1. Основные понятия теории вероятностей.
2. Случайные события и их классификация, операции над событиями.
3. Вероятность события. Классическое определение вероятности.
4. Аксиомы теории вероятностей.
5. Геометрическое определение вероятности.
6. Теоремы сложения вероятностей.
7. Зависимые и независимые события. Условная вероятность события
8. Теоремы умножения вероятностей
9. Формула полной вероятности
10. Формула Байеса.
11. Теорема о повторении опытов. Формула Бернулли.
12. Теорема о повторении опытов. Случай со многими исходами опытов.
13. Локальная и интегральная теоремы Лапласа
14. Определение и классификация случайных величин.
15. Закон распределения случайной величины.
16. Ряд распределения дискретной случайной величины.
17. Функция распределения и ее свойства.
18. Функция распределения дискретной случайной величины.
19. Смешанная случайная величина.
20. Непрерывная случайная величина. Плотность распределения случайной величины и ее свойства.
21. Числовые характеристики случайных величин. Обобщенное понятие математического ожидания.
22. Математическое ожидание случайной величины.
23. Дисперсия случайной величины и ее свойства.
24. Моменты высших порядков.
25. Геометрическое распределение.
26. Смещенное геометрическое распределение.
27. Биномиальное распределение.
28. Распределение Пуассона.
29. Простейший поток событий.
30. Экспоненциальное распределение случайной величины.
31. Нормальное распределение
32. Равномерное распределение случайной величины.
33. Нормальное распределение случайной величины.
34. Системы случайных величин.
35. Системы дискретных случайных величин. Матрица распределения.
36. Функция распределения системы случайных величин.
37. Функция распределения системы дискретных случайных величин.
38. Плотность распределения системы случайных величин.
39. Зависимые и независимые случайные величины. Условные законы распределения системы дискретных случайных величин.
40. Условные законы распределения системы случайных величин.
41. Моменты распределения системы случайных величин.
42. Числовые характеристики систем случайных величин.
43. Ковариация, коэффициент корреляции.
44. Нормальный закон распределения на плоскости.
45. Условные числовые характеристики систем случайных величин.
46. Функции случайных величин. Числовые характеристики функций случайных величин. Теоремы о числовых характеристиках функций случайных величин.
47. Закон распределения функции дискретной случайной величины.
48. Закон распределения функции непрерывной случайной величины.
49. Закон распределения суммы случайных величин. Композиция законов распределения.
50. Производящие функции.
51. Характеристические функции.

45Условные числовые характеристики систем случайных величин.

Пусть (Х, У) – 2-мерная СВ с известным законом распределения F(X,Y) или f(x,y). Условным математическим ожиданием компоненты Х называется математическое ожидание СВ Х, вычисленное при условии, что СВ Y приняла определенное значение Y=y и обозначается М(Х/Y). Аналогично определяется условное математическое ожидание и для СВ Y.

Используя формулы для вычисления числовых характеристик случайных величин можно вычислить и условные числовые характеристики, заменив безусловные законы распределения на условные.

 

и (11.13)

Условное математическое ожидание СВ Y при заданном X=x: M[Y/x]=m_y/x называется регрессией Y на x; аналогично M[X/y]=m_x/y называется регрессией X на y. Графики этих зависимостей от x и y называются линиями регрессии или «кривыми регрессии».

Регрессионный анализ позволяет выявить характер связи между величинами. Представим СВ Y в виде линейной функции Х:

,

где a и b - неизвестные величины.

Теорема. Линейная средняя квадратическая регрессия Y на Х имеет вид

,

здесь - коэффициент регрессии Y на Х,

а прямую - называют прямой среднеквадратической регрессии Y на Х. Аналогично можно получить прямою среднеквадратической регрессии Х на Y.

Обе прямые проходят через точку (m_x, m_y), которую называют центром совместного распределения величин Х и Y.