- •1. Определение вероятности. 1
- •2. Условная вероятность. Независимое событие. Формула умножения вероятности.
- •4.Последовательность независимых испытаний. Схема Бернулли. Формула Пуассона.
- •Формула Пуассона
- •5.Наивероятнейшее число наступления события.
- •6. Локальн теорема и интегральная теорема Муавр- 3
- •7. Св. Функции распределения и их свойства.
- •8.Числовые хар-ки случайной величины. 4
- •9.Биномиальный закон распределения.
- •10.Распределение Пуассона. Равномерное распределение.
- •11. Показательное или экспоненциальное распределение.
- •12. Нормальный закон распределения. Числовые 6 характеристики.
- •14.Многомерные случайные величины(св)
- •15.Неравенство Маркова. Неравенство Чебышева.
- •16. Т.Чебышева. Т.Бернули. 8
- •17. Теорема Ляпунова:
- •Элементы математической статистики Генеральная выборочная совокупность
- •Повторная и бесповторная выборка
- •Репрезентативная выборка
- •Статистическое распределение выборки
- •Методы построения точечных оценок
- •Билет №1 10
- •Билет №2
- •Билет №3
- •Билет №4
- •Билет № 5
- •Билет 6.
- •Билет 7
- •Билет 8
- •Билет 9.
- •Билет 10.
- •Билет 11.
- •Билет 12.
- •Билет № 13
- •Билет 14.
- •Билет 15. 16
- •Билет 16.
- •Билет 17.
- •Билет 18.
- •Билет 19.
- •Билет 20. 18
- •Билет 27.
- •Билет 28.
- •1.Теория вероятности
- •3 Т. «Сложения вероятности несовместных событий 20
- •5Формула полной вероятности
- •6.Вероятность наступления хотя бы 1-го события
- •10Вероятность отклонения относительной частоты от постоянной вероятности
- •11Случайная величина
- •12Интегральная ф-ия распределения
- •13Дифференциальная ф-ия распределения вероятностей св (её плотность)
- •14Числовые хар-ки св
- •15Дисперсия св (дискретной)
- •16Среднеквадратическое отклонение св х –
- •17Моменты св х:
- •18Важнейшие з-ны распределения вероятностей cв:
- •21Т.Чебышева
- •22Т. Ляпунова
- •26Вероятность попадания случайной точки в полосу
- •29Числовые хар-ки 2-мерной св (с-мы св):
- •31Нормальное распределение с-мы 2-х св
10Вероятность отклонения относительной частоты от постоянной вероятности
|W-p|<ε
-ε<W-p<ε
-ε<m/n-p<ε
P(|W-p|<ε)=P(|m/n-p|<ε)=P(-ε<m/n-p<ε)
По интергральной Т. Лапласа
Pn(m1,m2)=Ф(x2)- Ф(x1), где x1=(m1-np)/ √(npq) x2=(m2-np)/ √(npq) =>
P(-ε√(n/(pq)){=x1}<(m-np)/√(npq){=x}<ε√(n/(pq)){=x2})=
Ф(ε√(n/(pq)))-Ф(-ε√(n/(pq)))=
2Ф(ε√(n/(pq)))=P(|m/n-p|<ε)
Н-р, p=0,75 => q=0,25
n=1000 ε=0,001
P(|W-p|<ε)–?
P(|W-p|<ε)=P(|W-0,75|<0,001)=
2Ф(0,001√(1000/(0,75∙0,25))=2Ф(0,073)=
2∙0,0279=0,0558
11Случайная величина
СВ–величина, к. в р-те опыта примет то или иное значение, но какое именно заранее не известно.
СВ наз. дискретной, если её значения изолированы. Непрерывной – значения заполняют некоторую область (интервал)
Закон распределения СВ
З-ном распределения дискр. СВ наз. зависимость между возможными значениями и соответствующими им вероятностями.
Виды распределения СВ:
1)табличный
x |
x1 |
x2 |
… |
xk |
p |
p1 |
p2 |
… |
pk |
2)многоугольник распределения
3)аналитический закон: F(x)=P(X<x), где X–всё множество значений, x – конкретные значение из этого мн-ва
12Интегральная ф-ия распределения
– вероятность того, что СВ X примет значение какого-то значения х, и обозначается F(x)
P(X,x)=F(x)
Св-ва:
1) F(x)≥0 (док-во из определения)
2)F(x2)≥F(x1), при x2≥x1
3)F(∞)=1 F(-∞)=0
4)P(a<x<b)=F(b)-F(a)
5)a<x<b F(x)=
{0, x<a;
{1,x>b;
6)0≤F(x)≤1
Док-ва:
2)и 4) X<x2=X<x1+x1<X<x2{x2-x1}
P(X<x2)=P(X<x1)+P(x1<X<x2)
F(x2)=F(x1)+ P(x1<X<x2)
F(x2)-F(x1)≥0, ч.т.д.
