
- •Оглавление
- •1. Схема Бернулли 20
- •2. Дискретные случайные величины 24
- •4. Докажите, что для биномиального закона распределения сл. Величина с вероятностью успеха р в каждом из n независимых испытаний выполняется равенство: 32
- •Что называется случайным событием, связанным с опытом? Как определяется событие, противоположное данному? Приведите примеры.
- •Что называется суммой и произведением событий а и в? Имеют ли смысл сумма и произведение событий, относящихся к разным опытам? Перечислите все случай наступления события
- •Какие события называются достоверными и невозможными и каковы их ве-роятности? Пусть a, b и c – случайные события. Перечислите все случаи наступления события .
- •В каком случае событие в называют следствием события а? Какие события называются равными? Объясните, почему .
- •Пусть а и в – случайные события. Упростите выражение . Найдите событие, противоположное событию .
- •Докажите, что . Что означает событие ?
- •Дайте определение условной вероятности и приведите его статистическую интерпретацию. Укажите примеры, когда: 1) ; 2)
- •Как соотносятся понятия независимые события а и в и несовместные события а и в? Следует ли из независимости событий а,в,с независимость событий ав и ? Почему?
- •В чем состоит геометрический подход к определению вероятности? Как находится вероятность попадания в заданное множество, если точка случайно выбирается на отрезке ab? в треугольнике abc?
- •24. В чем состоит геометрический подход к определению вероятности? Как находится вероятность попадания в заданное множество, если точка случайно выбирается в круге радиуса r? в кубе со стороной a?
- •25. Что такое полная группа событий? Приведите пример, когда события ав, и не образуют полной группы событий.
- •26. Верно ли, что события образуют полную группу для любых событий а и в? Ответ обоснуйте.
- •28. Сформулируйте и докажите формулу полной вероятности. Приведите пример ее применения.
- •1.Схема Бернулли
- •30. В чем состоит схема Бернулли? Запишите формулу для вероятности успехов в серии испытаний по схеме Бернулли и приведите пример ее применения.
- •40. Запишите приближенные формулы Пуассона. При каких условиях они дают хорошее приближение? Приведите пример их применения.
- •2.Дискретные случайные величины
- •42. Сформулируйте основные свойства функции распределения случайной величины и продемонстрируйте их на примере.
- •46. Что называется геометрическим распределением с параметром ? Приведите пример опытов, в котором определена случайная величина, распределенная по геометрическому закону с параметром .
- •48. Какой закон распределения называется законом Пуассона? в чем состоит связь этого закона с предельной теоремой Пуассона (приближенной формулой Пуассона)?
- •50. Пусть – независимые случайные величины, принимающие с вероятностью значения 0 и 1. Верно ли, что и – независимые случайные величины? Ответ обоснуйте.
- •52. Перечислите основные свойства математического ожидания дискретной случайной величины. Объясните, что понимается под суммой и произведением случайных величин?
- •53. Приведите (с обоснованием) пример дискретного распределения вероятностей, для которого не существует математическое ожидание.
- •54. Может ли математическое ожидание дискретной случайной величины, принимающей целые значения, быть числом нецелым? Ответ обоснуйте.
- •55. Пусть – дискретная случайная величина, принимающая только неотрицательные значения и имеющая математическое ожидание . Докажите, что .
- •58. Как определяется и что характеризует дисперсия дискретной случайной величины X ? Перечислите основные свойства дисперсии.
- •4.Докажите, что для биномиального закона распределения сл. Величина с вероятностью успеха р в каждом из n независимых испытаний выполняется равенство:
- •70. Чему равен и Cov при условии независимости случайных величин ? Что можно сказать о , если , где и – некоторые числа ? Ответ обоснуйте.
- •10.Перечислите основные свойства функции плотности вероятности. Чем объясняется название «плотность вероятности»?
- •11.Как определяется показательный закон распределения с параметром ? Укажите формулу для функции плотности , найдите соответствующую функцию распределения и постройте графики функций и .
- •12.Как определяется равномерный закон распределения на отрезке ? Укажите формулу для функции плотности , найдите соответствующую функцию распределения и постройте графики функций и .
