- •Классическое определение вероятности и ее свойства
- •Комбинаторные методы подсчета
- •3. Геометрический метод определения вероятности.
- •8. Понятие произведения событий
- •9. Понятие разности событий
- •10) Теорема сложения вероятностей несовместных событий
- •20. Наивероятнейшее число благоприятных исходов
- •21. Простейший поток событий
- •22. Случайные величины (дискретные и непрерывные)
- •23. Закон распределения дискретной случайной величины
- •24. Функция распределения дискретной случайной величины
- •25. Мат. Ожидание дискретной случайной величины. Свойства мат. Ожидания.
- •26. Дисперсия дискретной случайной величины
- •27. Закон распределения непрерывной случайной величины
- •28. Плотность вероятности непрерывной случайной величины
- •29. Мат ожидание и дисперсия непрерывной случайной велечины.
- •30. Среднее квадратическо отклонение, мода и медиана непрерывной случайной величины.
- •31.Начальные и центральные моменты непрерывной случайно величины
- •32.Биноминальный з-н распределения
- •35.Равномерное распределение
- •36. Показательный закон
- •37. Нормальное распределение
- •38. Свойства случайной величины, распеделенной по нормальному закону
- •39. Свойства нормального распределения
- •40. Распределение Пирсона
- •41. Распределение Стьюдента.
- •42. Распределение Фишера
- •43. Понятие многомерной случайной величины и закон ее распределения
- •44. Функция распределения многомерной случайной величины
- •45. Плотность вероятности двумерной случайной величины.
- •46. Зависимые и независимые случайные величины.
- •47.Ковариация и коэффициент корреляции. Свойства.
- •48 Закон больших чисел.
- •49. Неравенство Маркова
- •50. Неравенство Чебышева
- •51. Теорема Чебышева
- •52. Теорема Бернулли
- •53. Центральная предельная теорема (цпт)
- •54. Элементы статистики. Понятие об оценке параметров
- •55. Оценка мат ожидания и дисперсии по выборке
- •56. Вариационный ряд
- •58. Основы математической теории выборочного метода
- •59. Оценка вероятности по относительной частоте. Доверительный интервал.
- •60. Оценка параметров в статистике
- •61. Дисперсионный анализ. Однофакторный комплекс.
- •62. Корреляционный анализ. Регрессия.
- •63. Линейная регрессия. Метод наименьших квадратов.
31.Начальные и центральные моменты непрерывной случайно величины
Начальным моментом порядка случайной величины называют математическое ожидание величины : .
Центральным моментом порядка случайной величины называют математическое ожидание величины :
.
Начальный момент первого порядка равен математическому ожиданию самой случайной величины .
Центральный момент первого порядка равен нулю: .
Центральный момент второго порядка представляет собой дисперсию случайной величины :
.
32.Биноминальный з-н распределения
Дискретная случайная величина х имеет биноминальный закон распределения с параметрами n и p, если она принимает значения 0,1,2…,m,…,n с вероятностями P(x=m)=cnmpmqn-m
M(x)=np
D(x)=npq
33.З-н распределения Пуассона
Дискретная случайная величина х имеет з-н распределения Пуассона с параметрами λ>0, если она принимает значения 0,1,2,…,m(беск, но счётное число раз).
M(x)= λ
D(x)= λ
34.Геометрическое распределение.
Дискретная случайная величина х имеет геом. распр. с параметром p,если она принимает значения 1,2,3….,m(бесконечное число раз) с вероятностями
p=const
35.Равномерное распределение
Непрерывная случайная величина имеет з-н распределения на отрезке от а до b, если её плотность вероятности постоянна на этом отрезке и равна 0 вне его
F(x)=
M(x)=
D(x)=
36. Показательный закон
Показательным (экспоненциальным) называют распределение вероятностей непрерывной случайной величины X, которое описывается плотностью
где λ − постоянная положительная величина.
Функция распределения показательного закона
Вероятность попадания в интервал (a, b) непрерывной случайной величины X, распределенной по показательному закону,
Математическое ожидание, дисперсия и среднее квадратическое отклонение показательного распределения соответственно равны:
M(X) = 1/λ, D(X) = 1/λ2, σ(X) = 1/λ
Таким образом, математическое ожидание и среднее квадратическое отклонение показательного распределения равны между собой.
37. Нормальное распределение
Нормальным называют распределение вероятностей непрерывной случайной величины X, плотность которого имеет вид
где a — математическое ожидание, σ — среднее квадратическое отклонение X.
Вероятность того, что X примет значение, принадлежащее интервалу (α, β).
где − функция Лапласа.
Вероятность того, что абсолютная величина отклонения меньше положительного числа δ,
P(|X-a| ˂ δ) = 2Ф(δ/σ).
При а = 0 справедливо равенство
P(|X|<δ) = 2Ф(δ/σ).
Асимметрия, эксцесс, мода и медиана нормального распределения соответственно равны:
As = 0, Ek = 0, M0 = a, Me = a, где a = M(X).
38. Свойства случайной величины, распеделенной по нормальному закону
Вероятность попадания случайной величины X, распределенной по нормальному закону, в интервал [x1, x2], равна
где
Вероятность того, что отклонение случайной величины X, распределенной по нормальному закону, от математического ожидания a не превысит величину ∆ > 0 (по абсолютной величине), равна
P(|X-a| ≤ ∆) = Ф(t).
«Правило трех сигм»
Если случайная величина X 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).