
- •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
86) Ймовірність переходу за n кроків.
Нехай маємо однорідний ланцюг Маркова з матрицею ймовірностей переходу P. Позначимо:
Оскільки ланцюг Маркова є однорідним то дане означення не залежить від n. Тоді виконується рівність
де
—
елемент i-го
рядка і j-го
стовпчика матриці Pk.
87) Замкнуті множини станів.
За́мкнута множина́ — підмножина простору доповнення до якої відкрита.
Означення
Нехай
дано топологічний
простір . Множина
називаєтся замкнутою відносно
топології
,
якщо існує відкрита
множина
така
що
Властивості
Із аксіом означення топології випливає:
перетин будь-якого набору замкнутих множин є замкнутою множиною
об'єднання скінченної кількості замкнутих множин є замкнутою множиною
88) Класифікація станів. Неповоротний стан.
Класифікація станів:
1. Ергодичний стан
Нехай
задано простір станів марковського
процесу
і певну
підмножину станів
при цьому
буде доповненням до А.
Якщо з кожного
стану
підмножини А
можна перейти до будь-якого стану
і при цьому до стану
процес не зможе перейти ні з одного зі
станів, які належать підмножині А,
то в цьому разі А
називають ергодичною
множиною,
або множиною
ергодичного стану процесу.
Одного разу потрапивши до ергодичної
множини, процес ніколи не зможе залишити
її, і з цього моменту часу переміщуватиметься
лише серед тих станів, які належать
ергодичній множині А.
Отже, ергодичний стан є елементом ергодичної множини.
2. Нестійкі стани
Нехай задано
простір станів випадкового процесу
а також
.
Тоді, якщо будь-який стан підмножини А
може бути досягнений із будь-якого
іншого стану цієї самої під-
множини
і при цьому існує хоча б один стан
,
із якого процес може перейти до стану
то підмножину станів А
називають нестійкою.
Нестійкий стан є елементом нестійкої множини А.
3. Поглинальні стани
Якщо ергодична множина має лише один стан, то його називають поглинальним. Одного разу потрапивши до цього стану, процес у ньому залишається назавжди.
У загальному випадку марковський процес може мати одну, дві і більше ергодичних множин, але при цьому не мати нестійких множин.
89) Ергодична властивість неперіодичних ланцюгів. Стаціонарний розподіл.
Ергоди́чність — спеціальна властивість деяких (динамічних) систем, яка полягає в тому, що в процесі еволюції такої системи майже кожна точка її з певною ймовірністю проходить поблизу будь-якої іншої точки системи. Тоді при розрахунках час, який важко розраховувати, можна замінити фазовими (просторовими) показниками. Система, в якій фазові середні збігаються з часовими, називається ергодичною.
Перевага ергодичних динамічних систем полягає в тому, що при достатньому часу спостереження такі системи можна описувати статистичними методами. Наприклад, температура газу — це міра середньої енергії молекули, ринкова ціна компанії — це міра похідних функцій від даних бухгалтерської звітності. Звісно, необхідно попередньо довести ергодичність даної системи.
Для ергодичних систем математичне сподівання по часових рядах має збігатися з математичним сподіванням по просторових рядах.
Для
однорідного ланцюга Маркова
вектор
називається стаціонарним
розподілом,
якщо сума його елементів
дорівнює
1 і виконується рівність
Нерозкладний ланцюг має стаціонарний розподіл тоді й лише тоді, коли всі його стани є позитивно рекурентними. В цьому випадку вектор є єдиним і виконується рівність: