- •Тема 1: Случайные события. Классификация событий
- •2. Классическое определение вероятности. Свойства вероятности события
- •3. Статистическое определение вероятности события и условия его применимости
- •Лекция 2 Тема 2: Основные теоремы
- •1. Сумма событий. Теорема сложения вероятностей и её следствия
- •2. Зависимые и независимые события. Произведение событий. Условная вероятность. Теорема умножения вероятностей
- •3. Формула полной вероятности. Формула Байеса
- •Лекция 3 Тема 3: Повторные независимые испытания Тема 4: Дискретные случайные величины
- •1. Повторные независимые испытания. Формула Бернулли
- •2. Асимптотическая формула Пуассона и условия ее применимости
- •3. Локальная теорема Муавра-Лапласа и условия ее применимости
- •4. Интегральная теорема Муавра-Лапласа, её следствия и условия их применимости
- •5. Понятие случайной величины и ее описание. Дискретная случайная величина и ее закон (ряд) распределения.
- •Лекция 4 Тема 4: Дискретные случайные величины
- •1. Математические операции над дискретными случайными величинами
- •2. Математическое ожидание, дисперсия и среднее квадратическое отклонение дискретной случайной величины, их свойства
- •3. Математическое ожидание и дисперсия числа m и частости m/n наступлений события в п повторных независимых испытаниях
- •4. Биномиальный закон распределения и закон Пуассона
- •Лекция 5 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
- •1. Функция распределения случайной величины, ее свойства и график
- •2. Непрерывная случайная величина (нсв). Плотность вероятности нсв, ее определение и свойства
- •3. Равномерный (прямоугольный) закон распределения и его числовые характеристики.
- •Лекция 6 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
- •1. Нормальный закон распределения
- •2. Формулы для определения вероятностей: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило трех сигм
- •3. Центральная предельная теорема. Понятие о теореме Ляпунова
- •Лекция 7 Тема 6: Двумерные (n-мерные) случайные величины
- •1. Понятие двумерной (n-мерной) случайные величины
- •2. Условные распределения и их нахождение по таблице распределения
- •3. Понятие о функции распределения и плотности вероятности двумерной случайной величины
- •4. Ковариация и коэффициент корреляции
- •Лекция 8 Тема 6: Двумерные (n-мерные) случайные величины Тема 7: Закон больших чисел
- •1. Двумерное нормальное распределение. Условное математическое ожидание и условная дисперсия
- •2. Лемма Чебышева (неравенство Маркова) Неравенство Чебышева и его частные случаи для случайной величины, распределенной по биномиальному закону, и для частости события
- •3. Неравенство Чебышева для средней арифметической случайных величин. Теорема Чебышева и ее значение
- •4. Закон больших чисел. Теорема Бернулли и ее практическое значение
- •Лекция 9 Тема 8. Выборочный метод. Общие вопросы
- •1. Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда
- •2. Генеральная и выборочная совокупности. Основная задача выборочного метода
- •3. Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность
- •Лекция 10 Тема 9: Оценка доли признака и генеральной средней
- •1. Оценка генеральной доли и генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность оценок
- •2. Оценка генеральной средней по собственно-случайной выборке
- •2. Оценка генеральной дисперсии по собственно-случайной выборке. Исправленная выборочная дисперсия
- •3. Понятие доверительного интервала и доверительной вероятности оценки
- •4. Средняя квадратическая ошибка выборки при оценке генеральной доли и генеральной средней
- •5. Определение необходимого объема повторной и бесповторной выборок
- •Лекция 11 Тема 10: Элементы статистической проверки гипотез
- •1. Статистическая гипотеза и статистический критерий
- •2. Построение теоретического закона распределения по опытным данным. Понятие о критериях согласия
- •3. Критерий согласия 2 Пирсона и схема его применения
- •Лекция 12 Тема 11: Элементы теории корреляции
- •1. Функциональная, статистическая и корреляционная зависимости. Основные задачи теории корреляции
- •2. Линейная корреляция. Уравнения прямых регрессии для парной корреляции
- •3. Оценка тесноты связи. Коэффициент корреляции (выборочный), его определение и свойства
- •4. Коэффициент детерминации и корреляционное отношение.
- •5. Проверка значимости уравнения регрессии
Лекция 5 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
ПЛАН
1. Функция распределения случайной величины, ее свойства и график.
