
- •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
Числові характеристики: вибіркова середня, дисперсія вибірки, середньоквадратичне відхилення.
Аналогічно
математичному сподіванню, дисперсії
та середньоквадратичному відхиленню
ДВВ визначають вибіркові характеристики
замінюючи при цьому ймовірність рк
на відносні частоти
.
Простим
середньоарифметичним вибірки називають
суму всіх варіант поділену на об’єм
вибірки
, де n – об’єм вибірки,
-
варіант вибірки, де к=
.
Вибірковим середнім
або зваженим середньоарифметичним
вибірки назив середнє арифметичне
варіант вибірки із врахуванням їх
відносних частоті позначається вибіркове
середнє:
=
Вибіркове середнє аналогом математичного сподівання М(х) і використовується дуже часто, воно може приймати різні значення при різних вибірках однакового об’єму.
Основні властивості вибіркового середнього:
При множенні усіх варіант вибірки на однаковий множник, вибіркове середнє також множиться на цей множник =
= С
Якщо до усіх варіант вибірки додати (відняти) однакове число, то вибіркове середнє збільшується (зменшується) на це число
Вибірковою дисперсією Дв назив середнє квадратичне відхилення варіант від вибіркового середнього із врахуванням їх відносних частот
Вибірковим середньоквадратичним відхиленням назив квадратний корінь із вибіркової дисперсії, його ще назив стандартом:
Вибіркова дисперсія дає занижені значення для дисперсії генеральної сукупності.
Математичне сподівання вибіркової дисперсії
М(Dв) =
Тому вибіркову
дисперсію доцільно виправити таким
чином, щоб вона стала незміщеною оцінкою.
Для цього достатньо Dв до множити на
.
Вибіркову дисперсію
виправлену позначають
,
При великих об’ємах вибірки Dв і дисперсія генеральної сукупності мало відрізняються один від одного, тому виправлену дисперсію знаходять при об’ємах n<30.
Мода й медіана, емпіричні початкові та центральні моменти, асиметрія та ексцес.
Медіану вибірки
позначають
.
Якщо обсяг статистичного матеріалу є
непарним числом, тобто n
=2*k+1, де
k – натуральне число, то медіана
=
.
Якщо обсяг
статистичного матеріалу є парним числом,
тобто m=2*k, де k – натуральне число. То
медіаною вважають величину
.
Модою статистичного
матеріалу назив той елемент цієї вибірки,
який найчастіше трапляється у ній. Моду
вибірки позначають
.
очевидно, що вибірка може мати кілька
мод.
Початкові емпіричні
моменти позначаються
k=
Якщо перший
емпіричний момент, то матимемо
1=
Відповідно, якщо
другий, то
2=
Центральний момент
Третій та четвертий моменти застосовуються при знаходженні коефіцієнта асиметрії та ексцесу.
Асиметрія:
Ексцес:
=
- 3
Якщо варіант
статистичного розподілу вибірки
симетрично розміщені щодо вибіркового
середнього
,
то в цьому випадку
=0,
оскільки
3
= 0.
При
<0
варіант статистичного розподілу
переважають, то таку асиметрію назив
додатною.
Дати визначення статистичної оцінки.
Статистичною оцінкою θ* невідомого параметра θ теоретичного розподілу називається його найближче значення, що залежить від вибірки. Статистична оцінка називається незсунутою, якщо математичне сподівання дорівнює самому параметру. Статистична оцінка називається зсунутою, якщо математичне сподівання не дорівнює параметру генеральної сукупності. θ* тим точніше визначає θ, чим менша абсолютна величина θ- θ*.