
- •1 Охарактеризувати скінченні множии та операціії над ними
- •2Охарактиризувати предмет комбінаторики
- •3Охаректиризувати основні принципи комбінаторики
- •3. Розміщення
- •4Охарактеризувати упорядковані множини
- •Запис впорядкованих множин
- •6Охарактеризувати сполуки з повтореням
- •7Охарактеризувати простір елементарних подій
- •Приклад
- •8.Охарактеризувати операції над подіями.
- •9Охарактеризувати класичне означення ймовірності
- •10 Охарактеризувати відносну частоту
- •11 Охарактеризувати статистичну ймовірність
- •12 Охарактеризувати теорему для додавання несумісних подій та сумісних подій
- •13 Охарактеризувати умовні ймовірності та незалежні події
- •[Ред.]Незалежні події
- •14 Охарактеризувати ймовірність настання хоча б однієї події
- •Зауваження
- •16 Охарактеризувати фолмулу Баєса
- •Наслідок
- •17 Охарактеризувати схему Беруллі
- •Властивості
- •19 Охарактеризувати локальну теорему Муавра Лапласса
- •Теорема
- •20 Охарактеризувати випадкові величини та функції розподілу
- •Властивості
- •21 Охарактеризувати основні закони розподілу дискретних випадкових величин
- •22. Диференціальна функція розподілу
- •23 Охарактеризувати неперервні випадкові величини
- •Способи задання
- •24 Охарактеризувати щільність розподілу ймовірностей
- •Щільність ймовірності
- •25 Навести приклади неперервних випадкових велечин
- •26 Охарактеризувати дискретний розподіл
- •27 Охарактеризувати неперервні розподіли
- •Визначення
- •Функція розподілу
- •Функція моментів
- •28 Охарактеризувати числові характеристики неперервної випадкової величини
- •29 Охарактеризувати основі розподіли неперервних випадкових величин
- •30 Охарактеризувати розподіл функції випадкового аргументу
- •1. Функції одного випадкового аргументу
- •1.1. Функції дискретного випадкового аргументу
- •2.2. Математичне сподівання і дисперсія лінійної функції двох випадкових величин
- •2.3. Математичне сподівання і дисперсія мінімальної із двох випадкових величин.
- •33 Охарактеризувати означення лінійної регресії
- •Класична модель лінійної регресії
- •Узагальнена модель лінійної регресії
- •Перевірка статистичних гіпотез
- •Класифікація статистичних гіпотез
- •Сутність кореляції
- •Коефіцієнт кореляції
- •41. Охарактеризувати геометричну ймовірність
- •Використання геометричної ймовірності
- •Формально
- •42. Охарактеризувати незалежність подій
- •Незалежні події
- •43 Охарактеризувати теорему множення ймовірностей.
- •44. Охарактеризувати формулу Бернуллі та алгоритм розв’язування задач за допомогою неї.
- •Умови використання
- •Виведення формули Бернуллі
- •Приклад задач Задача 1
- •45. Охарактеризувати ряд і перетворення Фур’є.
- •Визначення
- •Властивості
- •Використання
- •46.Охарактеризувати математичне сподівання.
- •Твердження
- •Означення 2
- •47 Охарактеризувати моменти випадкової величини.
- •48. Дисперсія випадкової величини. Середнє квадратичне відхилення
- •Означення
- •Твердження
- •Теореми
- •Властивості
- •49. Охарактеризувати початкові та центральні моменти.
- •51. Охарактеризувати систему двох випадкових величин.
- •Формулювання Ляпунова
- •Формулювання Лінденберга
- •53. Охарактеризувати закон великих чисел.
- •54. Охарактеризувати статистичні таблиці.
- •55. Охарактеризувати статичні оцінки параметрів генеральної сукупності.
- •Xарактеристики генеральної сукупності
- •Особливості
- •Приклад
- •56. Охарактеризувати нульову гіпотезу та алгоритм перевірки правильності нульової гіпотези.
- •Коефіцієнт кореляції
- •Властивості
- •60. Охарактеризувати класичне та статистичне означення ймовірностей.
Наслідок
Важливим наслідком формули Баєса є формула повної ймовірності події, що залежить від декількох несуміснних гіпотез (і тільки від них).
—
ймовірність
настання події B,
що залежить від гіпотез
,
якщо відомі їх ступені достовірності
17 Охарактеризувати схему Беруллі
Проводяться n дослідів, у кожному з яких може настати певна подія («успіх») з ймовірністю p (або не настати — «неуспіх» — q = 1 — p). Задача — знайти ймовірність отримати k успіхів у досліді.
Розв'язок:
Кількість успіхів — випадкова величина, що має розподіл Бернуллі.
