ в заданной точке. Кривая, изображающая ПР – кривая распределения. ПР – одна из форм закона распределения СВ.
Свойства ПР: 1. f(x)≥0; 2.
12. Числовые характеристики непрерывной св. М(х), d(X), σx, их свойства.
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 . Матожиданием непрерывной СВ X, возможные значения которой принадлежат отрезку [a,b], называют определенный интервал:
Если возможные значения принадлежат всей оси Х, то:
f(х) – плотность вероятности СВ– производная ее функции распределения. f(х)=F’(x). ПР хар-т плотность, с которой распределяются значения СВ в заданной точке.
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 . Дисперсией непрерывной СВ называется математической ожидание квадрата ее отклонения. Дисперсия - хар-ка рассеивания (разбросанности) значения СВ около ее матожидания. Если возможные значения Х
принадлежат отрезку [a,b], то
Для вычисления D(X) можно использовать более удобные ф-лы:
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. СДО:
4. Модой непрерывной СВ называется значение СВ, при котором плотность вероятности максимальна.
5. Медианой непрерывной СВ Х называется такое ее значение Ме, что Р(X<Me) = P (X>Ме). Для симметрич. распределения Мо, Ме и М(Х) совпадают.
6 . Ассиметрия распределения – характеризует симметрию распределения относительно своего матожидания. Sk=µ3/σ3. Для симметрии распределения все моменты нечетного порядка равны нулю. 1 - Sk>0, 2 - Sk=0, 3 - Sk<0
7. Эксцесс Еx= µ4/σ4. 1 - Ek>0, 2 - Ek=0, 3 - Ek<0
8. Моменты непрерывной СВ
Начальным моментом порядка k СВ Х называется матожидание величины Хk.
Начальный момент 1го порядка равен матожиданию.
Центральным моментом порядка k случайной величины Х называется математическое ожидание величины (Х-mk)k.
Центральный момент первого порядка всегда равен нулю, а центральный момент второго порядка равен дисперсии. Центральный момент третьего порядка характеризует асимметрию распределения.