
- •Матрицы и основные операции над ними. (без умножения) свойства операций?
- •2. Виды матриц. Геометрическая интерпретация векторов.
- •3. Умножение матриц. Свойства умножения матриц
- •4. Определители матриц второго и третьего порядка.
- •6. Свойства определителей.
- •7. Элементарные преобразования строк и столбцов матрицы. Их использование при нахождении определителей.
- •8. Ранг матрицы. Cпособы вычисления ранга матрицы. Геометрический смысл ранга матрицы 2 и 3 порядка?
- •9. Теорема Кронекера-Капелли о разрешимости системы линейных алгебраических уравнений.
- •11. Решение системы линейных алгебраических уравнений методом Гаусса.
- •12. Системы линейных однородных уравнений. Свойства. Фундаментальное решение.
- •13. Общее решение системы линейных алгебраических уравнений. Свободные неизвестные. Базисные решения.
- •14. Линейное пространство.Определение и пример?
- •15. Линейная зависимость и независимость векторов.?способы определения?
- •16. Базис линейного пространства. Размерность линейного пространства.
- •17. Линейные преобразования. Свойства.
- •19. Скалярное произведение векторов. Угол между векторами.
- •20. Ортонормированный базис. Евклидово пространство.
- •2 Замечат предела:
- •Признаки существования предела
- •26..Производная ф-ии и дифференциал.
- •27.Теоремы Ферма, Ролля, Лагранжа.Без док-ва
- •28.Точки экстремума. Необх и достаточное условия локального экстр-а ф-ии.
- •29.Выпуклость и точки перегиба. Необх и достатусл-я перегиба ф-ии.
- •30.Нахожд-е асимптот ф-ии.
- •Основные свойства неопределённого интеграла
- •34.Понятие определенного интеграла. Св-ва.И геометрическая интепритация пределенного интеграла
- •35.Опр интеграл как ф-я верхнего предела.
- •50. Классическое, статистическое (частное), геометрическое определение вероятности.
- •49. Независимые и зависимые событияУсловная вероятность
- •50 Формула полной вероятноститеорема Байеса
- •52. Дискретные случайные величины
- •54.Числовые характеристики дискретных случайных величин
- •56. Функция распределения случайной величины
- •59. Равномерное и нормальное распределение.
49. Независимые и зависимые событияУсловная вероятность
Условной вероятностью
события А при условии того, что произошло
событие В, называют величину:
,
из чего следует, что:
.
При этом,
следует читать как Р(В) или Р(А)
соответственно, индекс – лишь обозначение
условной вероятности.
50 Формула полной вероятноститеорема Байеса
Предположим,
что событие
может
осуществляться только с одним из
несовместных событий
.
Например, в магазин поступает одна и та
же продукция от трех предприятий в
разном количестве. Существует разная
вероятность выпуска некачественной
продукции на разных предприятиях.
Случайным образом отбирается одно из
изделий. Требуется определить вероятность
того, что это изделие некачественное
(событие
).
Здесь события
—
это выбор изделия из продукции
соответствующего предприятия.
В этом случае вероятность события можно рассматривать как сумму произведений событий
По теореме сложения вероятностей несовместных событий получаем
Используя теорему умножения вероятностей, находим
(3.1)
Формула (3.1) носит название формулы полной вероятности.
Пример. Для рассмотренного выше случая с поступлением товара в магазин от трех предприятий зададим численные значения. Пусть от первого предприятия поступило 20 изделий, от второго — 10 изделий и от третьего — 70 изделий. Вероятности некачественного изготовления изделия на предприятиях соответственно равны 0,02; 0,03 и 0,05.
Определить вероятность взятия некачественного изделия.
Решение. Вероятности событий будут равны P(А1) = 0,2; P(А2) = 0,1; P(А3) = 0,7. Используя формулу (3.1), находим
P(B) = 0,2×0,02 + 0,1×0,03 + 0,7×0,05 = 0,042.
Формула Байеса (теорема гипотез)
Пусть событие А может наступить лишь при условии появления одного из несовместных событий В1,В2…,Вn образующих полную группу. Поскольку заранее не известно, какое из этих событий наступит, их называют гипотезами.
Допустим, что
произведено испытание, в результате
которого появилось событие A
. Выясним, как изменятся вероятности
гипотез в связи с тем, что событие A
уже наступило, то есть найдем условные
вероятности
.
Для произвольной
гипотезы Bi
(
) в силу определения произведения двух
событий справедливо равенство
,
но по теореме о вероятности совместного
появления двух событий получим:
,
Следовательно
Выразим из последней
формулы
и затем заменим по формуле
полной вероятности:
,
Полученное выражение для гипотез Bi ( ) называют формулами Байеса.
Формулы Байеса позволяют переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие A
52. Дискретные случайные величины
Случайной называют величину, которая в результате испытания примет одно и только одно возможное значение, наперед не известное и зависящее от случайных причин, которые заранее не могут быть учтены.
Дискретной называют случайную величину, которая принимает отдельные, изолированные возможные значения с определенными вероятностями.
Число возможных значений дискретной случайной величины может быть конечным или бесконечным.
55.Законом распределения дискретной случайной величины называют соответствие между возможными значениями и их вероятностями.
Закон распределения дискретной случайной величины можно задать таблично, в виде формулы (аналитически) и графически.