- •1.Классификация событий. Классическое определение вероятности.
- •2. Элементы комбинаторики: перестановки, сочетания, размещения, правило умножения и сложения.
- •4. Частота события. Стат. Определение вероятности.
- •5. Условная вероятность. Теорема умножения вероятностей. Независимость событий.
- •6. Формула полной вероятности. Формулы Байеса.
- •7. Повторные независимые испытания. Ф-ла Бернулли.
- •3. Действия над событиями. Соотношения между событиями. З-н сложения вероятностей.
- •9. Понятие случайной величины и ее ф-ии распр-ния.
- •8. Формула Пуассона. Локальная и интегральная предельные теоремы Лапласа.
- •11. Биномиальное распределение.
- •12. Распределение Пуассона.
- •10.Дискретные случайные величины. Числовые характеристики случайных величин.
- •22. Точечные и интервальные оценки. Доверительная вероятность и доверительный интеграл.
- •23. Доверительный интервал для оценки мат. Ожидания нормального распределения.
- •19. Оценка параметров по выборке. Понятие несмещенности, состоятельности и эффективности оценки.
- •21.Связь между хар-ми генеральной и выборочной совокупностей. Точечное оценивание.
- •17. Теоремы Чебышева и Бернулли. Центральная предельная теорема.
- •46. Градиентные методы. Методы наиск-его подъёма.
- •33. Различные формы записи задач линейного программирования.
- •41. Способы построения исходного опорного плана транспортной задачи.
- •13.Непрерывные случайные величины. Плотность распределения. Числовые хар-ки
- •16. Нормальное распределение. Вероятность попадания в заданный интервал нормальной св. Правило трех сигм.
- •14. Равномерное распределение. Показательное распределение. Вероятность попадания св в заданный интервал.
- •16. Понятие о з-не больших чисел. Неравенства Маркова и Чебышева.
- •45. Выпуклые и вогнутые функции и их свойства.
- •44. Градиент функции и его свойства.
- •18. Выборочный метод. Основные понятия. Полигон и гистограмма. Эмпирическая ф-ия распределения.
- •40.Постановка транспортной задачи по критерию стоимости в матричной форме.
- •47.Общая постановка задачи динамического программирования. Принцип оптимальности р.Беллмана.
- •50.Парные матричные игры с нулевой суммой.
9. Понятие случайной величины и ее ф-ии распр-ния.
Величина, которая в зависимости от случая может принимать те или другие числовые значения называется случайной (X, Y, Z). Обозначение значений случайной величины (х1, х2, х3…; у1, у2…). Чтобы случайная величина была задана надо указать все значения, которые она может принимать и охарактеризовывать, как часто эти значения принимаются данной случайной величиной. Универсальным способом задания случайной величины (Х) является задание ее ф-ии распределения F(x). Ф-ей распределения (интегральной ф-ей) случайной величины (Х) называется ф-ия действительной переменной (х) определяемая равенством F(x)=P(X<х), где P(X< х) – вероятность того, что случайная величина Х примет значение меньшее х. Св-ва ф-ии распределения F(x): 0≤F(x)≤1, следует из того, что F(x) – вероятность. F(x) – неубывающая ф-ия, т.е. если х1<x2, то F(x1)≤ F(x2). Вероятность попадания случайной величины в полуинтервал [a,b) равна разности значений ее ф-ии распределения на концах этого полуинтервала, т.е. Р(а≤Х<b)=F(b)-F(a) Если все возможные значения случайной величины Х принадлежат (а,в), т.е. F(x)=0 при х≤а и F(x)=1 при х≥в. F(x) – непрерывна слева для любого х0.
Из мн-ва всех случайных величин выделяются 2 наиболее часто встречающихся типа случайных величин – дискретные (Прерывные) и непрерывные.
8. Формула Пуассона. Локальная и интегральная предельные теоремы Лапласа.
Теорема:
Пусть проводится n независимых испытаний,
в каждом из которых событие А наступает
с вероятностью р. Тогда, если число
испытаний n неограниченно возрастает,
а р→0, при чем np=𝝅 – величина постоянная,
то
- ф-ия табулирована. Ее называют законом
редких событий. Если число n испытаний
велико, то вычисление по формуле Бернулли
становятся затруднительными. В этом
случае пользуются локальной и интегральной
формулами Лапласа. Локальная предельная
теорема Лапласа: если вероятность р
наступления события А в каждом из n
независимых испытаний отлично от 0 и 1,
то вероятность того, что событие А при
этом наступит m раз, при n→∞ выражается
приближенной формулой Лапласа:
Pn(m)≈
*
при x=
,
где (x)=
*
,
q=1-p.
Для
ф-ии 𝝋(х) имеется таблица ее значений
для положительных значений х (ф-ия 𝝋(х)
четная)).Интегральная предельная теорема
Лапласа: если вероятность появления
события А в каждом из n независимых
испытаний (n→∞) равна одной и той же
постоянной р (р больше 0 и меньше 1), то
вероятность Рn (k,l)того, что во всех этих
испытаниях событие А появится не менее
к раз и не более l раз приближенно
определяется формулой:
dx
или
)-интегральная
ф-ла Лапласа,
где xl==
,
=
и где
𝜱(x)=
- ф-ия Лапласа. Для ф-ии Лапласа также
имеется таблица ее значений для
положительных значений х, т.к.𝜱(0)=0
и 𝜱(х)-нечетная.
Замечание: приближенными функциями Лапласа на практике пользуются в случае если npq больше 10. Если же npq меньше 10, то эти формулы приводят к большим погрешностям. Тогда пользуются формулой Бернулли. Формулы Лапласа эффективны, когда р близко к 0,5. Если р мало (р≤0,1) пользуются асимптотической формулой Пуассона, которая следует из теоремы Пуассона.
