- •1. Приведите классическое определение вероятности и укажите, при соблюдении каких условий оно применимо.
- •2. Исходя из трех аксиом теории вероятностей, докажите, что вероятность любого события подчиняется неравенству р(а)?1
- •5. Если появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события ? и b?
- •8. Приведите пример какого-либо опыта с конечным числом элементарных исходов, в условиях которого нельзя исчислять вероятности событий по формуле классического определения вероятности
- •9. Приведите известные вам формулы комбинаторики, которые используются при непосредственном исчислении вероятности по её классическому определению
- •10. Приведите определение условной вероятности
- •11. Зависимость и независимость двух событий (определение)
- •12. Теорема умножения вероятностей для зависимых и независимых событий (формулировка
- •20. Сформулируйте условия, при выполнении которых применяется теорем Байеса. Приведите формулировку и краткое доказательство этой теоремы
- •20. В каком документе закреплено право граждан свободно искать, передавать, производить и распространять информацию
- •21. Функция распределения случайной величины и её свойства
- •22. Функция плотности распределения вероятности и её свойства
- •23. Ряд распределений дискретной случайной величины и его свойство
- •24. Математическое ожидание дискретной случайной величины и его свойства
- •25. Дисперсия дискретной случайной величины и её свойства. Среднее квадратичное отклонение св
- •26. Математическое ожидание непрерывной случайной величины и его свойства
- •27. Дисперсия непрерывной случайной величины и её свойства. Среднее квадратическое отклонение св
- •28. Начальные и центральные моменты случайных величин. Выражение мат.Ожидания и дисперсии св через моменты
- •30. На основе закона распределения альтернативно распределенной случайной величины получить выражение для математического ожидания биномиально распределенной случайной величины
- •31. На основе закона распределения альтернативно распределенной случайной величины получить выражение для дисперсии биномиально распределенной случайной величины
- •32. Случайная величина принимает целые значения в промежутке от 0 до n с равной вероятностью. Вывести выражение для математического ожидания этой случайной величины
- •37. Вывести выражение для дисперсии случайной величины, распределенной по закону Пуассона
- •38. Вывести выражение для математического ожидания случайной величины, распределенной по геометрическому закону
- •43. Плотность распределения и функция распределения равномерной случайной величины, ее числовые характеристики
- •44. Плотность распределения и функция распределения показательной случайной величины. Ее числовые характеристики
- •45. Плотность распределения и функция распределения нормальной случайной величины (распределение Гаусса), ее числовые характеристики
- •46. Функция Лапласа, ее свойства
- •47. Вероятность попадания нормально распределенной случайной величины на отрезок, правило «трех сигм»
- •48. Функции случайных величин и их числовые характеристики
- •49. Числовые характеристики случайных величин, распределенных по равномерному, показательному и нормальному законам (значения мат. Ожидания и дисперсии)
- •50. Дайте определение совместной функции распределения двумерной случайной величины и укажите ее свойства. Обоснуйте эти свойства и/или приведите примеры их выполнения
- •55. Доказать локальную предельную теорему Муавра-Лапласа
- •56. Доказать интегральную предельную теорему Муавра-Лапласа
- •57. Доказать теорему Бернулли о сходимости относительной частоты появления события к вероятности этого события
- •58. Доказать неравенство Чебышева
- •59. Доказать теорему Чебышева
- •60. Понятие генеральной совокупности, выборки из нее. Представление выборки в виде вариационного ряда. Определение вариационного ряда
- •61. Эмпирическая функция распределения, ее свойства, способ построения по выборке
- •62. Понятие оценок числовой характеристики или параметра случайной величины. Свойства оценок
- •63. Нахождение несмещенной оценки генеральной средней (математического ожидания) случайной величины
- •64. Нахождение несмещенной и смещенной оценок генеральной дисперсии случайной величины
- •66. Оценка плотности распределения выборки, ее свойства, способ построения
- •67. Понятие точечных и интервальных оценок (доверительных интервалов) параметров случайной величины. Определения. Примеры
- •68. Свойства точечных оценок параметров: несмещенность, состоятельность, эффективность (определения)
- •69. Определение и свойства оценок: выборочного среднего, выборочной дисперсии и исправленной выборочной дисперсии
- •70. Отличие относительной частоты события от его вероятности по предельной теореме Бернулли (по следствию из теоремы м-л)
- •71. Выборочный коэффициент ковариации (формула)
- •72. Доказать, что выборочное среднее является состоятельной и несмещенной оценкой математического ожидания
- •73. Доказать, что выборочная дисперсия является смещенной оценкой дисперсии
- •74. Доказать, что исправленная выборочная дисперсия является несмещенной оценкой дисперсии
- •75. Какими понятиями определяется интервальная оценка параметра? Какая существует между ними связь в виде формулы?