Властивості
Нехай
p — ймовірність успіху в схемі
Бернуллі, q=1-p.Тоді найімовірнішою серед
подій
є
подія
,
де
можна
знайти з нерівності
.
18 охарактеризувати формулу Пуасона
Формула
Пуассона дає приблизне значення
імовірності
в
тому випадку, коли число випробувань nвелике,
а імовірність p=P(А) в
кожному з окремих випробувань маленька,
оскільки добуток цих чисел
є
заданим числом, незалежним від n,
а значить
,
досить мале. Тоді
, m=0,
1, 2,…, n.
Сума всіх ймовірностей дорівнює:
Значить
де
.
Одержано формулу Пуассона або закон
Пуассона. Цей закон дає можливість
наближати біноміальний розподіл при
великій кількості випробувань і малій
імовірності події А в
кожному випробуванні.
19 Охарактеризувати локальну теорему Муавра Лапласса
Локальна теорема Муавра — Лапласа описує наближення нормального розподілу до біноміального розподілу. Є окремим випадком центральної граничної теореми.
Теорема
Якщо
,
тоді для k в
-околі
точки np,
існує наближення[1]
Гранична форма теореми стверджує, що
для
Можливо,
формулювання стає ясним не відразу,
проте практичний зміст теореми простий:
при великих значеннях n імовірність
спостерігаючи рівно m успіхів можна
приблизно розраховувати за формулою:
20 Охарактеризувати випадкові величини та функції розподілу
Випадкова величина є одним з основних понять теорії ймовірностей
Означення
Випадковою величиною є будь-яка (не обов'язково числова) змінна
, "значення" якої
утворюють множину
елементарних подій, або, іншими словами, позначають точки в просторі вибірок. Відповідний розподіл імовірностей називається розподілом випадкової величини . [2]
Множина елементарних подій являє собою можливі значення випадкової величини , називається областю значень цієї величини . [3]
Властивості
Випадкова
величина X —
це вимірна функція,
визначена на даному вимірному
просторі
,
тобто, вона визначається шляхом
зіставлення кожної елементарної
події з
деякимдійсним
числом.
Більш формально:
називається
випадковою величиною, якщо
,
де
--
-алгебра
Борелевих множин на
.
Нехай x1, x2,
… — значення випадкової величини X.
Одне і те саме значення xj може
відповідати, взагалі кажучи, різним
елементарним подіям. Множина усіх цих
елементарних подій утворює складену
випадкову подію, що полягає в тому,
що X = xj.
Ймовірність цієї події позначається
.
Система рівнянь:
визначає розподіл ймовірностей (слід відрізняти від функції розподілу ймовірностей) випадкової величини X.
Очевидно, що:
та
.
Якщо
дві або більше випадкових величини X1, X2,
…, Xn визначено
на одному просторі елементарних подій,
то їх спільний розподіл задається
системою рівнянь, в яких всім
комбінаціям
,
і т. д.
призначаються визначені ймовірності.
Випадкові
величини називаються незалежними,
якщо для довільної комбінації значень
,
,
…,
виконується
рівність:
Тобто, якщо Xk залежить лише від k-го випробування, то випадкові величини X1, X2, …, Xn взаємно незалежні.
Ймовірність випадкової величини
Ймовірність випадкової величини дорівнює інтегралу ймовірностей взятому по її області значень: [4]
де
;
—
граничні значення нормованої величини
;
—
це середнє
значення величини
;
— cтандартне
відхилення цієї
величини.
Функція розподілу ймовірностей — В теорії ймовірностей це функція, яка повністю описує розподіл ймовірностей випадкової величини.
Нехай
— ймовірнісний
простір,
в якому
—
множина елементарних подій,
—
сукупність підмножин
,
що утворюють
-алгебру,
множини з
називаються
випадковими подіями,
— міра на
,
що задовольняє умову
.
Функція
,
визначена
рівністю
,
називається функцією
розподілу ймовірностей або кумулятивною
функцією розподілу ймовірностей випадкової
величини ξ.
Вираз в правій частині рівності є
ймовірністю того, що випадкова
величина
набуває
значень менших або рівних
.
Функція розподілу ймовірностей — В теорії ймовірностей це функція, яка повністю описує розподіл ймовірностей випадкової величини.
Нехай — ймовірнісний простір, в якому — множина елементарних подій, — сукупність підмножин , що утворюють -алгебру, множини з називаються випадковими подіями, — міра на , що задовольняє умову . Функція , визначена рівністю
,
називається функцією розподілу ймовірностей або кумулятивною функцією розподілу ймовірностей випадкової величини ξ. Вираз в правій частині рівності є ймовірністю того, що випадкова величина набуває значень менших або рівних .