
- •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
Емпіричні та теоретичні частоти.
Для перевірки гіпотези про закон розподілу необхідно мати значення емпіричних та теоретичних частот. Емпіричними назив частоти, які спостерігаються при реалізації вибірки, а теоретичні – це частоти, які обчислюють за формами припущень висунутих гіпотез про закон розподілу.
Критерії узгодження Пірсона та Колмогорова.
Критерій Пірсона:
застосовується
не тільки для перевірки інших законів
розподілу. Цей критерій не доводить
справедливості гіпотези, а встановлює
на прийнятому рівні значущості її
узгодження або неузгодження з даним
спостереженням.
Правило Пірсона:
При заданому рівні значущості
перевірити
:
генеральна сукупність має нормальний
закон розподілу.
Обчислити теоретичні частоти
для варіант вибірки
,
де
= Р(х=
),
, де h- довжина часткового інтервалу.
Обчислити спостережне значення
K= S – 1 – r, де S – кількість інтервалів вибірки;
r – кількість параметрів закону розподілу.
Знайти з таблиці критичні точки
, яка залежить від рівня значущості і ступеня свободи.
Порівняти і
і зробити висновки.
Якщо < , то гіпотезу про нормальний закон розподілу слід прийняти.
Якщо > , то гіпотезу слід відхилити.
У статистиці критерій узгодженості Колмогорова (також відомий, як критерій узгодженості Колмогорова — Смирнова) використовується для того, щоб визначити, чи підкоряються два емпіричних розподіли одному закону, або визначити, чи підкоряється одержаний розподіл деякій моделі.
Критерій Колмогорова
заснований на визначенні максимальної
розбіжності між накопиченими частотами
і частості емпіричних і теоретичних
розподілів:
або,
де D і d - відповідно максимальна різниця між накопиченими частотами і накопиченими частості емпіричного і теоретичного рядів розподілів;
N - число одиниць сукупності.
Розрахувавши значення l, за таблицею Р (l) визначають ймовірність, з якою можна стверджувати, що відхилення емпіричних частот від теоретичних випадкові. Ймовірність Р (l) може змінюватися від 0 до 1. При Р (l) = 1 відбувається повний збіг частот, Р (l) = 0 - повна розбіжність. Якщо l приймає значення до 0,3, то Р (l) = 1.
Основна умова використання критерію Колмогорова - досить велике число спостережень.
Див 72
Помилки першого та другого роду.
При перевірці статистичної гіпотези за даними вибірки можна зробити хибний висновок (похибки 1 та 2 роду).
Якщо неправильна гіпотеза відкинута , то це похибка 1 роду.
Якщо неправильна гіпотеза буде прийнята, то це похибка 2 роду.
Імовірність
здійснити похибку першого роду назив
рівнем значущості
,
задається наперед і в більшості випадків
= 0,05,
Імовірність
здійснити похибку другого роду
позначається
- прийняти неправильну гіпотезу.
Імовірність (1 –
)
– не допустити похибку другого роду.
Тобто відкинути неправильну гіпотезу
назив потужністю критерію.