- •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). 
.
