Читайте также:
|
|
1. Характеристической функцией случайной величины X называется функция
1) eitx+ e-itx
2) M ( cos tx)+M ( sin tx)
3) M ( cos tx)+iM ( sin tx)
4) M ( cos tx)-iM ( sin tx)
2. Характеристической функцией дискретной случайной величины X является функция g(t):
3. Характеристической функцией непрерывной случайной величины X является функция g(t):
4. Если СВ Х и Y связаны соотношением Y=аХ, то:
1) gx(t)=gx(a+t)
2) gx(t)=gx(a-t)
3) gx(t)=gx(a/t)
4) gx(t)=gx(a×t)
5. Характеристическая функция суммы независимых случайных величин равна ________характеристических функций слагаемых.
1) сумме
2) разности
3) произведению
4) частному
Xi | ||
pi | 0,5 | 0,5 |
6. Характеристическая функция дискретной случайной величины, заданной законом распределения равна
1) 0,5(e2it+ e5it)
2) (2eitx+ 5e-itx)
3) 0,5e7it
4) (e2it- e5it)
7. Характеристическая функция случайной величины, равномерно распределенной на интервале (1,3) равна
1) (e3it- eit)/2it
2) (eit+ 3e-it)
3) 2e4it
4) (eit- e3it)
8. Характеристическая функция дискретной случайной величины, заданной законом распределения равна
Xi | ||
pi | 0,2 | 0,8 |
1) (e0,2it+ e0,8it)
2) (0,2eitx+ 0,8e-itx)
3) eit
4) 0,8+0,2eit
9. Для любой случайной величины Х, имеющей математическое ожидание М(Х), и дисперсию D(X) справедливо неравенство (Чебышева):
10. Для вероятности противоположного события справедливо неравенство (Чебышева):
11. Для числа успехов m при независимых испытаниях по схеме Бернулли имеет место неравенство:
12. Для относительной частоты появления события m/n при независимых испытаниях по схеме Бернулли имеет место неравенство:
13. Вероятность отклонения случайной величины Х с любым законом распределения от своего математического ожидания не меньше, чем на 3s равна
1) 1/9
2) 1/6
3) 1/3
4) 1
14. Вероятность отклонения случайной величины Х с нормальным законом распределения от своего математического ожидания больше, чем на 3s равна
1) 1
2) 0,5
3) 0,3
4) 0,0027
15. Теорема Чебышева формулируется следующим образом:
1) Среднее арифметическое большого числа случайных величин с вероятностью, сколь угодно близкой к 0 будет мало отклоняться от среднего арифметического математических ожиданий
2) Дисперсия большого числа случайных величин с вероятностью, сколь угодно близкой к 0 будет мало отклоняться от среднего арифметического дисперсий
3) Среднее арифметическое большого числа случайных величин с вероятностью, сколь угодно близкой к 1 будет мало отклоняться от среднего арифметического математических ожиданий
4) Среднее арифметическое большого числа случайных величин с вероятностью, сколь угодно близкой к 1 будет сильно отклоняться от среднего арифметического математических ожиданий
16. Теореме Бернулли соответствует формула:
17. Теореме Пуассона соответствует формула:
18. Закон больших чисел свидетельствует о том, что при больших n
1) среднее значение независимых и одинаково распределенных случайных величин мало отличается от постоянной, равной их математическому ожиданию
2) дисперсия независимых и одинаково распределенных случайных величин мало отличается от постоянной, равной их математическому ожиданию
3) среднее квадратическое отклонение независимых и одинаково распределенных случайных величин мало отличается от постоянной, равной их математическому ожиданию
4) среднее значение независимых и одинаково распределенных случайных величин мало отличается от постоянной, равной их среднему квадратическому отклонению
19. Центральная предельная теорема (ЦПТ) в различных ее формах устанавливает условия, при которых возникает _____распределение
1) равномерное
2) показательное
3) биномиальное
4) нормальное
20. Локальной теореме Муавра-Лапласа соответствует формула:
21. Интегральной теореме Муавра-Лапласа соответствует формула:
22. Вероятность того, что при 100 бросаниях монеты герб появится 50 раз равна
1) 0,0354
2) 0,05
3) 0,0798
4) 0,5
Основные понятия и положения темы.
