- •№1. Случайные события. Классификация. Действия над событиями.
- •№2. Аксиоматическое определение вероятности. Аксиомы Колмогорова. Следствия.
- •№3. Классическое, геометрическое и статистическое определения вероятности как частный случай аксиоматического.
- •№4. Теорема сложения. Следствия.
- •Теорема доказана.
- •№7. Формула полной вероятности и формула Байеса. Примеры.
- •№8. Схема независимых испытаний Бернулли. Теорема Пуассона. Предельная теорема Муавра-Лапласа.
- •№9. Случайная величина. Функция распределения случайной величины и её свойства.
- •№12. Математическое ожидание случайной величины и функции случайной величины. Свойства.
- •№14. Основные законы распределения: нормальный, равномерный, биномиальный, показательный, Пуассона.
- •№15. Векторный случайные величины, совместная плотность, многомерная вероятность, многомерный ряд распределения.
- •№16. Нормальный случайный вектор.
- •№17. Условные вероятности и плотности вероятностей. Независимость случайных величин.
- •№20. Ряд распределения функции дискретной случайной величины.
- •№21. Плотность вероятности функции случайной величины при заданной плотности вероятности аргумента. Закон распределения суммы случайных величин. Пример.
- •24. Распределения , Стьюдента (Госсета), Фишера. Их характеристики и свойства.
- •№27. Случайная выборка и генеральная совокупность. Закон распределения выборки.
- •№28. Оценка вероятности события. Оценка функции распределения. Оценка плотности вероятностей.
- •№29. Выборочные моменты. Несмещённость выборочного среднего как оценки математического ожидания. Смещённость выборочной дисперсии как оценки теоретической дисперсии.
- •№30. Точечные оценки и их свойства.
- •№31. Функция правдоподобия. Неравенство Рао-Крамера. Критерий эффективности Рао-Крамера.
- •№37. Критерий согласия . Пример.
№12. Математическое ожидание случайной величины и функции случайной величины. Свойства.
Математическое ожидание случайной величины.
– математическое ожидание (среднее значение случайной величины).
Свойства математического ожидания:
, где ;
;
;
, если и независимы.
Функции случайной величины.
Пусть на вероятностном пространстве , где – , задана случайная величина . Рассмотрим действительную функцию действительного аргумента (область определения которой включает в себя множество возможных значений случайной величины ).
Случайную величину , которая каждому элементарному исходу ставит в соответствие число , называют функцией от скалярной случайной величины .
№13. Дисперсия и её свойства. Моменты случайной величины.
Дисперсия и её свойства.
– центрированная случайная величина (отклонение от ), .
Дисперсией случайной величины называется математическое ожидание квадрата отклонения от .
Свойства дисперсии:
;
, где ;
;
;
Доказательство: , ч.т.д.
– ковариация ( , , когда независимы).
– среднее квадратичное (квадратическое отклонение) случайной величины .
– нормированная случайная величина.
– стандартная случайная величина .
Моменты случайной величины.
Моментом порядка случайной величины называется математическое ожидание величины : .
Если , то момент называется начальным. Легко видеть, что начальный момент первого порядка есть математическое ожидание величины .
Если , то момент называется центральным. Легко видеть, что центральный момент первого порядка равен нулю, а центральный момент второго порядка есть не что иное, как дисперсия.
Начальные моменты будем обозначать буквой , а центральные – буквой , указывая в обоих случаях нижним индексом порядок момента.
– коэффициент асимметрии.
– коэффициент эксцесса.
Мода для дискретного распределения – точка с максимальной вероятностью, а для непрерывного – точка максимума распределения (плотность в ней достигает максимального значения): .
– квантиль распределения порядка .
– медиана распределения.
Для НСВ квантиль определяется однозначно. Для ДСВ понятие квантили не рассматривается. Вероятность попадания величины слева и справа от медианы одинакова: .
№14. Основные законы распределения: нормальный, равномерный, биномиальный, показательный, Пуассона.
Нормальный закон (для НСВ).
Случайная величина распределена по нормальному (или гауссову) закону, или имеет нормальное (гауссово) распределение, если её плотность . Нормальное распределение зависит от двух параметров: и среднего квадратического отклонения , .
Равномерный закон (для НСВ).
Случайная величина имеет равномерное распределение на отрезке , если её плотность распределения . В данном случае .
Биномиальный закон (для ДСВ).
Дискретная случайная величина распределена по биномиальному закону, если она принимает значения в соответствии с распределением, заданным формулой . Здесь .
Показательный закон (для НСВ).
Случайная величина распределена по показательному (экспоненциальному) закону, если она имеет плотность распределения , где – параметр экспоненциального распределения; .
Закон Пуассона (для ДСВ).
ДСВ распределена по закону Пуассона, если она принимает целые неотрицательные значения с вероятностями ; .