Создай список формул для решения задач по теории вероятности и математической статистики
- User
Создай список формул для решения задач по теории вероятности и математической статистики
- Assistant
Вот список ключевых формул для решения задач по теории вероятности и математической статистики. Я структурировал его по разделам для удобства, чтобы вы могли легко ориентироваться. Этот список охватывает основные понятия, но не является исчерпывающим — он предназначен для решения типовых задач. Формулы представлены с краткими объяснениями и примерами использования.
1. Основные понятия теории вероятности
Эти формулы используются для работы с событиями и их вероятностями.
-
Вероятность события:
( P(A) = \frac{\text{число благоприятных исходов}}{\text{общее число исходов}} )
(Для равновозможных исходов, например, в экспериментах с кубиком или монетой.) -
Правило сложения вероятностей:
( P(A \cup B) = P(A) + P(B) - P(A \cap B) )
(Для вероятности объединения двух событий A и B.) -
Правило умножения:
( P(A \cap B) = P(A) \cdot P(B|A) )
(Для вероятности пересечения событий, где ( P(B|A) ) — условная вероятность.) -
Условная вероятность:
( P(A|B) = \frac{P(A \cap B)}{P(B)} )
(Вероятность A при условии, что произошло B.) -
Теорема Байеса:
( P(A|B) = \frac{P(B|A) \cdot P(A)}{P(B)} )
(Для обновления вероятностей на основе новых данных, например, в диагностике.)
2. Случайные переменные и их характеристики
Формулы для описания свойств случайных переменных (дискретных и непрерывных).
-
Математическое ожидание (среднее значение):
Для дискретной: ( E(X) = \sum x_i \cdot P(x_i) )
Для непрерывной: ( E(X) = \int x \cdot f(x) , dx )
(Ожидаемое значение случайной переменной X.) -
Дисперсия:
( \text{Var}(X) = E[(X - E(X))^2] = E(X^2) - [E(X)]^2 )
(Мера разброса значений X вокруг среднего.) -
Стандартное отклонение:
( \sigma = \sqrt{\text{Var}(X)} )
(Квадратный корень из дисперсии, используется для измерения волатильности.) -
Ковариация двух переменных:
( \text{Cov}(X, Y) = E[(X - E(X))(Y - E(Y))] )
(Мера совместного изменения X и Y.)
3. Распределения вероятностей
Формулы основных распределений, которые часто встречаются в задачах.
-
Биномиальное распределение (для b испытаний с успехом p):
( P(X = k) = C(n, k) \cdot p^k \cdot (1-p)^{n-k} ), где ( C(n, k) = \frac{n!}{k!(n-k)!} )
(Пример: Количество успехов в серии бросков монеты.) -
Пуассоновское распределение (для редких событий с интенсивностью λ):
( P(X = k) = \frac{\lambda^k \cdot e^{-\lambda}}{k!} )
(Пример: Количество звонков в call-центр за час.) -
Нормальное распределение (среднее μ, стандартное отклонение σ):
( f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{(x - \mu)^2}{2\sigma^2}} )
(Пример: Распределение роста людей.) -
Распределение хи-квадрат (для k степеней свободы):
( \chi^2 = \sum \frac{(O_i - E_i)^2}{E_i} )
(Используется в статистических тестах.) -
t-распределение (для выборки):
Формула плотности: ( f(t) = \frac{\Gamma\left(\frac{\nu+1}{2}\right)}{\sqrt{\nu \pi} \cdot \Gamma\left(\frac{\nu}{2}\right)} \left(1 + \frac{t^2}{\nu}\right)^{-\frac{\nu+1}{2}} )
(Для тестов с малыми выборками.)
4. Основные теоремы и законы
-
Центральная предельная теорема:
Сумма n независимых одинаково распределенных случайных переменных с конечной дисперсией стремится к нормальному распределению по мере роста n.
(Пример: Распределение сумм случайных величин.) -
Закон больших чисел:
Среднее арифметическое случайных величин сходится к математическому ожиданию при увеличении числа испытаний.
Формула: ( \lim_{n \to \infty} P\left( \left| \frac{1}{n} \sum X_i - E(X) \right| < \epsilon \right) = 1 )
5. Математическая статистика: Оценка параметров
Формулы для работы с выборочными данными.
-
Выборочное среднее:
( \bar{x} = \frac{1}{n} \sum x_i )
(Оценка математического ожидания.) -
Выборочная дисперсия:
( s^2 = \frac{1}{n-1} \sum (x_i - \bar{x})^2 )
(Несмещенная оценка дисперсии.) -
Доверительный интервал для среднего:
( \bar{x} \pm t_{\alpha/2} \cdot \frac{s}{\sqrt{n}} )
(Где t — квантиль t-распределения; для нормального распределения.) -
Доверительный интервал для пропорции:
( p \pm z_{\alpha/2} \cdot \sqrt{\frac{p(1-p)}{n}} )
(Для биномиальных данных.)
6. Математическая статистика: Проверка гипотез
Формулы для статистических тестов.
-
z-тест для среднего:
( z = \frac{\bar{x} - \mu_0}{\sigma / \sqrt{n}} )
(Для проверки гипотезы о среднем при известной σ.) -
t-тест для среднего:
( t = \frac{\bar{x} - \mu_0}{s / \sqrt{n}} )
(При неизвестной σ.) -
Хи-квадрат тест для независимости:
( \chi^2 = \sum \frac{(O_i - E_i)^2}{E_i} )
(Для таблиц сопряженности.) -
F-тест для равенства дисперсий:
( F = \frac{s_1^2}{s_2^2} )
(Сравнение двух выборочных дисперсий.)
7. Корреляция и регрессия
-
Коэффициент корреляции Пирсона:
( r = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sqrt{\sum (x_i - \bar{x})^2} \cdot \sqrt{\sum (y_i - \bar{y})^2}} )
(Мера линейной зависимости.) -
Линейная регрессия:
( y = a + b x ), где
( b = r \cdot \frac{s_y}{s_x} ), ( a = \bar{y} - b \bar{x} )
(Для предсказания y на основе x.)
Рекомендации по использованию
- Для решения задач: Начните с определения типа задачи (вероятность, распределение, статистика). Выберите нужные формулы и подставьте данные.
- Источники: Для глубокого понимания рекомендую книги, такие как "Теория вероятностей и математическая статистика" В. С. Пугасчева или "Вероятность и статистика" Дж. У. Стюарта.
- Советы: Всегда проверяйте условия применимости формул (например, нормальность распределения для z-теста). Если нужны примеры задач, уточните, и я могу предоставить.
Если вам нужны дополнительные формулы, расширения или примеры с расчетами, дайте знать!
-
Other models, same or similar prompt
Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.