- •1. Определение функции нескольких переменных. Основные понятия.
- •2. Область определения и область значений функции нескольких переменных. График функции нескольких переменных. (см1)
- •3. Предел и непрерывность функции нескольких переменных.
- •4. Дифференцируемость функции нескольких переменных, частные производные, полный дифференциал.
- •5. Экстремум функции двух переменных: необходимое и достаточное условия.
- •6. Неопределенный интеграл и его свойства.
- •7. Таблица интегралов.
- •8. Методы интегрирования неопределенного интеграла: непосредственное, подстановки, по частям, разложение дроби на простейшие, тригонометрических функций.
- •10. Свойства определенного интеграла
- •9. Определенный интеграл и его геометрический смысл
- •11. Формула ньютона-лейбница (основная формула интегрального исчисления (!) )
- •12. Методы интегрирования определенного интеграла
- •13) Геометрические приложения определенного интеграла
- •14. Несобственные интегралы первого рода
- •15. Несобственные интегралы второго рода
- •16. Дифференциальные уравнения. Основные понятия.
- •19. Линейные дифференциальные уравнения 1-го порядка и уравнение Бернулли.
- •27. Элементы комбинаторики: правила суммы и произведения.
- •28. Алгебра событий: сумма, произведение событий. Противоположные события. Примеры.
- •29. Теорема сложения вероятностей для несовместных событий.
- •30. Зависимые и независимые события. Условная вероятность.
- •31. Теорема умножения вероятностей для зависимых и независимых событий.
- •32. Теорема сложения вероятностей для совместных событий.
- •33. Формула полной вероятности и формулы Байеса.
- •34. Повторные независимые испытания: постановка задачи, формула Бернулли.
- •35. Локальная теорема Муавра-Лапласа: формулировка теоремы, приближенная формула.
- •40. Закон распределения и функция распределения дискретной случайной величины.
- •41. Свойства интегральной функции распределения.
- •47. Числовые характеристики непрерывных случайных величин.
- •52. Закон больших чисел: неравенство Чебышева.
- •53. Теорема Чебышева.
- •54. Теорема Бернулли.
- •55. Понятие о центральной предельной теореме Ляпунова.
- •56. Генеральная совокупность и выборка: основные определения и понятия.
- •57. Статистическое распределение. Полигон и гистограмма.
- •58. Точечные и интервальные статистические оценки и их свойства.
- •59. Доверительный интервал для оценки неизвестного математического ожидания нормального распределения генеральной совокупности при известном среднем квадратическом отклонении вычисляется по формуле
- •60. Корреляция и регрессия. Метод наименьших квадратов.
- •61. Проверка статистических гипотез. Основные понятия.
40. Закон распределения и функция распределения дискретной случайной величины.
Закон распределения с.в. – соответствие, устанавливающее связь между возможными значениями с.в. и вероятностями этих значений.
Функцией распределения F(х) с.в. Х называется вероятность того, что с.в. X примет значение, меньшее х.
F(x)=P(X<x)
Для
дискретной случайной величины:
F(x)=P(X<x)=Р(-∞<X<x)=
Функцию распределения называют еще интегральным законом распределения. Она обладает свойствами:
Функция распределения есть неубывающая функция своего аргумента, т.е. для любых х1<x2 выполняется соотношение F(х1)≤ F(х2)
F(-∞)=0, F(+∞)=1
Функция распределения непрерывна слева: F(х-0)= F(х) при любых значениях х
Вероятность того, что с.в. Х примет значение из промежутка (a,b), вычисляется по формуле:
P(a≤X<b)=F(b)-F(a)
41. Свойства интегральной функции распределения.
1. Функция распределения есть неубывающая функция своего аргумента, то есть для любых х1<х2 выполняется соотношение F(x1)<=F(x2)
2. F от минус бесконечности будет равна нулю(0), от плюс бесконечности равна единице(1)
3. Функция непрерывна слева: F(x-0)=F(x) при любых значениях х.
42. Вероятность попадания случайной величины в заданный интервал с помощью интегральной функции распределения.
Вероятность того, что случайная величина Х примет значение из промежутка (а,в), вычисляется по формуле: Р(а < X < b) = F(b) – F(а).
43. Плотность вероятности непрерывной случайной величины, ее вероятностный и геометрический смысл и свойства.
44. Примеры основных распределений дискретной случайной величины.
45. Вероятность попадания непрерывной случайной величины в заданный интервал (с помощью дифференциальной функции распределения).
46. Числовые характеристики дискретных случайных величин .
1. Мат ожиданием дискретной случайной величины называется сумма произведений всех возможных ее значений на вероятности этих значений:
2. Дисперсия с.в. Х – это мат ожидание квадрата отклонения случайной величины от своего математического ожидания:
DX=D(X) = M[X-M(X)]2 = M(X2) – (MX)2 = M(X2) – m(x)2
3. ?Дисперсия имеет размер квадрата с.в. для наглядности в качестве характеристики рассеивания удобного использования числом?
Среднее квадратическое отклонение (стандартное отклонение) случайной величины –

47. Числовые характеристики непрерывных случайных величин.
48. Основные свойства математического ожидания и дисперсии.
49. Нормальное распределение непрерывной случайной величины: плотность вероятности и числовые характеристики.
Говорят,
что с.в х распределена нормально с
параметрами «а» и «σ», если ее плотность
вероятности описывается функцией:

где а и σ —некоторые постоянные, называемые параметрами нормального распределения.
а- мат. ожидание
σ- среднее квадратическое отклонение
![]()
Функция распределения F(x) в рассматриваемом случае принимает вид

50. Вероятность попадания нормально распределенной случайной величины в заданный интервал.
Вероятность
попадания нормально распределенной
с.в. в интервал
определяется по формуле:
где
–
математическое ожидание,
–
среднее квадратическое отклонение
данной случайной величины.
И
–
функция Лапласа.
51. Вероятность заданного отклонения нормально распределенной случайной величины от своего математического ожидания. Правило трех сигм.
Вероятность
отклонения нормально распределенной
с.в от математического ожидания
по
абсолютной величине меньше, чем на
(
>0),
определяется по формуле:

где
–
математическое ожидание,
–
среднее квадратическое отклонение.
Вычислим
вероятность того, что отклонение
нормально распределенной случайной
величины
от
своего математического ожидания по
абсолютной величине не превысит
.
Воспользуемся
формулой для нахождения вероятности
заданного отклонения, в которую в
качестве
подставим
:
Таким
образом, вероятность того, что отклонение
случайной
величины
по
абсолютной величине будет меньше
утроенного среднего квадратического
отклонения, равна 0,9973.
Другими словами,
вероятность того, что абсолютная величина
отклонения превысит
,
составляет всего 0,0027. Такое событие,
исходя их принципа невозможности
маловероятных событий, можно считать
практически невозможным.
Вывод
(правило трех сигм): если
случайная величина распределена
нормально, то абсолютная величина ее
отклонения от математического ожидания
не превосходит утроенного среднего
квадратического отклонения.