Лемма Чебышева: Если С.В. Х принимает только неотрицательные значения с математическим ожиданием М(Х), то для любого a>0 имеет место неравенство:
Неравенство Чебышева: Для любой С.В. Х, имеющей математическое ожидание М(Х), и дисперсию D(X) справедливо неравенство:
где a–любое положительное число. Справедливо для ДСВ и НСВ. Это неравенство ограничивает сверху вероятности больших отклонений С.В. от ее математического ожидания.
Для вероятности противоположного события справедливо неравенство:
где a-любое положительное число. Это неравенство позволяет вычислить нижнюю границу вероятности. Если произведено n независимых испытаний по схеме Бернулли, где р - вероятность успеха, q - вероятность неудачи, n - число опытов, m -число успехов. Для С.В. m имеет место неравенство:
M(X)=np, D(X)=npq. Для относительной частоты появления события m/n аналогично:
Теорема Чебышева 1. Пусть X1, X2, …, Xn – последовательность попарно независимых С.В., имеющих конечные математические ожидания и дисперсии, ограниченные сверху постоянной C=const (D(Xi)£C, (i=1, 2, …, n)). Тогда для любого a>0,
Среднее арифметическое большого числа С.В. с вероятностью, сколь угодно близкой к 1 будет мало отклоняться от среднего арифметического математических ожиданий.
Теорема Чебышева 2. Пусть X1, X2, …, Xn – неограниченная последовательность попарно независимых С.В., имеющих различные математические ожидания и дисперсии, ограниченные сверху постоянной C=const (D(Xi)£C, (i=1, 2, …, n)). Тогда для любого a>0, и d-произвольной малой величины:
Разность между средним арифметическим наблюдаемых значений С.В. и средним арифметическим их математических ожиданий сходится по вероятности к 0.
Следствие 1 (теорема Бернулли). Пусть проводят испытания Бернулли с вероятностью успеха в одном испытании p и m - число успехов в n испытаниях, тогда для произвольного положительного числа ε
При неограниченном возрастании числа n независимых опытов, в каждом из которых событие А появляется с вероятностью р, частота события сходится по вероятности к его вероятности р.
Таким образом устанавливается связь между относительной частотой появления события А и постоянной вероятностью p в серии из n независимых испытаний.
Следствие 2 (теорема Пуассона). Если в последовательности независимых испытаний вероятность появления события А в каждом испытании различна, то
где m – число появлений события А в серии n испытаний.
При n ® ¥ разность между частотой событий А и средним арифметическим его вероятностей сходится по вероятности к 0. Утверждения получили название закона больших чисел (ЗБЧ). Фактически они свидетельствуют о том, что при больших n среднее значение независимых и одинаково распределенных случайных величин мало отличается от постоянной, равной их математическому ожиданию.
Центральная предельная теорема (ЦПТ) в различных ее формах устанавливает условия, при которых возникает нормальное распределение и нарушение которых ведет к распределению, отличному от нормального.
Теорема 1. Пусть производится n независимых опытов, в каждом из которых вероятность наступления события А равна p (q=1- p, p≠0, p ≠1). Если X-число появления события А в серии из n испытаний, то при достаточно большом n С.В. Х можно считать нормально распределенной.
M(X)=np,
Примером ЦПТ для независимых С.В. является интегральная теорема Муавра-Лапласа.
Теорема (локальная, Муавра-Лапласа). Пусть имеем схему Бернулли При больших n, Рn(k) аппроксимируется следующим выражением:
Рn(k) @ где x=
Дата добавления: 2015-07-08; просмотров: 138 | Нарушение авторских прав
<== предыдущая страница | | | следующая страница ==> |
Числовые характеристики функции одной переменной. | | | Теорема (интегральная, Муавра-Лапласа). |