- •76. Возможно ли равномерное распределение на всей числовой оси? Чему равна вероятность для равномерно распределенной на отрезке случайной величины ? Рассмотрите случаи: 1) и 2)
- •78. Запишите плотность распределения нормальной случайной величины , для которой . Как изменится график плотности распределения, если: а) увеличится б) увеличится ?
- •82. Объясните (с доказательством) вероятностный смысл параметра в формуле для функции плотности случайной величины , распределенной по нормальному закону.
- •90. Сформулируйте определение эксцесса случайной величины и укажите его основные свойства. Чему равен эксцесс для нормального распределения?
- •92. Что называется системой случайных величин? Сформулируйте определение функции распределения двумерного случайного вектора и дайте его геометрическую интерпретацию.
- •93. Сформулируйте основные свойства функции распределения случайного вектора и приведите пример двумерной функции распределения.
- •98. Как можно найти функцию распределения, fxy(X,y) случайного вектора (X,y) с независимыми компонентами X и y , если известны их функции распределения f(X)X и f(y)y? Ответ обоснуйте.
- •Числовые характеристики случайного вектора
- •99. Как найти математическое ожидание функции φ(X,y) , где X,y – компоненты случайного вектора (X ,y) ? Как определяются начальные νk ,l и центральные μk ,l моменты случайного вектора (X ,y)?
- •100. Каков смысл начальных ν 0,1 , ν 1,0 и центральных μ 1,0 μ 0,1 μ 1,1, , моментов двумерного случайного вектора (X,y) ? Ответ обоснуйте.
- •101. Дайте определение корреляционной и ковариационной матриц для системы случайных величин х1,х2…Хn и сформулируйте их основные свойства.
- •104. Как определяются условные законы распределения для дискретных случайных величин X и y?
- •107. Сформулируйте и докажите неравенство Чебышева.
- •109. Сформулируйте и докажите теорему Чебушева для бесконечной последовательности случайных величин с одинаковыми математическими ожиданиями и дисперсиями, ограниченными одним и тем же числом.
- •110. Сформулируйте и докажите теорему Бернулли (закон больших чисел)
- •111. Сформулируйте центральную предельную теорему. Укажите примеры ее применения.
- •112. Сформулируйте центральную предельную теорему для одинаково распределенных случайных величин и приведите пример ее применения.
- •113. Используя центральную предельную теорему, обоснуйте интегральную формулу Лапласа.
В чем состоит геометрический подход к определению вероятности? Как находится вероятность попадания в заданное множество, если точка случайно выбирается на отрезке ab? в треугольнике abc?
Геометрический
подход заключается на предположении,
что попадание каждой точки в геометрическом
множестве(
),
а в какое-то подмножество А
.
Вероятность Р(А)
пропорциональна мере (длин, площади и
т.д.) множества А, т.е. Р(А)=
с
(А)
), где
(А)-мера
множества А,
а с=const.
Т.к. P(
)=1,
то с = 1/
(
),
так что Р(А)=
.
1) - АВ, F-отрезок СD, СD АВ. - длина, (CD)=d-c, (BA)=b-a, значит
Р(А)=
.
2)
-треугольник
АВС, F-фигура
.
(F)=площадь
F,
(
)-площадь
АВС. Р(F)=площадь
F/
площадь ABC.
24. В чем состоит геометрический подход к определению вероятности? Как находится вероятность попадания в заданное множество, если точка случайно выбирается в круге радиуса r? в кубе со стороной a?
Геометрический подход заключается на предположении, что попадание каждой точки в геометрическом множестве( ), а в какое-то подмножество А .Вероятность Р(А) пропорциональна мере (длин, площади и т.д.) множества А, т.е. Р(А)= с (А), где (А)-мера множества А, а с=const. Т.к. P( )=1, то с = 1/ ( ), так что Р(А)= .
1) - круг с радиусом r; F – фигура ; (F)=площадь F
( )=площадь
P(F)=площадь F/площадь круга радиуса r 2) P(F)=объем F/ объем круга
25. Что такое полная группа событий? Приведите пример, когда события ав, и не образуют полной группы событий.
Полная группа событий - это система случайных событий такая, что в результате произведённого случайного эксперимента непременно произойдёт одно из них.
