
- •Случайные события, их классификация. Действия над событиями.
- •Теорема сложения вероятностей несовместных событий.
- •Зависимые и независимые события. Условная вероятность. Теорема умножения вероятностей.
- •Свойства условных вероятностей
- •Формула полной вероятности. Формулы Байеса.
- •Повторные независимые испытания. Формула Бернулли.
- •Наивероятнейшее число появлений события в схеме Бернулли.
- •Локальная и интегральная теоремы Лапласа.
- •Формула Пуассона для редких событий.
- •Дискретная случайная величина, ее закон распределения. Многоугольник распределения.
- •Функция распределения вероятностей случайной величины и ее свойства.
- •Математическое ожидание дискретной случайной величины и его свойства. Математическое ожидание м(х) дискретной случайной величины
- •Свойства математического ожидания
- •Дисперсия дискретной случайной величины и ее свойства. Среднее квадратическое отклонение. Дисперсия случайной величины
- •Свойства дисперсии случайной величины
- •Биномиальный закон распределения и его числовые характеристики.
- •Геометрическое распределение.
- •Гипергеометрическое распределение.
- •Формула Пуассона. Распределение Пуассона.
- •Непрерывная случайная величина, плотность распределения вероятностей непрерывной случайной величины и ее свойства.
- •Математическое ожидание и дисперсия непрерывной случайной величины.
- •Свойства математического ожидания
- •Свойства дисперсии случайной величины
- •Постоянный множитель можно выносить за знак дисперсии, возводя его в квадрат .
- •Нормальный закон распределения. Влияние параметров распределения на вид нормальной кривой.
- •Вероятность попадания в заданный интервал нормально распределенной случайной величины. Вероятность заданного отклонения. Правило трех сигм.
- •Моменты случайной величины. Асимметрия. Эксцесс.
- •Понятие о центральной предельной теореме.
- •Предмет и метод математической статистики.
- •Генеральная и выборочная совокупности. Способы отбора.
- •Построение дискретного вариационного ряда. Эмпирическая функция распределения и ее свойства.
- •Построение интервального вариационного ряда. Гистограмма частот и относительных частот.
- •Точечное оценивание числовых характеристик случайной величины. Состоятельность, эффективность, несмещенность оценки. Исправленная выборочная дисперсия.
- •Интервальные оценки числовых характеристик случайной величины. Доверительная вероятность. Доверительный интервал.
- •Основные понятия регрессионного и корреляционного анализа.
- •Нахождение параметров линейного уравнения регрессии методом наименьших квадратов.
- •Коэффициент линейной корреляции и его свойства.
- •Статистическая гипотеза. Статистический критерий проверки гипотез. Ошибки первого и второго рода. Критическая область.
- •Проверка гипотезы о математическом ожидании нормально распределенной случайной величины.
- •Проверка гипотезы о равенстве математических ожиданий двух нормально распределенных случайных величин.
- •Критерий согласия Пирсона о предполагаемом законе распределения случайной величины.
- •Критерий согласия Колмогорова о предполагаемом законе распределения случайной величины.
- •Основные понятия дисперсионного анализа. Однофакторный и двухфакторный дисперсионный анализ.
Формула полной вероятности. Формулы Байеса.
Набор
событий
называется
полной группой
событий,
если они попарно несовместны и их сумма
составляет достоверное событие
Формула
полной вероятности.
Пусть события
образуют полную группу событий (
)
и событие А
может произойти с одним и только с одним
из этих событий. Тогда вероятность
события А
равна
.
Формула Байеса.
Если событие А
произошло, то условные вероятности
(апостериорные) гипотез
вычисляются по формуле Байеса
,
где Р(А) — вероятность события А, вычисленная по формуле полной вероятности.
Повторные независимые испытания. Формула Бернулли.
Ряд классических распределений связан с экспериментом, в котором проводятся последовательные независимые испытания и наблюдается результат совместного осуществления тех или иных исходов каждого испытания.
Последовательные испытания называются независимыми, если вероятность осуществления любого исхода в n-м по счету испытании не зависит от реализации исходов предыдущих испытаний.
Простейшим
классом повторных независимых испытаний
является последовательность
независимых испытаний с двумя исходами
(«успех» и «неуспех») и
с неизменными
вероятностями «успеха» (р) и «неуспеха»
в каждом
испытании (схема испытаний Бернулли).
Вероятность получить ровно m успехов в n независимых испытаниях вычисляется по формуле, называемой формулой Бернулли
.
Наивероятнейшее число появлений события в схеме Бернулли.
Число наступлений события А называется наивероятнейшим, если оно имеет наибольшую вероятность по сравнению с вероятностями наступления события А любое другое количество раз.
Наивероятнейшее
число наступлений события А
в n
испытаниях заключено между числами
и
:
.
Если
— целое число, то наивероятнейших чисел
два
и
.
Локальная и интегральная теоремы Лапласа.
Теорема
(Муавра-Лапласа (локальная)).
Если вероятность наступления события
А
в каждом из
n независимых
испытаниях равна р
и отлична от нуля и единицы, а число
испытаний достаточно велико, то
вероятность
того, что в n
испытаниях событие А
наступит
раз, приближенно равна (чем больше n,
тем точнее) значению функции
, где
,
.
(Муавра-Лапласа
(интегральная)).
Если вероятность наступления события
А
в каждом из n
независимых испытаний равна р
и отлична от нуля и единицы, а число
испытаний достаточно велико, то
вероятность того, что в n
испытаниях число успехов m
находится между
и
,
приближенно равна (чем больше n,
тем точнее)
,где
р —
вероятность появления успеха в каждом
испытании,
,
.
Формула Пуассона для редких событий.
Предположим,
что произведение
является постоянной величиной, когда
n
неограниченно возрастает. Обозначим
Тогда для любого фиксированного
и
любого постоянного
:
.
В
случае, когда n
велико, а р
мало (обычно
;
)
вместо формулы Бернулли применяют
приближенную формулу Пуассона
,
где