- •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
13. Равномерный закон распределения.
В некоторых задачах встречаются величины, о которых заранее известно, что из возможных значения лежат в пределах некоторого определенного интервала, причем в пределах этого интервала все значения СВ равновероятны.
Х~R(a,b) – СВ Х имеет равномерный закон распределения на отрезке [a,b] и все значения она принимает с одинак. вер-тью:
f(x) |
|
1/(b-a), a≤x≤b, |
0, {x<a}U{x>b} |
(b-a)c=1 → c=1/(b-a)
(кривая распределения)
Ф -я распределения СВ Х:
F(x) = P(X<x) = |
|
|
F(x) = |
0, x<a |
|
(x-a)/(b-a), x€[a;b] |
||
1, x>b |
М(Х) = (a+b)/2
Мода Мо – любое число из [a;b]
D(X) = (b-a)2/12
Медиана Ме = (a+b)/2
Ассиметрия Sk = 0
Эксцесс Ex = -1,2 µ4=(b-a)4/80.
Равномерность попадания в интервал: P(α<x<β) = (β-α)(b-a)
Данный закон используется при анализе ошибок округления при проведении числовых расчетов (ошибка округления числа до целого распределена равномерно на отрезке [-0.5;0.5], в ряде задач масс. обслуж-я, при статистич. моделир-и наблюдений.
14. Нормальный закон распределения. Функция Лапласа. Вывод формулы вероятности попадания случайной величины в заданный интервал. Основные характеристики распределения. Влияние параметров M(X) и D(X) на положение и форму кривой. Правило «3σ».
НЗР наиболее часто встречается на практике. Главная особенность состоит в том, что он является предельным законом, к которому приближаются другие законы распределения.
С умма большого числа независимых СВ, подчиненных каким угодно законам распределения, приближенно подчиняется нормальному закону и это будет тем точнее, чем больше величин суммируется. X~N(a,σ2)
Непрерывная СВ Х имеет НЗР (закон Гаусса) с параметрам a и σ2, если ее плотность вероятности:
(горбик лев 1 и прав 2 – m2>m1, σ1=σ2)
(горбик выше 1 и ниже 2 - m2=m1, σ1>σ2)
НЗР СВ с параметрами a=0 и σ2=1, т.е. N(0;1) называется стандартным или нормированным, а соответствующая нормальная кривая – стандартной (норм).
Сложность непосредственного нахождения функции распределения СВ, имеющей НЗР, по формуле
и вероятности ее попадания на некоторый промежуток по формуле связана с тем, что интеграл от функции Гаусса является «неберущимся» в элементарных функциях. Поэтому их выражают через функцию - функцию Лапласа, для которой составлены таблицы.
Свойства функции Лапласа:
Ф(х) – четная, т.е. Ф(-х)=Ф(х)
Ф(х) – монотонно возрастающая, причем при х→+∞ Ф(х)→1 (практически можно считать, что уже при x>4 Ф(х)~4)
Г еометрически функция Лапласа представляет собой площадь под стандартной нормальной кривой на отрезке [-x;x]:
Теорема. Функция распределения СВ Х, распределенной по нормальному закону, выражается через функцию Лапласа Ф(х) по формуле:
Свойства СВ, имеющую НЗР:
1. Вероятность попадания СВ Х в интервал [x1;x2] равна , где
; .Вывод данной формулы:
2. Вероятность того, что отклонение СВ Х от матожидания не превысит величину ∆>0 равна P(|X-a|≤∆)=Ф(t), где t=∆/σ.
Числовые характеристики:
M(X)=a D(X)= σ2 µS=(S-1)*σ2*µS-2; µ2S+1=0 (нечетные);
, µ2=σ2=D(X); µ4=3σ4; µ6=15σ6.
Ассиметрия: А1=µ3/σ3=0
Эксцесс А2=µ4/σ4-3=0 –крутости по сравнению с нормальным.
« Правило трех сигм»: если СВ Х имеет нормальный закон распределения с параметрами а и σ2, т.е. N(a;σ2), то практически достоверно, что ее значения заключены в интервале (a-3σ; a+3σ). Нарушение данного правила, т.е. отклонение нормально распределенной СВ Х больше, чем на 3σ, является событием практически невозможным, т.к. его вероятность весьма мала:
P(|X-a|>3σ) = 1 – P(|X-a|≤3σ) = 1 – 0,9973 = 0,0027.