АВ, А*В, А*+В* (чёрточка одна на А и В)-не образуют полной группы событий. А*+В*(чёрточка одна на А и В)=А*В*
Полную группу событий составляют: АВ, А*В, АВ*, А*В*
Сл-но АВ, А*В, А*В* - не образуют полной группы.
Пример: студент сдаёт 2 зачёта, соб.А- сдан 1 зачёт, соб.В- сдан 2 зачёт, Р(А)=1/2, Р(В)=2/3
Р(АВ+А*В+А*В*)≠1, т.к. Р(АВ*)≠0, сл-но соб. АВ, А*В, А*+В* (чёрточка одна на А и В)-не образуют полной группы.
26. Верно ли, что события образуют полную группу для любых событий а и в? Ответ обоснуйте.
Да, события образуют полную группу событий для любого А и В, т.к. они попарно несовместны и при каждом осуществлении опыта обязательно наступит хотя бы одно из них. (проиллюстрировать рисунком)
27. Событие A влечет событие B. Верно ли, что P(A) + P(AB) + P(B) =1? Дайте обоснованный ответ.
Если в каждом из
n
независимых испытаний вероятность р
появления A
const,
то как угодно близка к единице вероятность
того, что отклонение относительной
частоты от вероятности р по абс величине
будет сколь угодно малым, если число
испытаний достаточно велико.
xi-число
появлений событий в i-м
испытании (i=1…n).
Каждая из величин может принимать 2
значения: 1 с вер-ю р, 0 с вер q
xi- попарно независ., тогда D(xi)=pq. Т.к. p+q=1, то pq 1/4 дисперсии огранич с=1/4
Применим т. Чебышева,
получим
Матем ожидание а
каждой из величин xi
= р наступл.
событ.
Каждая xi при появлении события в соотв. испытании принимает значение = единице x1+x2+…+xn= m появлен. события в n испытаниях ( x1+x2+…+xn)/n= m/n.
Учитывая это,
получим,
28. Сформулируйте и докажите формулу полной вероятности. Приведите пример ее применения.
Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2,В3 ,…., Вn, которые образуют полную группу. Пусть известны вероятности этих событий и условные вероятности Р в2 (А), …., Рвn (А) события А. Найдем вероятность события А.
Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий В1, В2,…,Вn, образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Р(А) = Р(В1) Рв1(А) + Р(В2) Рв2(А) +….+ Р(Вn) Рвn(А).
Эта формула называется «формулой полной вероятности».
Докажем ее…
По условию, событие А может наступить, если наступит одно из несовместных событий В1,В2,…,Вn. Другими словами, появление события А означает осуществление одного, безразлично какого, из несовместных событий В1А, В2А,…, ВnА. Пользуясь для вычисления события А теоремой сложения, получаем Р(А) = Р(В1А) + Р(В2А) +….+ Р(ВnА) (1)
Остается вычислить каждое из слагаемых. По теореме умножения вероятностей зависимых событий имеем: Р(В1А) = Р(В1) Рв1(А); Р(В2) Рв2(А): …. Р(ВnА) = Р(Вn) Р( bn) (А)
Подставляем правые части этих равенств в соотношение (1) и получаем формулу полной вероятности: Р(А) = Р(В1) Рв1(А) + Р(В2)Рв2 (А) + ….+ Р(Вn) Рвn (А)
Приведем пример использования формулы полной вероятности:
Допустим, у нас есть два набора деталей. Вероятность того, что деталь первого набора стандартна, равна 0,8, а второго – 0,9. Найдем вероятность того, что взятая наудачу деталь (из наудачу взятого набора) – стандартная.
Пусть А событие «извлеченная деталь стандартна». Деталь может быть извлечена либо из первого набора (событие В1), либо из второго (В2). Вероятность того, что деталь вынута из первого набора, Р(В1) =1/2, вероятность, что деталь вынута из второго набора, Р(В2) = 1/ 2. Условная вероятность того, что из первого набора будет извлечена стандартная деталь, Рв1 (А) =0,8, условная вероятность того, что из второго набора будет извлечена стандартная деталь Рв2(А) =0,9.
Искомая вероятность того, что извлеченная наудачу деталь – стандартная, по формуле полной вероятности равна
Р(А) = Р(В1) Рв1(А) + Р(В2)Рв2 (А) = 0,5*0,8 + 0,5*0,9 = 0,85.