
- •1. Комбинаторика: основные принципы, понятия и формулы.
- •2. Предмет теории вероятностей
- •3. Основные понятия теории вероятностей: опыт, исходы опыта, пространство элементарных исходов. Примеры.
- •4. Основные определения теории вероятностей: случайные события, благоприятствующие исходы, совместные и несовместные события.
- •6. Операции над событиями. Алгебра событий.
- •7. Аксиоматическое определение вероятности.
- •8. Важнейшие свойства вероятностей.
- •9. Классическое определение вероятности.
- •10. Геометрическое определение вероятности.
- •11. Статистическое определение вероятности.
- •12. Зависимые и независимые события, их взаимность. Определение условной вероятности и следствие из него. Единственный способ установления зависимости событий.
- •13. Полная вероятность.
- •14. Формула Байеса.
- •15. Схема Бернулли: n однотипных независимых испытаний. Основные задачи в схеме Бернулли.
- •16. Визуализация опыта, удовлетворяющего схеме Бернулли. Вывод формулы Бернулли.
- •17. Применение формулы Бернулли при решении двух основных задач в схеме Бернулли.
- •18. Применение формулы Пуассона при решении двух основных задач в схеме Бернулли.
- •19. Применение формул Муавра-Лапласа при решении двух основных задач в схеме Бернулли.
- •20. Наивероятнейшее число «успехов» в серии n испытаний по схеме Бернулли.
- •21. Случайная величина как функция, ее область определения и область значений. Примеры.
- •22. Классификация случайных величин по типу структуры множества их возможных значений.
- •23. Способы задания свдт.
- •24. Функция плотности вероятности f(X) как способ задания свнт. Свойства функции плотности вероятности f(X).
- •25. Функция распределения вероятностей f(X): ее определения и свойства.
- •26. Математическое ожидание свдт: определения и свойства.
- •27. Математическое ожидание свнт.
- •28. Дисперсия свдт: определения и свойства.
- •29. Дисперсия свнт.
- •30. Биномиальное распределение.
- •31. Бернуллиевское распределение.
- •32. Геометрическое распределение.
- •33. Гипергеометрическое распределение.
- •34. Распределение Пуассона.
- •35. Равномерное дискретное распределение.
- •36. Равномерное непрерывное распределение.
- •37. Экспоненциальное распределение.
- •38. Нормальное распределение.
- •39. Правило «трех сигм» для нормального распределения вероятностей.
14. Формула Байеса.
Из формулы полной вероятности следует:
Данная формула используется для переоценки вероятности гипотез при неизвестном результате.
15. Схема Бернулли: n однотипных независимых испытаний. Основные задачи в схеме Бернулли.
Опр.: несколько опытов называются независимыми, если их исходы представляют собой независимые в совокупности события; другими словами если опыт выполняется при данном комплексе условий многократно, причем наступление некоторого соб.А в каждом испытании не зависит от исхода других испытаний, то такие испытания называются независимыми.(Пример: подбрасывание монеты, стрельба по мишени без поправок на ошибку при повторном выстреле)
Опр.: последовательность
n независимых испытаний
в каждом из которых может про изойти
некоторое событие А с вероятностью
Р(А)=р, или соб.
с вероятностью Р(
)=1-q
называется схемой Бернулли. (Пример:
при подбрасывании монеты, соб А выпадение
герба, соб.
-
выпадение орла.)
Примеры:
Имеется 5 студенческих групп по 25 человек, в каждой из которых по 5 отличников. Из каждой группы выбирается случайным образом по одному студенту. Найти вероятность того, что среди выбранных студентов будет 3 отличника.
Решение:
Вероятность выбрать
отличника в одной группе равна p=1/5.Выбор
отличника будем считать успехом. Тогда
число успехов среди n=5 испытаний должно
равняться m=3. Таким образом, по формуле
Бернулли искомая вероятность равна
(1/5)3(4/5)2= (32/625).
Вероятность появления успеха равна 3/5. Найти наивероятнейшее число наступлений успеха, если число испытаний равно 19, 20. Решение: при n =19 находим
Таким образом, максимальная вероятность достигается для двух значений m0, равных 11 и 12. Эта вероятность равна P19(11)=P19(12)=0,1797. При n=20 максимальная вероятность достигается только для одного значения m0, т.к.
не является целым числом. Наивероятнейшее число наступлений успеха m0 равно 12. Вероятность его появления равна P20(12)=0,1797. Совпадение чисел P20(12) и P19(12) вызвано лишь сочетанием значений n и p и не имеет общего характера.
16. Визуализация опыта, удовлетворяющего схеме Бернулли. Вывод формулы Бернулли.
Теорема: если производится n-независимых испытаний, в каждом из которых вероятность появления соб.А=р, а вероятность его не появления q=1-р, то вероятность того, что соб. А произойдет ровно m раз, вычисляется по формуле Бернулли:
m=1,2,…,n
Доказательство: найдем
вероятность того, что соб.А ровно m раз
появится в первых m опытах и n-m раз не
появится в остальных опытах Р(А*…*А*
Найдем число слагаемых,
для этого определим скольким числом
способов можно расставить m штук А на n
мест (характер выборки: неупорядоч., без
повторений):
т.о.
m=1,2,…,n
совокупность вероятностей Рn(0), Рn(1), Рn(2),…, Рn(n), называется биномиальным законом распределения.
Следствие: если в серии из n независимых опытов в каждом из которых может произойти одно и только одно из k-событий А1, А2, А3,…, Аk с вероятностями р1, р2, р3,… рk соответственно, то вероятность того, что соб.Аn появится вычисляется по формуле:
Рn(m1;m2;…;mk)=
m1+m2+…+mk=n
Ломанная соединяющая точки с координатами (m; Рn(m)), где m=1,2,…,n, называется многоугольником распределения вероятностей.