
- •Означення та приклади подій: випадкова, достовірна, неможлива, елементарна, складна.
- •Означення та приклад повної групи подій та простору елементарних подій.
- •Класичне означення ймовірності випадкової події.
- •Сформулювати аксіоми класичної теорії ймовірностей.
- •Дати означення та вказати властивості перестановки, сполучення, комбінації елементів.
- •Дати означення відносної частоти появи події.
- •Дати геометричне та статистичне означення ймовірності.
- •Дати визначення умовної ймовірності.
- •Формула множення ймовірностей для залежних та незалежних подій.
- •Формула для обчислення появи хоча б однієї події .
- •Формула повної ймовірності.
- •Формули Байєса.
- •Означення експерименту за схемою Бернуллі.
- •Формула Бернуллі для обчислення ймовірностей, умова використання. Наслідки.
- •Найімовірніше число появ події в схемі Бернуллі.
- •Сформулювати локальну теорему Муавра-Лапласа.
- •Властивості функції Лапласа:
- •Означення випадкової величини, дискретної та неперервної випадкових величин.
- •Закон розподілу випадкової величини.
- •Інтегральна функція розподілу випадкової величини: означення. Властивості.
- •Диференціальна функція розподілу (щільність розподілу) випадкової величини: означення. Властивості.
- •Математичне сподівання випадкової величини: означення, властивості.
- •Дисперсія та середньоквадратичне відхилення випадкової величини: означення, властивості.
- •Властивості дисперсії
- •Мода, медіана випадкової величини.
- •Початкові та центральні моменти.
- •Асиметрія, ексцес.
- •Означення багатовимірної випадкової величини.
- •Означення закону розподілу багатовимірної випадкової величини.
- •Основні числові характеристики для системи двох дискретних випадкових величин.
- •Коефіцієнт кореляції та його властивості.
- •Функція розподілу ймовірностей та щільність ймовірностей системи
- •Двовимірний нормальний закон розподілу.
- •Закон розподілу Бернулі
- •Біноміальний закон розподілу двв. Числові характеристики.
- •Пуасонівський закон розподілу двв, числові характеристики.
- •Геометричний закон розподілу двв, числові характеристики.
- •Гіпергеометричний закон розподілу двв, числові характеристики.
- •Рівномірний закон розподілу нвв.
- •Нормальний закон розподілу.
- •Показниковий закон та його використання в теорії надійності та теорії черг.
- •Розподіл
- •Розподіл Стьюдента. Розподіл Фішера. (45-46)
- •Правило трьох сигм. Логарифмічний нормальний закон.
- •Функції одного дискретного випадкового аргументу.
- •.Числові характеристики функції одного дискретного випадкового аргументу.
- •Функції неперервного випадкового аргументу та їх числові характеристики.
- •Функції двох випадкових аргументів та їх числові характеристики.
- •Числові характеристики функції дискретного випадкового аргументу
- •Нерівності Чебишева та їх значення.
- •Теорема Чебишева.
- •Теорема Бернуллі.
- •Центральна гранична теорема теорії ймовірностей ( теорема Ляпунова) та її використання у математичній статистиці.
- •Предмет і задачі математичної статистики.
- •Утворення вибірки. Генеральна та вибіркова сукупність.
- •Статистичні розподіли вибірок.
- •Емпірична функція розподілу, гістограма та полігон.
- •Числові характеристики: вибіркова середня, дисперсія вибірки, середньоквадратичне відхилення.
- •Мода й медіана, емпіричні початкові та центральні моменти, асиметрія та ексцес.
- •Дати визначення статистичної оцінки.
- •Точкові та інтервальні статистичні оцінки.
- •Дати визначення довірчого інтервалу.
- •Що таке нульова та альтернативна статистичні гіпотези.
- •Перевірка (правдивості нульової) гіпотези про нормальний закон розподілу ознаки генеральної сукупності.
- •Емпіричні та теоретичні частоти.
- •Критерії узгодження Пірсона та Колмогорова.
- •Помилки першого та другого роду.
- •Статистичний критерій. Критична область.
- •Дати означення моделі експерименту.
- •Дати поняття одно факторний аналіз.
- •Загальна дисперсія, між групова та внутрішньогрупова дисперсії.
- •. Поняття про функціональну, статистичну та кореляційну залежності.
- •Рівняння лінійної регресії. Довірчий інтервал для лінії регресії
- •Вибірковий коефіцієнт кореляції.
- •Множинна регресія, множинний коефіцієнт кореляції та його властивості.
- •Нелінійна регресія.
