- •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
26Вероятность попадания случайной точки в полосу
Пользуясь интегр. ф-ей распределения с-мы СВ X и Y, вероятность попадания в полосу x1<X<x2 и Y<y равна
P(x1<X<x2,Y<y)=F(x2;y)-F(x1;y)
Вер-ть попадания СВ (x,y) в прямоугольник
Эту вероятность м. посчитать как разность вероятностей попадания в полосу, ограниченную линиями АВ и CD
P(x1<X<x2;y1<Y<y2)=
[F(x2;y2)-F(x1;y2)]-[F(x2;y1)-F(x1;y1)]
Двумерная плотность вероятностей f(x,y)(диф. ф-ия распр-ния)
Плотностью распределения вер-ей f(x,y) наз. 2-ая смешенная производная от F(x,y), т.е.
f(x,y)=∂2F(x,y)/(∂x∂y) для непр. СВ (x,y)
Если известна f(x,y), то F(x,y)= -∞∫x-∞∫yf(x,y)dxdy
из этой ф-лы следует
P[(x,y)€D]=D∫∫f(x,y)dxdy Геометр. смысл: поверхность
св-ва f(x,y):
1)f(x,y)≥0 (по определению)
2) -∞∫∞-∞∫∞f(x,y)dxdy=1
27Условные з-ны распределения (XY) – лин. 2-мерного вектора.
Условной ф-ей распределения F(x/y1,y2) СВ Х относительно опр. зн-ний Y наз. условная вер-ть неравенств X<x относительно Y.
F(x/y1,y2)=P(X<x, y1<Y<y2)/P(y1<Y<y2) для дискр. СВ (x,y)
F(x/y1,y2)=-∞∫xy1∫y2f(x,y)dxdy/y1∫y2-∞∫+∞f(x,y)dxdy для непрер. СВ (x,y)
Условной плотностью распределения вероятностей СВ X при условии, что Y=y, называется отношение плотности распределения с-мы (x,y) к плотности распределения СВ Y.
f1(x/y)=f(x,y)/f2(y), f2(y)≠0,
f2(y)=-∞∫+∞f(x,y)dx
f2(y/x)=f(x,y)/f1(y), f1(y)≠0,
f1(x)=-∞∫+∞f(x,y)dy
28С-мы случайных величин
СВ X и Y наз. независимыми (входят в с-му), если X<x и Y<y независимы при любом x и y. СВ X и Y наз. зависимыми, если X<x и Y<y зависимы при нек-х значениях x и y.
Критерии независимости СВ, входящих в с-му:
1) Т. Для того, чтобы СВ X и Y, входящие в с-му, были независимы, необх. и дост., чтобы
F(x,y)=F1(x)*F2(y) (1)
Док-во:
-необходимость: 26
X и Y независимы, доказать (1)
P(X<x, Y<y)=P(X<x)*P(Y<y) =>
F(x,y)=F1(x)*F2(y), ч.т.д.
-достаточность:
Выполняется (1). Необх. док-ть, что X и Y - независимы
F(x,y)=F1(x)*F2(y)=>
P(X<x, Y<y)=P(X<x)*P(Y<y)=> X и Y – назавис., ч.т.д.
2) Т. Для того, чтобы СВ X и Y, входящие в с-му, были независимы, необх. и дост., чтобы
f(x,y)=f1(x)*f2(y) (2)
Док-во:
-необходимость
СВ X и Y – независ. Док-ть, что выполняется (2)
Воспользуемся предыдущей теоремой:
F(x,y)=F1(x)*F2(y).
Продиффер-ем:
∂2F(x,y)/(∂x∂y)= ∂F1(x)/∂x*∂F2(y)/∂y
f(x,y)=f1(x)*f2(y), ч.т.д.
-достаточность
f(x,y)=f1(x)*f2(y), проинтегр-ем
-∞∫x-∞∫yf(x,y)dxdy=-∞∫xf1(x)dx*-∞∫yf2(y)dy
F(x,y)=F1(x)*F2(y), ч.т.д.
29Числовые хар-ки 2-мерной св (с-мы св):
- мат. ожидание
- дисперсия
- моменты
Их определения аналогичны опр-ям СВ X
1) M(XY)={∑i∑jxiyjpij - для дискр.; {∞∫+∞∞∫+∞xyf(x,y)dxdy – для непрер.
2) Д(XY)=М[(x-mx)2(y-my)2]=
{∑i∑j(xi -mx)2(yj -my)2pij – для дискр.;
{ ∞∫+∞∞∫+∞(x-mx)2(y-my)2f(x,y)dxdy – для непрер.
3) Начальный моменты MKS=M(xKyS)= {∑i∑jxi Kyj Spij – для дискр.; {∞∫+∞∞∫+∞xKySf(x,y)dxdy – для непрер.
Центральный момент с-мы
µks=М[(x-mx)K(y-my)S]=
{∑i∑j(xi -mx)K(yj -my)Spij – для дискр.; {∞∫+∞∞∫+∞(x-mx)K(y-my)Sf(x,y)dxdy – для непрер.
µ11=М[(x-mx)(y-my)]
Т. Если СВ X и Y независ., то µ11=0.
Док-во: т.к. СВ X и Y независ., то
М[(x-mx)(y-my)]=M(x-mx)*M(y-my)=
(mx-mx)*(my-my)=0
Если СВ X и Y завис., то µ11 наз. корреляционным моментом kxy (моментом связи или ковариацией)
kxy=µ11=М[(x-mx)(y-my)]
Значение момента – дает возможность установить связь между СВ.
Если корреляционный момент отсутствует (=0), то такие СВ наз. некоррелированными, если присутвует (≠0) – коррелированными.
Т. Корреляционный момент по модулю не превосходит √[Д(X)Д(Y)] или σxσy
|kxy|≤√[Д(X)Д(Y)]=σxσy
Док-во:
Д(XY)=M[(x-mx)2(y-xy)2]
|kxy|≤Д(XY)
M(ab)≤|a||b|
Д(XY)≤Д(X)*Д(Y)
kxy≤√[Д(X)Д(Y)]
Коэф-т корреляции:
|rxy|=|kxy/(σxσy)|≤1
-1≤rxy≤1
|rxy|≈1 – связь сильная, rxy≈0 – связь слабая
Корреляционный момент и коэф. Корреляции одновременно обращаются в нуль.