- •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
49. Числовые характеристики случайных величин, распределенных по равномерному, показательному и нормальному законам (значения мат. Ожидания и дисперсии)
08 января 2008 Манакова Юля |
Равномерное: M(X) = ин-л от – беск-ти до + беск-ти xf(x) dx = ин-л от а до в x * 1\b-a dx= 1\b-a * x^2\2│от а до в = a +b\2. D(X) = ∫ от a до b x^2*1\b-a dx – (a+b\2)^2 = ((b-a)^2)\12 Показательное: M(X)= ∫ от 0 до ∞ (xλ e^-λx)dx = -xe^-λx│+ ∫ от 0 до беск (e^-λx)dx= 1\λ(e^-λx)| = 1\λ. D(X) = ∫ от 0 до беск (x^2 * λe^-λx) dx – 1\(λ^2) = - (x^2) e^-λx| +2 ∫ x e ^-λx dx = 1\x^2 Нормальное: M(X) = (1\σ *корень из 2π) )∫от -∞ до ∞(x*е^( - (x-a)^2\2 σ^2))dx = (1\корень из 2п)∫от -∞ до ∞(tσ+α)e^(-t^2\2)dt = (σ\корень из 2п)∫ t e^(-t^2\2)dt (это =0) = α\корень из 2п )∫ e^(-t^2\2)dt = a. D(X) = (1\σ *корень из 2π) )∫от -∞ до ∞(x-a)^2* e^( - (x-a)^2\2 σ^2) = σ^2. |
50. Дайте определение совместной функции распределения двумерной случайной величины и укажите ее свойства. Обоснуйте эти свойства и/или приведите примеры их выполнения
13 января 2008 Прохорова Светлана |
Функция двух переменных F(x,y)= P[(ξ1<x),( ξ2<y)] определенная для любых x и y, называется функцией распределения системы двух случайных величин (ξ1, ξ2). Своства: 1) F(x;y) € [0;1] 2) Если х2>x1, то F(x2;y)≥F(x1;y) Если y2>y1, то F(x;y2)≥А(x,y1) 3) F(-∞,-∞)=0 F(+∞,+∞)=1 F(-∞;y)=0 F(x; -∞)=0 4) F(∞;y) = P(ξ<∞;η<y) = P(η<y)=Fη(y) F(x; ∞) = P(ξ<x; η<∞) = P(ξ<x)= Fξ(x) |
51. Что такое совместный ряд распределений дискретной двумерной случайной величины? Укажите его свойства. Как построить по этому ряду распределения ряды распределения компонент дискретной двумерной случайной величины?
52. Что такое совместная плотность распределения непрерывной двумерной случайной величины? Укажите ее свойства. Как построить по плотности совместного распределения плотности распределения и функции распределения компонент этой непрерывной дискретной двумерно
08 января 2008 Манакова Юля |
Плотностью совместного распределения вероятностей (двумерной плотностью вер-ти) непрерывной двумерной СВ называют вторую смешанную производную от ф-ции распределения: f(x, y) =(∂^2 F(x,y)) \ ∂x∂y Плотность совместного распределения можно рассматривать как предел отношения вер-ти попадания случ точки в прямоугольник со сторонами ∆х и ∆у к площади этого прямоугольника, когда обе стороны стрем-ся к 0; геометрически – это поверхность, кот назыв поверхность распределения. Ф-ция распределения F(x, y) = ∫от - ∞до у ∫-∞ до х f(x, y) dx dy. Св-ва: 1) f(x,y)>=0 2) ∫от - ∞до ∞ ∫-∞ до ∞ f(x, y) dx dy.= 1 |
53. Сформулируйте определение и напишите формулу для вычисления корреляционного момента (коэффициента ковариации) двух случайных величин. Докажите, что для независимых случайных величин его значение равно нулю
08 января 2008 Манакова Юля |
Корреляционным мом-том kxy СВ X и У назыв мат ожидание произведения отклонения этих в-н = M((X – M(X))(Y – M(Y)). Для ДСВ используют ф-лу: = ∑(от i=1 до n)∑( от j=1 до m) ( xi – M(X))(yi – M(Y)) p(xi,ui). Для НСВ: = ∫от - ∞до ∞ ∫-∞ до ∞ ( x – M(X))(y – M(Y)) f(x, y) dx dy. Кор мом-т служит для хар-ки связи м\у в-нами Х и У. если он равен 0 , то Х и У – зависимые в-ны. Ком мом-т 2х независимых СВ Х и У =0. Док-во: т.к. Х и У независимые, то и их отклонения Х – M(X) и У – M(Y) тоже независимы. Пользуясь св-вами мат ожидания ( мат ожидание призведения независимых СВ = призведению мат ожиданий сомножителей) и отклонения (мат ожидание отклонения = 0), получим: kxy = М((Х – M(X))(У – M(Y)) = М(Х – M(X)М(У – M(Y))=0 В-на кор мом-та зависит от ед измерения СВ. Поэтому для одних и тех же 2х в-н в-на кор мом-та имеет различ значения в зависимости от того, в каких единицах были измерены в-ны. |
54. Сформулируйте определение коэффициента корреляции двух случайных величин. Докажите, что его значение не может превышать единицы по абсолютной величине. Докажите, что его значение равно единице по абсолютной величине, если случайные величины связаны линейн
08 января 2008 Манакова Юля |
Коэффициентом корреляции rxy СВ Х и У называют отношение корреляц мом-та к произведению средних квадратич отклонений этих в-н. rxy = kxy\ σхσу. В-на коэффициента корреляции не зависит от выбора единиц измерения СВ. Коэффициент корреляции независимых СВ = 0. Абсолютная в-на коэф коррел-ции не превышает 1: | rxy| <=1. Док-во: Введём случ в-ну z1= σх X- σуY и найдём её дисперсию D(z1) = M(z1 – mz1)^2, получим: D(z1) = 2 σх ^2σу ^2- 2σхσу kxy. Любая дисперсия неотрицательна, поэтому 2 σх ^2σу ^2- 2σхσу kxy >=0. Отсюда kxy <= σхσу. Веля СВ z2= σх Y- σуX , аналогично найдём kxy >= - σхσу. Получается - σхσу <= kxy <= σхσу. Разделим обе части нер-ва на произведение положительных чисел σхσу : -1 <= kxy<= 1. |