- •Элементы комбинаторики, размещения, перестановки, сочетания.
- •Случайные события, алгебра событий, формулы де Моргана.
- •Классическая вероятность, теорема сложения вероятностей.
- •Статистическое определение вероятности, геометрическая вероятность.
- •Аксиоматическое определение вероятностей.
- •7. Независимость двух событий и в совокупности.
- •8.Полная группа событий, формула полной вероятности, формула Байеса.
- •9. Схема Бернулли, формула Бернулли, наивероятнейшее число схемы Бернулли.
- •10. Локальная и интегральная формулы Муавра-Лапласа в схеме Бернулли.
- •11. Функция Гаусса и функция Лапласа, их применения и свойства
- •12. Формула Пуассона
- •13. Оценка вероятности отклонения частоты от среднего и частости от вероятности в схеме Бернулли.
- •14. Случайн. Величина как функция на вероятностном пространстве, ф-ция распред.
- •15. Дискретная случайная величина (дсв), полигон распределения, свойства функции распределения
- •17.Математическое ожидание, дисперсия и среднее квадратическое отклонение дискретной св, их свойства.
- •18. Биномиальное, геометрическое, гипергеометрическое распределение, их среднее и дисперсия.
- •25. Вероятность отклонения от седнего и вероятность попадания на промежуток для номальной св.
- •32. Ковариация и корреляция св, свойства коэффициента корреляции.
- •33. Двумерное нормальное распределение.
- •34. Преобразование св, теорема о функции плотности преобразованной абсолютно непрерывной св.
- •35. Теорема о функции плотности распределения суммы компонент абсолютно непрерывной двумерной св (формула свертки)
- •37. Неравенства Маркова и Чебышева.
- •39. Центральная предельная теорема
- •Генеральная совокупность и выборка, выборочный метод
- •41.Вариационный ряд выборки.
- •42.Выборочная ф-я распределения, ее св-ва и связь с генеральной ф-ей распределения.
- •43. Выборочное среднее и дисперсия, исправленная выборочная дисперсия
- •44.Точечные оценки параметров генеральной совокупности, оценка среднего и дисперсии.
- •45.Несмещенность, состоятельность и эффективность точечных оценок.
- •46. Свойства точечных оценок среднего, дисперсии и доли
- •47.Интервальная оценка параметра ген. Сов-сти, доверительная вероятность.
- •48.Интервальная оценка для среднего норм. Ген. Сов-ти для известной и неизвестной дисперсии
9. Схема Бернулли, формула Бернулли, наивероятнейшее число схемы Бернулли.
Пусть проводятся n независимых испытаний, в результате которых может появится событие А с вероятностью p и не появиться с вероятностью q, p+q=1. такая схема называется последовательностью испытаний Бернулли или схемой Бернулли.
Пусть X- число успехов в n испытаниях Бернулли. Тогда вероятность события {X=m} (ровно m успехов в n испытаниях) вычисляется по формуле Бернулли:
Pn(m)=P{X=m}=Cnmpmqn-m
В n испытаниях Бернулли наиболее вероятное число успехов удовлетворяет неравенствам
(n+1)p-1≤ < (n+1)p
10. Локальная и интегральная формулы Муавра-Лапласа в схеме Бернулли.
При больших n вероятность Pn(m) появления события А ровно m раз в схеме из n испытаний Бернулли можно вычислять по приближенной формуле Муавра-Лапласа: Pn(m)≈ , где х= , а -малая функция Лапласа, значения которой имеются в соответствующих таблицах.
Вероятность того, что число m появления события А в схеме Бернулли находится в заданном промежутке: a≤m≤b, при большом числе испытаний n приблизительно равна:
P(a≤m≤b) ≈ ,где
- функция Лапласа, значения которой находятся по таблицам.
Для частости m/n появления события А в n испытаниях Бернулли справедлива приближенная формула: P
Для числа m появлений события А справедлива приближенная формула: P
11. Функция Гаусса и функция Лапласа, их применения и свойства
Ф-ция Лапласа( знач-я Ф(х) при х>=0 даются в таблицах):
При Х Є [0;+∞] Ф(х) монотонно возрастает от 0 до 1.
Ф-ция Гауса:
график:
ф. Гауса – ф-ция F(x)
р аспределения 1 -- - - - - - - - - - - - -
Н ормальной СВ-ны: 1/2 _ _ _ _ _ _ _
Х Є N(a;σ), где a x
a- средняя, σ- среднее квадратическое отклонение.
ф.Лапл и ф.Гауса связаны: F(x)= 1/2 + (1/2)*Ф((х – a)/σ)
Если Х- стандартн Норм Случ Вел-а (а=0,σ=1), тогда они связаны:
и Ф(x)=2F(x) – 1
Применение: Если Х Є N(a;σ) Используя F(x) и Ф(х): Вероятность, что Х примет знач-я из инт. (x1;x2):
P(x1<X<x2)= F((x2-a)/σ) – F((x1-a)/σ)
P(x1<X<x2)= (1/2)*Ф((x2-a)/σ) –(1/2)*Ф((x1-a)/σ)
12. Формула Пуассона
Если рассмотреть серию испытаний Бернулли, где вероятность успеха зависит от номера испытания (р=рn), тогда теорема Пуассона:
Если npn -->λ при n -->∞, то
, m=0,1,2, … .
На практике для вычисления вероятностей (Pn(m)):
если n- велико, а р – мало и pn=λ, то приблизительное значение:
, m=0,1,2, … .
По значениям m и λ из таблицы можно найти значение p(m).
13. Оценка вероятности отклонения частоты от среднего и частости от вероятности в схеме Бернулли.
Существуют два следствия из Интегральной предельной теоремы Муавра-Лапласа, которая состоит в том что:
Отсюда с помощью ф-ции Лапласа можно вывести Следствия:
Отклон. Частости от вероятности(p)
2. Отклон. Частоты (m) от среднего(np):
, где
np - средняя появлений события
m - частота появлений события