Skip to content
The Chat Archive
grok-3-mini-high· xAI LMArena Human Preference 140K

Создай список формул для решения задач по теории вероятности и математической статистики

  1. User

    Создай список формул для решения задач по теории вероятности и математической статистики

  2. 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!

Responses were produced in different, uncontrolled contexts (system prompts, settings, prior turns). This is not a benchmark.

Identical first prompt