- •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
5. Если появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события ? и b?
10 января 2008 Леонкина Наталья |
если не А, то не В. |
6. В условиях, при которых верна классическая формула вероятности (т. е. для опыта с конечным числом равновозможных элементарных исходов), докажите, что вероятность суммы двух несовместных событий равна сумме их вероятностей
06 января 2008 Кочелаева Лиза |
Для двух несовместных событий А и В, являющихся подмножеством Ω:
Р(А U B)= Р(А)+Р(В) Пусть А={wi1, …,wim} , В={wj1, …,wjk } ,тогда Р(А)=m∑l=1Pil , Р(А)=k∑x=1Pjx Поскольку А,В несовместны, они не имеют общих элементарных событий и,сл-но, С=АUВ={wi1, …,wim ,wj1, …,wjk }. Значит Р(С)= m∑l=1Pil + k∑x=1Pjx=Р(А)+Р(В) |
7. Приведите формулу вероятности суммы двух совместных событий А и В. Пользуясь классическим определением вероятности, докажите эту формулу для опыта с конечным числом равновозможных элементарных исходов
10 января 2008 Леонкина Наталья |
P(A+B)= P(a)+P(b) - P(a*b) A~m B~e A *B~r P(A+B)=(m+e-r)/n= m/n +e/n -r/n= P(a)+P(b) - P(a*b)
|
8. Приведите пример какого-либо опыта с конечным числом элементарных исходов, в условиях которого нельзя исчислять вероятности событий по формуле классического определения вероятности
10 января 2008 Леонкина Наталья |
ограниченность классического определения вероятности в частности заложена в равновозможности исходов. для примера можно привести классический кубик, только утяжеленный с какой-то конкретной грани. понятно, что при таком условии вероятность выпадания каждой грани не будет одинакова, следовательно мы не сможем использовать классическое определение вероятности |
9. Приведите известные вам формулы комбинаторики, которые используются при непосредственном исчислении вероятности по её классическому определению
06 января 2008 Манакова Юля |
Комбинаторика изучает количества комбинаций, подчинённых определённым условиям, которые можно составить из Эл-ов , безразлично какой породы, заданного конечного множества. Формулы: Перестановками из n Эл назыв комбинации по n Эл-ов из числа заданных, отличающихся лишь порядком входящих в низ Эл-ов. Pn = n! – число перестановок из n Эл-ов. Сочетаниями из n Эл-ов назыв совокупности по m Эл-ов, кот отличаются хотя бы одним Эл-ом. Сmn = n!\(m!(n-m)!). Размещения – из n Эл-ов по m, которые отлич либо составом Эл-ов, либо их порядком. Аmn = n!\(n-m)! = n(n-1)(n-2)…(n-m+1) |
10. Приведите определение условной вероятности
06 января 2008 Манакова Юля |
Если при вычислении вер-ти события налогаются дополнительные условия, то вероятность события называют условной. Условной вероятностью PA(B) называют вероятность события В, вычисленную в предположении, что событие А уже наступило. PA(B)= P(AB)\P(B) |