- •80. Назначение и суть метода моментов и метода максимального правдоподобия
- •81. Сформулируйте основной принцип статистической проверки гипотез
- •82. Что такое ошибка 1 -го рода?
- •88. Что такое критерий согласия?
- •90. Модель парной линейной регрессии: уравнение и основные вероятноcтные допущения
55. Доказать локальную предельную теорему Муавра-Лапласа
08 января 2008 Манакова Юля |
Теорема: если вер-ть р появления события А в каждом испытании постоянна и отлична от 0 и 1, то Рn(k) того, что соб-е А появ-ся в n испытаниях ровно k раз, приближённо равна (тем точнее, чем больше n) зн-ю ф-ции Pn(k)=1/(корень из npq)*фи(z). Здесь Фи(z)=1/(корень из 2пи)*е в степени –х*2/2, z=k – np/(корень из npq).Док-во: Рn(k) = P(k<=k<k+1) = 1\корень из 2п ∫(от z1 доz2) e^(-z^2\2)dz = (z2-z1)e^(-z^2\2)\корень из 2п = 1\корень из npq * φ(z) |
56. Доказать интегральную предельную теорему Муавра-Лапласа
12 января 2008 Лазарева Юлия |
|
57. Доказать теорему Бернулли о сходимости относительной частоты появления события к вероятности этого события
13 января 2008 Прохорова Светлана |
Частость μ/n сходится по вероятности к вероятности: μ/n →p Если вероятность успеха в каждом из n независимых испытаний постоянно и равно p, то имеет место следующее предельное равенство: limn→∞P{|m/n-p|≤ε}=1, где m – количество успехов в n испытаний. |
58. Доказать неравенство Чебышева
10 января 2008 Иванова Мария |
|
10 января 2008 Иванова Мария |
Первое неравенство Чебышёва Пусть X — неотрицательная случайная величина (то есть для любого ). Тогда для любого положительного числа a справедливо неравенство . Доказательство. Все слагаемые в правой части формулы (4), определяющей математическое ожидание, в рассматриваемом случае неотрицательны. Поэтому при отбрасывании некоторых слагаемых сумма не увеличивается. Оставим в сумме только те члены, для которых . Получим, что (9) . Для всех слагаемых в правой части , поэтому (10) . Из (9) и (10) следует требуемое. [править] Второе неравенство Чебышёва Пусть X — случайная величина. Для любого положительного числа a справедливо неравенство . Это неравенство содержалось в работе П. Л. Чебышёва «О средних величинах», доложенной Российской академии наук 17 декабря 1866 г. и опубликованной в последовавшем году. Для доказательства второго неравенства Чебышёва рассмотрим случайную величину Y = (X − M(X))2. Она неотрицательна, и потому для любого положительного числа b, как следует из первого неравенства Чебышёва, справедливо неравенство . Положим b = a2. Событие совпадает с событием , а потому , что и требовалось доказать. |
59. Доказать теорему Чебышева
10 января 2008 Иванова Мария |
Неравенство Чебышёва позволяет доказать замечательный результат, лежащий в основе математической статистики – закон больших чисел. Из него вытекает, что выборочные характеристики при возрастании числа опытов приближаются к теоретическим, а это дает возможность оценивать параметры вероятностных моделей по опытным данным. Без закона больших чисел не было бы части прикладной математической статистики. Теорема Чебышёва. Пусть случайные величины Х1, Х2,…, Хk попарно независимы и существует число С такое, что D(Xi)<C при всех i = 1, 2, …, k. Тогда для любого положительного выполнено неравенство (11) Доказательство. Рассмотрим случайные величины Yk = Х1 + Х2+…,+ Хk и Zk = Yk/k. Тогда согласно утверждению 10 М(Yk) = М(Х1)+М(Х2)+…+М(Хk), D(Yk) = D(Х1)+D(Х2)+…+D(Хk). Из свойств математического ожидания следует, что М(Zk) = М(Yk)/k, а из свойств дисперсии - что D(Zk) = D(Yk)/k2. Таким образом, М(Zk) ={М(Х1)+М(Х2)+…+М(Хk)}/k, D(Zk) ={D(Х1)+D(Х2)+…+D(Хk)}/k2. Из условия теоремы Чебышёва, что
Применим к Zk второе неравенство Чебышёва. Получим для стоящей в левой части неравенства (11) вероятности оценку
что и требовалось доказать. Эта теорема была получена П.Л.Чебышёвым в той же работе 1867 г. «О средних величинах», что и неравенства Чебышёва. |