- •1.Уравнение в частных производных
- •2.Основные типы уравнений
- •3.Линейное однородное ду в частных производных первого порядка
- •4.Вывод уравнения колебаний струны методом Фурье
- •5.Задачи Коши
- •6.Решение уравнений колебаний струны методом Фурье
- •7.Решение волнового уравнения методом д′Аламбера
- •8.Уравнение теплопроводности для однородного стержня
- •9.Уравнение теплопроводности в пространстве
- •10.Распростронение тепла в неограниченном стержне. Интервал Пуасснова
- •11.Задачи приводящие к уравнению Лапласа
- •12.Задачи Неймана и Дирихле
- •Внешняя задача Неймана
- •13.Решение задачи Дирихле для уравнения Лапласа в круге методом Фурье
- •14.Случайное событие. Относительная частота случайного события. Вероятность события.
- •15.Теорема я.Бернулли
- •16.Совместные и несовместимые события. Полная группа парами несовместимых событий
- •17.Геометрическая интерпретация событий
- •18.Операции над событиями
- •19.Аксиомотическое определение вероятности
- •20.Теорема о сложении вероятностей. Примеры
- •21.Геометрическая интерпретация вероятностей. Вывод формулы для суммы совместимых событий
- •22.Умножение вероятностей
- •23.Условная вероятность
- •Определение
- •Замечания
- •24.Полная вероятность. Формула Байеса
- •25.Дискретные случайные величины и их характеристики
- •26.Относительная частота и вероятность для дискретных случайных величин
- •27.Математическое ожидание дискретной случайной величины
- •28.Дисперсия, средневековое отклонение, моменты дискретной случайной величины
- •Определение
- •Замечания
- •Свойства
- •29.Непрерывные случайные величины. Функция распределения и плотности вероятности
- •30.Теорема о связи функции распределения с плотностью вроятности
- •31.Интегральный закон распределения. Интегральная кривая
- •32.Числовые характеристики непрерывных случайных величин
- •33.Медиана и мода
- •34.Нормальный закон распределения
- •35.Медиана и мода нормального закона распределения
- •36.Интеграл вероятностей
- •37.Свойства интеграла вероятностей
- •38.Функция Лапласа
- •39.Среднее отклонение и средняя ошибка
- •40.Приведенная функция Лапласа
- •41.Правило трех сигм
- •42.Закон больших чисел. Предельные теоремы
- •43.Задачи математической статистики. Выборка, эмпирическая функция распределения
- •44.Статистический ряд и гистограмма
- •45.Среднее взвешенное и статистическая дисперсия
- •46.Точечные оценки
- •47.Распределение Пуасона
- •48.Распределение Стьюдента
- •49.Основные свойства точечной оценки
- •50.Исправленная выборочная дисперсия
- •51.Стандартная ошибка среднего арифметического
- •52.Интервальные оценки параметров распределения
- •53.Доверительный интервал, границы
- •54.Проверка статистических гипотез
- •55.Корреляционный анализ
- •56.Регрессионный анализ
40.Приведенная функция Лапласа
41.Правило трех сигм
Преобразуем формулу
Введем обозначение
Тогда получим:
Если t=3, то
т. е. вероятность того, что отклонение по абсолютной величине будет меньше утроенного среднего квадратического отклонения, равна 0,9973.
Другими словами, вероятность того, что абсолютная величина отклонения превысит утроенное среднее квадратическое отклонение, очень мала, а именно равна 0,0027=1-0,9973. Это означает, что лишь в 0,27% случаев так может произойти. Такие события, исходя из принципа невозможности маловероятных событий можно считать практически невозможными.
Cущность правила трех сигм:
Если случайная величина распределена нормально, то абсолютная величина ее отклонения от математического ожидания не превосходит утроенного среднего квадратического отклонения.
42.Закон больших чисел. Предельные теоремы
Зако́н больши́х чи́сел в теории вероятностей утверждает, что среднее арифметическое достаточно большой конечной выборки из фиксированного распределения близко к математическому ожиданию этого распределения. Различают: слабый закон больших чисел и усиленный закон больших чисел.
Общий смысл закона больших чисел — совместное действие большого числа случайных факторов приводит к результату, почти не зависящему от случая.
Пусть есть бесконечная последовательность (последовательное перечисление) одинаково распределённых и некоррелированных случайных величин , определённых на одном вероятностном пространстве . То есть их ковариация . Пусть . Обозначим выборочное среднее первых n членов:
Тогда .
Пусть есть бесконечная последовательность независимых одинаково распределённых случайных величин , определённых на одном вероятностном пространстве . Пусть . Обозначим выборочное среднее первых n членов:
Тогда почти наверное.
43.Задачи математической статистики. Выборка, эмпирическая функция распределения
Математическая статистика – это наука, занимающаяся методами обработки экспериментальных данных. Любая наука решает в порядке возрастания сложности и важности следующие задачи:
1. Задача определения закона распределения случайной величины (или системы случайных величин) по статистическим данным
2. Задача проверки правдоподобия гипотез
3. Задача нахождения неизвестных параметров распределения
Выборка (выборочная совокупность) - часть объектов из генеральной совокупности, отобранных для изучения, с целью получения информации о всей генеральной совокупности.
Число объектов, составляющих выборочную совокупность, называется объемом выборки.
Кроме объема выборки, существенную роль играет способ формирования выборки. Не вдаваясь в детали, можно отметить, что выборка, которая сохраняет все свойства генеральной совокупности, называется репрезентативной выборкой. Свойство репрезентативности - необходимое условие для того, чтобы выводы, сделанные для выборочной совокупности, можно было распространить на генеральную совокупность.
Эмпирическая функция распределения
Для любого обозначим через число значений выборки , удовлетворяющих неравенству . Эмпирической функцией распределения называется функция
.
О чевидно, при и , кроме того, - кусочно-постоянная функция с разрывами первого рода (скачками величины ) в точках , . Пример графика эмпирической функции распределения показан на рисунке.