- •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.
50. Неравенство Чебышева
Вероятность того, что отклонение случайной величины X от ее математического ожидания по абсолютной величине меньше положительного числа ɛ, не меньше чем 1-D(X)/ɛ2:
.
51. Теорема Чебышева
Если последовательность попарно независимых случайных величин X1, X2,…, Xn,… имеет конечные математические ожидания и дисперсии этих величин равномерно ограничены (не превышают постоянного числа C), то среднее арифметическое случайных величин сходится по вероятности к среднему арифметическому их математических ожиданий, т. e., если ɛ − любое положительное число, то
В частности, среднее арифметическое последовательности попарно независимых величин, дисперсии которых равномерно ограничены и которые имеют одно и то же математическое ожидание а, сходится по вероятности к математическому ожиданию а, т. е. если ɛ − любое положительное число, то
52. Теорема Бернулли
Частость события в n повторных независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью p, при неограниченном увеличении числа n сходится по вероятности к вероятности p этого события в отдельном испытании:
Смысл теоремы Бернулли состоит в том, что при большом числе п повторных независимых испытаний практически достоверно, что частость (или статистическая вероятность) события m/n — величина случайная, как угодно мало отличается от неслучайной величины p — вероятности события, т. е. практически перестает быть случайной.
53. Центральная предельная теорема (цпт)
ЦПТ − класс теорем в теории вероятностей, утверждающих, что сумма достаточно большого количества слабо зависимых случайных величин, имеющих примерно одинаковые масштабы (ни одно из слагаемых не доминирует, не вносит в сумму определяющего вклада), имеет распределение, близкое к нормальному.
Пусть ɛ1,…,ɛn,… − последовательность независимых одинаково распределенных случайных величин с конечной дисперсией. Обозначим Eɛi = a и Dɛi = σ2 ˃ 0. Тогда
,
где − функция распределения стандартного нормального закона.
Обозначим Sn = ɛ1+…+ɛn. Тогда ESn = na, DSn = nσ2. Следовательно, утверждение ЦПТ может быть записано в виде
54. Элементы статистики. Понятие об оценке параметров
Установление закономерностей, которым подчинены массовые случайные явления, основано на изучении методами теории вероятностей статистических данных — результатов наблюдений.
Задачи МС:
1. указать способы сбора и группировки статистических сведений, полученных в результате наблюдений или в результате специально поставленных экспериментов.
2. разработать методы анализа статистических данных в зависимости от целей исследования. Сюда относятся:
а) оценка неизвестной вероятности события; оценка неизвестной функции распределения; оценка параметров распределения, вид которого известен; оценка зависимости случайной величины от одной или нескольких случайных величин и др.;
б) проверка статистических гипотез о виде неизвестного распределения или о величине параметров распределения, вид которого известен.
Современная математическая статистика разрабатывает способы определения числа необходимых испытаний до начала исследования (планирование эксперимента), в ходе исследования (последовательный анализ) и решает многие другие задачи. Современную математическую статистику определяют как науку о принятии решений в условиях неопределённости.
Итак, задача математической статистики состоит в создании методов сбора и обработки статистических данных для получения научных и практических выводов.
X – случайная величина, принимающая значения x1, x2,…, xn
Θ – неизвестный исследуемый параметр
Θ = f (x1, x2, …, xn)
F (X, Θ) – функция оценки параметра Θ
Сюда же можно включить определения из вопроса 58.