3)F(-∞) – невозможное событие => =0
F(∞) – достоверное событие => =1
5) т.к. асе возможные знач-я лежат в интервале (a;b), 22 при x€(-∞;a) F(x)=0; а при x€(b; ∞) F(x)=1, т.к. ф-ия возрастает по 2-му св-ву, а по 6-му ограничена единицей.
Н-р, F(x)={0, x<1; {(x-1)2/4, 1≤x≤3;{1,x>3
Н-р,
X |
1 |
2 |
3 |
4 |
P |
0.1 |
0.2 |
0.4 |
0.3 |
F(x)={0;x<1;{0,1; 1≤x<2; {0,3; 2≤x<3;{0,7; 3≤x<4;{1; 4≤x
13Дифференциальная ф-ия распределения вероятностей св (её плотность)
— первая производная от интегральной ф-ии распределения (подходит для непрер. величин).
f(x)=F′(x)
т.к. lim∆x→∞(F(x+∆x)-F(x))/∆x=F′(x)=(P(X<x+∆x)-P(X<x))/∆x
Т.е. f(x) равна отношению приращению вероятности на отрезке, т.е. её плотность
Св-ва:
1) f(x)≥0, т.к. F(x)↑
2)-∞∫∞f(x)dx=1, т.к. F(∞)-F(-∞)=1-0=1
3)F(x)= -∞∫xf(x)dx, (вытекает из определения и св-ва №2)
4)P(a<x<b)= a∫bf(x)dx=F(b)-F(a)
14Числовые хар-ки св
З-н распределения СВ полностью хар-ет последнюю, однако не всегда он известен. Бывает удобным узнать 1)ср. знач, около котор, группируется СВ Х;2)разброс значений около ср. величины и т.д.
Хар-ки, выражающие в сжатой форме наиболее сущ-ные особенности распределения СВ Х, наз. числовыми характеристиками СВ Х:
1)мат. ожидание СВ Х(М[x], Mx)
a)мат. ожид. дискретной СВ Х – сумма про-дений всех её возможных зн-ний на их вероятность (М(х))
М(х)=(x1p1+x2p2+…+xnpn)/(p1+p2+…+pn=1)= x1p1+x2p2+…+xnpn=i=1∑nxipi=M(x)
Вероятностный смысл M(x):
Пусть
x1 |
x2 |
… |
xk |
m1 |
m2 |
… |
mk |
mk – число появления случайной величины в одном испытании => x‾=xср=(x1m1+x2m2+…+xkmk)/k=x1∙m1/k+x2∙m2/k+…+xk∙mk/k=x1ω1+x2ω2+
…+xkωk=>ωk≈ρk=>мат. ожидание приближенно равно ср. ариф-му наблюдаемых зн-ний СВ Х(вероятностный смысл).
Механический смысл M(x)
Если p1,p2,…,pn–массы,
x1,x2,…,xn–координаты этих масс, то учитывая, что ∑pi=1 xc=i=1∑nxipi/∑pi=M(x), где хс–абсцисса центра тяжести.
Св-ва:
1)M(C)=C, где С=const
Док-во: M(C)=(Cp1+Cp2+..+Cpn)/∑pi=C∑pi/∑pi=C
2)M(Cx)=C∙M(x) док-во аналогично
3)M(x∙y)=M(x)∙M(y), где x и y – независимые СВ
Док-во:
x |
x1 |
x2 |
|
y |
y1 |
y2 |
p |
p1 |
p2 |
|
q |
q1 |
q2 |
XY |
X1Y1 |
X1Y2 |
X2Y1 |
X2Y2 |
P |
p1q1 |
p1q2 |
p2q1 |
p2q2 |
M(xy)=x1y1∙p1q1+ x1y2∙p1q2+ x2y1∙p2q1+ x2y2∙p2q2=(x1p1+x2p2)(y1q1+y2q2)=M(x)∙M(y)
Следствие: M(x∙y∙z)=M(x)M(y)M(z), т.к. M((x∙y)∙z)
4)M(x+y)=M(x)+M(y)
Док-во: аналогично
Мат. ожидание числа появление событий в n независимых испытаниях
Т. M(x) числа появления события А в n независимых испытаниях равно произведению числа испытаний на вероятность появления события в каждом из них: M(x)=n∙p
Док-во:
Пусть X – число появления события А в n независимых испытаниях
X=X1+X2+…+Xn
M(X)=M(X1)+M(X2)+…+M(Xn)
M(x)=-∞∫∞x∙f(x)dx
Вероятность появления события в каждом равно p, в n независимых испытаниях pn => M(x)=pn, ч.т.д.