- •Двойной интеграл. Задачи, приводящие к понятию двойного интеграла.
- •22. Дифф ур-ия с разделяющимися переменными
- •25. Бернулли
- •29. Структура общего решения лнду -2.
- •30. Лоду с пост коэф.
- •31.Лнду с постоянными коэффициентами. Метод подбора.
- •33. Основные определения числового ряда.
- •34. Необходимый признак сходимости. Гармонический ряд.
- •35. Признаки сравнения.
- •36. Признак Даламбера.
- •37. Радикальный и интегральный признак Коши.
- •38. Знакочередующиеся ряды. Признак Лейбница.
- •39. Знакопеременные ряды. Абсолютная и условная сходимость.
- •40. Основные понятия степенного ряда.
- •45. Тригонометрический ряд Фурье. Теорема Дерихле.
- •46. Разложение в ряд Фурье четных и нечетных функций.
- •47. Разложение в ряд Фурье функций произвольного периода.
- •49. Основные формулы комбинаторики.
- •50. Событие и вероятность. Классификация событий. Алгебра событий.
- •51. Классическое определение вероятности. Геометрическая вероятность.
- •52. Теоремы сложения и умножения вероятностей. Следствия.
- •53. Формула полной вероятности.
- •54. Формула Байеса.
- •55. Формула Бернулли.
- •56. Теоремы Лапласа.
- •63. Функция распределения. Св-ва.
- •64. Плотность распределения и её св-ва.
- •66. Равномерное распределение.
- •67. Показательное (экспоненциальное) распределение.
- •68. Нормальное распределение.
52. Теоремы сложения и умножения вероятностей. Следствия.
Теорема сложения вероятностей
Вероятность суммы двух несовместимых событий равна сумме вероятностей этих событий:
Р (А + В) = Р (А) + Р (В).
В случае, когда события А и В совместны, вер-ть их суммы выражается формулой
Р (А +В) = Р (А) + Р (В) – Р (АВ),
где АВ – произведение событий А и В.
Два события называются зависимыми, если вероятность одного из них зависит от наступления или не наступления другого. В случае зависимых событий вводится понятие условной вероятности события.
Условной вероятностью Р(А/В) события А называется вероятность события А, вычисленная при условии, что событие В произошло. Аналогично через Р(В/А) обозначается условная вероятность события В при условии, что событие А наступило.
Произведением двух событий А и В называется событие С, состоящее в совместном появлении события А и события В.
A1, A2,…An – полная группа, P(A1)+P(A2)+…=1
P(A)+P(обратноеA)=1
Теорема умножения вероятностей
Вероятность произведения двух событий равна вер-ти одного из них, умноженной на условную вероятность другого при наличии первого:
Р (АВ) = Р(А) · Р(В/А), или Р (АВ) = Р(В) · Р(А/В).
Следствие. Вероятность совместного наступления двух независимых событий А и В равна произведению вероятностей этих событий:
Р (АВ) = Р(А) · Р(В).
Следствие. При производимых n одинаковых независимых испытаниях, в каждом из которых события А появляется с вероятностью р, вероятность появления события А хотя бы один раз равна 1 - (1 - р)n
53. Формула полной вероятности.
Формул полн вер: p(A)=Σp(Hi)*p(A/Hi) гипотезы Hi, i=1,n образ полн гр событ
Док-во Т.к. события H1…Hn образ полн гр соб, то собА можно предств виде суммы:A=AH1+…+AHn.
Т.к. соб H1…Hn несовм, то и соб AHi тоже несовм. Можно примен теор о слож вер несовм соб:P(A)ΣP(AHi)
При этом P(AHi)=P(Hi)P(A/Hi) Окончат получ формулу
54. Формула Байеса.
P(A) — априорная вероятность гипотезы A (смысл такой терминологии см. ниже);
P(A | B) — вероятность гипотезы A при наступлении события B (апостериорная вероятность);
P(B | A) — вероятность наступления события B при истинности гипотезы A;
P(B) — вероятность наступления события B.
Важным следствием формулы Байеса является формула полной вероятности события, зависящего от нескольких несовместных гипотез (и только от них!).
— вероятность наступления события B, зависящего от ряда гипотез Ai, если известны степени достоверности этих гипотез (например, измерены экспериментально);
55. Формула Бернулли.
n-кол одинак испыт, в кажд р(А) равны
q=1-p, m- кол раз наступ А в n испыт.
Pn(m)=C pmqn-m
C =n!/(n-m)!m!
пример:
Вероятность попадания в цель при одном выстреле равна 0,6. Какова вероятность того, что 8 выстрелов дадут 5 попаданий?
n=8; m=5; p=0,6; q=1-0,6=0,4.
56. Теоремы Лапласа.
Локал т Лапласа: n>>, p[0.25,0.75], n>100, npq>20
X=m-np/√npq , φ(x)=1/√2π * e-x^2/2 гаусово норм распред
Pn(m)=1/√npq * φ(x)
Пр: p(A)=0/75, A-своевр вып заказа, n=160, m=120, q=0.25, npq=30>20 p160(120)=1/√30 * 1/√2π e0
X=-160*3/4 +120 /√30 = 0
Интегр ф Муавра-Лапл: усл те же
Pn(m1<m<m2)=Фo(х2)-Фo(х1)
x1=(m1-np)/√npq, x2=m2/np/√npq
Фо(x)= ∫0x φ(t)dt=1/√2π∫0x e-t^2/2 dt – ф-я Лапласа
Ф-нечетна. Пр: p=0.75, n=160, m>=110, npq=30
X1=110-120/√30=7.3, x2=160-120/√30,
P160(110<m<160)= Фo(7.3)-Фo(-1.82)= Фo(7.3)-Фo(1.82)
Следств:P(|m/n - p|<=E) =2Фo(E√n /√pq)= 2Фo(nE/√npq)
Ф-я норм распред: Ф(x)= ∫-∞x φ(x)dx=1/2 + Фo(x) ->
P(|m/n - p|<=E) = 2Фo(nE/√pnq)= Ф(nE/√npq)-1
Пр: n-?, p=0.03, E<=0.01, P(|m/n - p|<=E)=0.95=2 Фo =>
Фo=0.475 => nE/√npq=1.96 (по табл).
√n*0,01/√0,03*0,95 =1.96 => n=1117.9 =>1118