2. Непрерывная случайная величина (НСВ). Плотность вероятности НСВ, ее определение и свойства
3. Равномерный закон распределения и его числовые характеристики.
1. Функция распределения случайной величины, ее свойства и график
Функция распределения случайной величины — одно из фундаментальных понятий теории вероятностей, поскольку является универсальным описанием любой случайной величины. Функция распределения F(x) представляет вероятность того, что случайная величина Х примет значение, меньшее х, т.е. F(x) = Р(Х < х). Необходимо знать свойства функции распределения F(x) .
Определение 1. Функцией распределения случайной величины Х называется функция F(x), которая определяется равенством
.
Функцию F(x) называют также интегральной функцией распределения.
Свойства функция распределения F(x) случайной величины Х:
F(x) — неотрицательная функция.
F(x) — неубывающая функция.
; .
Приращение F(x) на промежутке [х1; х2) равно вероятности того, что случайная величина Х принимает значение из этого промежутка:
F(x2) – F(x1) = P(x1 Х < x2).
Доказательство. Свойства 1-3 вытекают непосредственно из определения функции F(x). Свойство 4 следует из теоремы сложения вероятностей: F(x2) = P(Х < x2) = P(Х < x1) + P(x1 Х < x2) = F(x1) + P(x1 Х < x2).
Отсюда P(x1 Х < x2) = F(x2) – F(x1).
Функция распределения дискретной случайной величины есть разрывная ступенчатая функция, скачки которой происходят в точках, соответствующих возможным значениям случайной величины, и равны вероятностям этих значений. Сумма всех скачков F(x) равна 1.
2. Непрерывная случайная величина (нсв). Плотность вероятности нсв, ее определение и свойства
Понятие непрерывной случайной величины является непосредственным обобщением понятия дискретной случайной величины. Оно приводит к новому понятию плотности вероятности и к новым определениям математического ожидания и дисперсии.
Хотя тема в основном имеет теоретический характер и не используется в задачах, предлагаемых в контрольных работах, без ее изучения нельзя освоить последующие темы.
Определение 1. Случайная величина Х называется непрерывной, если ее функция распределения непрерывна в любой точке и дифференцируема всюду, кроме, быть может, отдельных точек.
При описании непрерывной случайной величины принципиально невозможно выписать и занумеровать все её значения, принадлежащие даже достаточно узкому интервалу. Эти значения образуют несчётное множество, называемое «континуум».
Теорема 1. Вероятность любого отдельно взятого значения непрерывной случайной величины равно нулю.
Доказательство.
.
Следствие. Для непрерывной случайной величины Х справедливы равенства:
P(x1 < X x2) = P(x1 < X < x2) = P(x1 X < x2) = P(x1 X x2).
Пусть Х – НСВ. Рассмотрим для некоторого числа х вероятность P(х Х х + х) попадания НСВ на промежуток [х; х + х].
Средняя плотность вероятности на этом промежутке равна .
Очевидно, что если х 0, то P(х Х х + х) 0.
Определение 1. Плотностью вероятности НСВ в точке х называется предел , если такой предел существует.
Теорема 1. Плотность вероятности (x) непрерывной случайной величины Х равна производной ее функции распределения, т.е.
(x) = F (x).
Доказательство.
.
Свойства плотности вероятности (x) непрерывной случайной величины Х:
(x) – неотрицательная функция.
Вероятность попадания НСВ в промежуток [a;b] равна определенному интегралу от ее плотности вероятности в пределах от a до b , т.е. P(a Х b)= .
Функция распределения НСВ выражается через плотность вероятности по формуле
.
Несобственный интеграл с бесконечными пределами интегрирования от плотности вероятности НСВ равен единице, т.е. .
График плотности вероятности НСВ называется кривой распределения.
Понятия математического ожидания M(X) и дисперсии D(X), введенные для дискретной случайной величины X, можно распространить на непрерывные случайные величины.
Определение 2. Математическим ожиданием М(Х) непрерывной случайной величины Х называется несобственный интеграл (если интеграл абсолютно сходится).
Определение 3. Дисперсией D(Х) непрерывной случайной величины Х называется несобственный интеграл (если интеграл сходится).
Все свойства математического ожидания и дисперсии дискретных случайных величин справедливы и для непрерывных случайных величин.