Шпори ТІМС готові
35) Теорема Чебишова
Нехай послідовність незалежних випадкових величин ,які задовольняють умовам:
1.M(Xі)>= aі
2.D(Xі )<= с Для всіх і=1,2,3…..n
Якщо випадкові величини у послідовності незалежні, мають скінченні математичні сподівання і рівномірно обмежені дисперсії , то до послідовності (1) можна застосувати закон великих чисел. Це означає що середне арифметичне достатньо великої кількості незалежних випадкових величин дуже мало відрізняється від середнього арифметичного їхніх математичних сподівань ,взятого за абсолютним значенням .
Ця теорема є законом великих чисел ,так само як і центральна гранична теорема
Содержание
- 2.Класифікація подій ,класичне означення ймовірності випадкової події ,статистичне означення ймовірності;елементи комбінаторики ;аксіоми теорії ймовірностей та їх наслідки.
- 7 Означення повторних незалежних випробувань.
- 8 Формула Бернуллі для обчислення ймовірності і наймовірнішого числа.
- 9 Локальна та інтегральна теореми Мавра-Лапласа.
- 10Формула Пуассона малоймовірних випадкових подій.
- 11 Означення випадкової величини.
- 23. Означення дискретної випадкової величини
- 24. Біноміальний закон розподілу
- 25. Числові характеристики розподілу Біноміального закону розподілу:
- 26. Рівномірний закон розподілу
- 28. Логарифмічний нормальний закон розподілу
- 33. . Закон великих чисел, центральна гранична теорема.
- 35) Теорема Чебишова
- 36) Теорема Бернулі
- 40)Формула Пуассона для найпростішого потоку
- 43) Процеси відновлення
- 45) Дискретний статистичний розподіл вибірки
- 47) Числові характеристики:
- 61) Загальна дисперсія ,міжгрупова та внутрішнлогрупова дисперсія
- 64) Функціональна ,статистична і кореляційна залежності.
- 66) Вибірковий коефіцієнт кореляції
- 67) Довірчий інтервал для лінії регресії
- 68) Множина регресії ,множинний коєфіцієнт кореляції та його властивості .
- 69) Нелінійна регресія.