- •85) Визначення та приклади ланцюгів Маркова.
- •Інтуїтивне визначення
- •Формальне визначення
- •Граф переходів ланцюга Маркова
- •86) Ймовірність переходу за n кроків.
- •87) Замкнуті множини станів.
- •88) Класифікація станів. Неповоротний стан.
- •1. Ергодичний стан
- •2. Нестійкі стани
- •3. Поглинальні стани
- •89) Ергодична властивість неперіодичних ланцюгів. Стаціонарний розподіл.
- •90) Періодичні ланцюги.
- •91) Загальний марковський процес (Ланцюг Маркова з неперервним часом).
- •92) Гранична поведінка перехідних ймовірностей ланцюга Маркова.
- •93) Гілчастий процес.
- •94) Алгебраїчний підхід вивчення скінченних ланцюгів Маркова.
- •96) Випадковий проце, стаціонарний у широкому сенсі.
- •97) Аналіз кореляційної функції. Ергодичність.
- •100) Рівняння Колмогорова - Чепмена
Означення та приклади подій: випадкова, достовірна, неможлива, елементарна, складна.
Предметом теорії ймовірностей є вивчення ймовірнісних закономірностей, масових, однорідних, випадкових подій.
Подія – кожне явище, про яке можна сказати, що воно відбулося або не відбулося (А, В, С – підкинута монета впала на підлогу гербом вгору).
Якщо в результаті експерименту подія обов’язково настане, то вона називається вірогідною (достовірною) (І – в урні знаходяться пронумеровані кульки від 1 до 10, взяли кульку з номером від 1 до 10).
Подія називається неможливою, якщо в результаті експерименту, вона не відбудеться (О – в урні кульки від 1 до 10, дістати кільку під номером 11).
Подія називається випадковою, якщо в результаті експерименту вона може настати або не настати, залежно від дії дрібних факторів (монету підкидають 1 раз – поява герба).
Подія, що може
відбутися внаслідок проведення однієї
і лише однієї спроби називається простою
випадковою подією (і
(і=1,n)). Задано
дві множини цілих чисел 1
=
,
2
=
.
Із кожної множини навмання беруть по
одному
числу. Визначити елементарні події
цього експерименту — появу пари чисел.
1
= 1; 1; 2
= 1; 2; 3
= 1; 3; 4
= 1; 4; 5
= 2; 1; 6
= 2; 2; 7
= 2; 3; 8
= 2; 4; 9
= 3; 1; 10
= 3; 2; 11
= 3; 3; 12
= 3; 4.
Випадкова подія називається складеною, якщо її можна розкласти на прості події А, В, С.
Задано множину чисел = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Навмання із цієї множини беруть одне число. Побудувати такі випадкові події: 1) з’явиться число, кратне 2; 2) число кратне 3; 3) число, кратне 5. Ці випадкові події будуть складеними. Позначимо їх відповідно А, В, С. Тоді А = {2, 4, 6, 8, 10, 12}; В = {3, 6, 9, 12}; С = {5, 10,}.
Означення та приклад повної групи подій та простору елементарних подій.
Якщо А1 U А2 U … U Аn = , тобто такі випадкові події утворюють повну групу, а саме внаслідок проведення експерименту одна з подій Аі обов’язково відбудеться.
Кожному експерименту з випадковими результатами відповідає певна множина елементарних подій i, кожна з яких може відбутися внаслідок його проведення: і . Множину називають простором елементарних подій. Гральний кубик, кожна грань якого позначена певною цифрою від 1 до 6, підкидають один раз. Оскільки кубик має шість граней, то в результаті експерименту може випасти одна із цифр від 1 до 6. Отже, = 1, 2, 3, 4, 5, 6. Простір елементарних подій називається дискретний, коли кожну елементарну подію можна пронумерувати, неперервний – перелічити всі елементарні події неможливо.
Класичне означення ймовірності випадкової події.
Імовірністю
випадкової події А називається невід’ємне
число Р(А),
що дорівнює відношенню числа елементарних
подій m (0
m
n), які сприяють появі А, до кількості
всіх елементарних подій n простору Ω:
Р (А) =
.
Для
неможливої події Р ()
= 0 (m = 0); для
вірогідної події Р (Ω) = 1 (m = n).
Отже, для
довільної випадкової події
.
Гральний кубик
підкидають один раз. Число всіх
елементарних подій для цього експерименту
n
= 6. Нехай В
— поява на грані числа, кратного 3. Число
елементарних подій, що сприяють появі
В,
дорівнює двом (m
= 2).
.