- •1. Випадкові події, їх класифікація, приклади. Класичне правило обчислення ймовірностей
- •7. Ймовірність появ однієї з двох несумісних подій. Узагальнення і наслідки.
- •8. Ймовірність появи однієї з двох сумісних подій. Узагальнення теореми
- •9.Незалежні події. Ймовірність добутку двох незалежних подій. Узагальнення теореми
- •11.Теорема про повну ймовірність
- •12. Формули Байєса
- •13.Схема повторних незалежних випробувань Бернуллі. Формула Бернуллі. Наслідки
- •15. Інтегральна теорема Муавра-Лапласса. Інтегральна функція Лапласса, властивості функції.
- •16.Теорема Пуассона. Поняття найвірогіднішого числа, властивості
- •17. Означення випадкових величин, дискретні і неперервні випадкові величини. Закон розподілу вв та многокутник розподілу.
- •18.Функція розподілу. Означення, властивості, графік.
- •19.Щільність ймовірностей. Властивості, графік
- •20. Залежні і незалежні випадкові величини. Операції над випадковими величинами
- •21. Математичне сподівання двв. Властивості математичного сподівання
- •22.Дисперсія двв і її властивості. Середнє квадратичне відхилення
- •23. Початкові і центральні моменти двв. Мода, медіана, асиметрія, ексцес.
- •24.Неперервні випадкові величини. Числові характеристики нвв.
- •25.Означення багатовимірної випадкової величини. Двовимірна випадкова величина. Закон розподілу двовимірної випадкової величини. Умовний розподіл
- •26.Функція розподілу п-вимірної випадкової величини. Функція розподілу двовимірної в.В. Властивості функції розподілу.
- •27.Коваріація та її властивості. Коефіцієнт кореляції. Властивості коефіцієнта кореляції
- •28.Біномний закон розподілу. Числові характеристики
- •29. Закон розподілу Пуассона, числові характеристики, використання
- •30. Геометричний розподіл, числові характеристики, використання
- •31. Гіпергеометричний закон розподілу, числові характеристики.
- •33. Інтегральна фунція розподілу та щільність ймовірностей показникового розподілу, графіки, числові характеристики.
- •34. Нормально розподілена випадкова величина. Графік щільності нормального розподілу, властивості функції. Правило трьох сигм.
- •35. Розподіли: хі-квадрат, Стьюдента та логнормальний. Числові характеристики
- •37. Предмет, методи і завдання математичної статистики. Об`єм сукупності
- •38. Генеральна та вибіркові сукупності. Статистичний розподіл вибірки
- •39. Полігон частот і відносних частот
- •40. Гістограма частот і відносних частот
- •41. Емпірична функція розподілу f*(X) та її властивості
- •42. Вибіркова середня та її властивості. Степеневі середні вибірки
- •44. Мода і медіана статистичного розподілу вибірки, коефіцієнт варіацій, варіаційний розмах.
- •47. Означення довірчого інтервалу. Довірчий інтервал для оцінки математичного сподівання нормального розподілу
- •48. Статистичні гіпотези та їх різновиди. Помилки першого та другого роду
- •49. Статистичний критерій. Потужність критерію. Рівень значущості критерію
- •50. Критична область. Області прийняття гіпотез. Алгоритм перевірки статистичної гіпотези
- •51. Критерій узгодження Пірсона. Алгоритм використання критерію Пірсона
- •52. Критерій узгодження Колмогорова
- •53. Метод моментів та метод максимальної правдоподібності знаходження точкових оцінок
- •54. Метод найменших квадратів при знаходженні точкових оцінок
- •55. Поняття про функціональну, статистичну і кореляційну залежності.
- •56. Рівняння лінійної регресії. Довірчий інтеграл для лінії регресії
- •1. Випадкові події, їх класифікація, приклади. Класичне правило обчислення ймовірностей
- •2. Елементарна подія. Простір елементарних подій, випробування, стохастичний експеримент. Приклади. Геометричне означення ймовірності.
7. Ймовірність появ однієї з двох несумісних подій. Узагальнення і наслідки.
Імовірність появи однієї з двух несумісних подій, байдуже якої, дорівнює сумі ймовірності цих подій
,
якщо А та В несумісні
(адитивність)
Наслідок 1. Якщо події А1, А2 , …, Аn є єдиноможливими і несумісними, то складна подія А, яка полягає в відбуванні А1 чи А2, чи ..Аn, є достовірною і тому Р(А)=1, тобто Р(А1)+Р(А2)+…+Р(Аn)=1.
Наслідок
2.Сума
ймовірностей взаємно протилежних подій
дорівнює одиниці:
=1.
8. Ймовірність появи однієї з двох сумісних подій. Узагальнення теореми
Ймовірність появи хоча б однієї з двох сумісних подій дорівнює сумі ймовірностей цих подій без ймовірності їх сумісної появи:
Узагальнення
теореми
(на випадок n=3
сумісних подій)
9.Незалежні події. Ймовірність добутку двох незалежних подій. Узагальнення теореми
Дві події А і В називають незалежними, якщо ймовірність появи кожної з них не залежить від того появилась інша подія чи ні.Упротилежному випадку події називають залежними.
Кілька подій називають попарно незалежними, якщо кожні дві з них незалежні. Наприклад, події А, В, С попарно незалежні, якщо незалежні події А і В, А і С, В і С.
Декілька
подій називають незалежними у
сукупності (чи
просто незалежними), якщо
незалежні кожні дві з них і незалежна
кожна подія і всі можливі добутки
останніх. Наприклад,
якщо події
,
,
незалежні
в сукупності, то незалежні
події
і
,
і
,
і
;
і
,
і
,
і
.
Зі сказаного випливає,
що якщо події незалежні в сукупності,
то умовна ймовірність появи будь-якої
події з них, обчислена у припущенні, що
наступили будь-які інші події з числа
останніх, дорівнює її безумовній
ймовірності.
Ймовірність
добутку двох незалежних подій
А
.
10.Залежні події. Умовна ймовірність. Ймовірність добутку двох подій. Узагальнення теореми
Випадкові події А і B називають залежними, якщо імовірність появи однієї з них залежить від
того появилась інша подія чи ні.
Нехай події А і В залежні, умовною ймовірністю
події В називають ймовірність події В знайдену в припущені , що подія А уже відбулась.
Імовірність одночасної появи двох випадкових подій А і В дорівнює добутку імовірностей однієї з цих подій на умовну ймовірність іншої, обчисленої в припущені, що перша подія уже відбулась.
. Р(А*В)=Р(А)*Ра(В)=Р(В)*Рв(А).
11.Теорема про повну ймовірність
Ймовірність події А , яка може відбутись при умові появи однієї з несумісних подій В1, В2, В3, Вn, які утворюють повну групу = сумі добутків ймовірності кожної з цих подій на відповідну умовну ймовірність події А.
Тоді ймовірність події А подається формулою:
де
— імовірність події
— умовні ймовірності настання події
А.
12. Формули Байєса
Подія А може
відбутись одночасно з деякою із подій
Відомі ймовірності подій
та умовні ймовірності того, що подія А
відбудеться. Відомо, що в результаті
випробування подія А відбулась. Потрібно
з огляду на це переоцінити ймовірності
гіпотез
Для цього застосовують формулу Баєса:
Ці
формули допомагають переоцінювати
імовірності гіпотез, що важливо при
контролі і ревізіях.
