- •1. Основные понятия теории вероятностей: событие (случайное, достоверное, невозможное, противоположное), совместные и несовместные события, равновозможные события.
- •2. Операции над событиями (сумма, произведение, разность).
- •3. Элементарное событие. Генеральная совокупность.
- •4. Классическое определение вероятности.
- •5. Свойства вероятности.
- •6. Геометрическая вероятность.
- •16. Аксиоматическая теория вероятностей: вероятностное пространство, сигма-алгебра, случайная величина.
- •17. Дискретная случайная величина
- •13. Формула Байеса
- •14. Схема Бернулли
- •15. Полиномиальная схема
- •20. Некоторые распределения дискретных случайных величин: биномиальное, геометрическое, гипергеометрическое.
- •21. Пуассоновское распределение, теорема Пуассона.
- •22. Некоторые распределения непрерывных случайных величин: равномерное на отрезке, показательное, нормальное, распределение Вейбулла.
- •23.Математическое ожидание для дискретных и непрерывных случайных величин.
- •24. Свойства математического ожидания.
- •25. Дисперсия для дискретных и непрерывных случайных величин.
- •27. Начальные центральные моменты для дискретных и непрерывных случайных величин.
- •28. Коэффициенты асимметрии и эксцесса.
- •29. Функции от дискретных и непрерывных случайных величин.
- •34. Корреляция, свойства корреляции.
- •35. Регрессия. Линейная регрессия.
- •36. Характеристическая функция, её свойства.
- •38. Теорема Чебышева
- •39. Закон больших чисел (теорема).
- •40. Центральная предельная теорема.
- •41. Теорема Ляпунова
- •42. Локальная теорема Муавра-Лапласа.
- •44. Теорема Берри-Эссеена.
- •45. Функция от многомерной случайной величины (на примере двумерных дискретных и непрерывных случайных величин).
- •46. Свертка и её свойства.
- •47. Выборка, вариационный ряд (дискретный и интервальный), ранжирование.
23.Математическое ожидание для дискретных и непрерывных случайных величин.
Математическим ожиданием дискретной
случайной величины
будем называть сумму произведений всех
возможных значений
на вероятность их появления, т.е.
,
где ai
– все возможные значения,
.
Если значения
принимает конченое множество значений
a1,…,an,
то
Математическим ожиданием непрерывной
случайной величины
называется следующая величина, которая
определяется по формуле:
,
где
- плотность вероятности распределения.
Если рассматривать как точку в пространстве с весовым коэффициентом, pi – центр тяжести.
24. Свойства математического ожидания.
1. Если
–
константа, то
2. Пусть
- случайные величины, тогда
3. Пусть
- случайная величина,
,
то
4. Если
,
то
5.
6.
- независимые случайные величины, то
25. Дисперсия для дискретных и непрерывных случайных величин.
Математическое ожидание отклонения в
квадрате от математического ожидания
называется дисперсией случайной
величины
.
Тогда: если
- дискретная случайная величина:
если
- непрерывная случайная величина, то
26. Свойства дисперсии.
1.
2. Если
– константа, то
, если
,
то
3. Пусть
- случайная величина,
,
то
4.
- независимые случайные величины, то
5.
6.
27. Начальные центральные моменты для дискретных и непрерывных случайных величин.
Начальным моментом k-того
порядка случайной величины
называется
для
дискретной случайной величины,
- для непрерывной.
Центральным моментом k-того
порядка будем называть
при k=1
,
при k=2
Начальные моменты k-того порядка позволяют учесть влияние на мат ожидание тех значений случайной величины , которые велики, но встречаются редко.
28. Коэффициенты асимметрии и эксцесса.
Коэффициентом асимметрии называется
,
где
- центральный момент 3 порядка,
-
среднеквадратичное отклонение.
- это количественная характеристика
скошенности распределения случайной
величины
,
т.е. если
,
то график плотности распределения
случайной величины симметричен
относительно своей вершины, если
,
то график скошен вправо, иначе влево.
Коэффициентом эксцесса (эксцессом)
называется
,
где
- центральный момент 4 порядка,
-
среднеквадратичное отклонение.
- это количественная характеристика
островершинности распределения случайной
величины
,
т.е. если
,
то вершина графика плотности распределения
случайной величины более острая, чем
для графика плотности распределения с
,
если
,
то вершина графика более пологая, чем
при
.
29. Функции от дискретных и непрерывных случайных величин.
Пусть на некотором вероятностном
пространстве
для каждого элементарного события
задана
случайная величина
.
Сопоставим каждому значению
некоторое число
,
тогда
называется
функцией от случайной величины
.
Пусть - дискретная случайная величина, которая имеет следующий вид распределения:
|
x1 |
x2 |
… |
xn |
P |
p1 |
p2 |
… |
pn |
pi
– вероятность того, что
,
тогда - дискретная случайная величина с рядом распределения:
|
g(x1) |
g(x2) |
… |
g(xn) |
P |
p1 |
p2 |
… |
pn |
Замечание: если в таблице 2 встретятся 2 одинаковых значения g(xi)=g(xj), то эти столбцы объединяются, а соответствующие вероятности складываются.
Пусть - непрерывная случайная величина, тогда может быть как непрерывной, так и дискретной, так и не той и не другой.
Если -дискретная -> ряд распределения
Если
- непрерывная случайная величина, тогда
функция распределения имеет вид:
, где
-
плотность распределения случайной
величины
30. Многомерная случайная величина и ее функция распределения.
Пусть на некотором вероятностном
пространстве
задано n случайных
величин:
,
тогда совокупность
будем назвать n-мерной
случайной величиной или n-мерным
случайным вектором.
Совместной функцией распределения
случайной величины
будем называть вероятность, состоящую
в появлении стразу n
событий:
,
т.е.
31. Свойства функции распределения двумерной случайной величины.
1. т.к.
,
то
2.
-
неубывающая функция по любому из
аргументов (x, y)
3.
4. - непрерывная слева функция по каждому из аргументов x и y
5.
6.
32. Независимые случайные величины.
Пусть
- n-мерная случайная
величина, тогда
называется независимыми в совокупности,
если их совместная функция распределения
равна произведению одномерных функций
распределения.
Пусть
- двумерная непрерывная случайная
величина, то
- независимы, если
33. Ковариация, свойства ковариации.
Пусть
- случайная величина, тогда
называется центрированной случайной
величиной.
Пусть
- двумерная случайная величина, тогда
ковариацией случайной величины
называется
математическое ожидание произведения
случайных величин
и
(центрированных случайных величин).
Обозначение:
Свойства ковариации:
1.
2. Пусть
-
независимые случайные величины, тогда
,
т.к.
-
независимые
3.
Пусть
-
случайная величина, пусть
- случайная величина.
рассмотрим функцию:
- парабола, ветви вверх, т.к.
Неравенство будет иметь решение при не положительном дискриминанте:
4. Если
линейно зависимы, т.е
Если
,
то
Если
,
то
5.
6. Пусть
- двумерная случайная величина.
