
- •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
Формула множення ймовірностей для залежних та незалежних подій.
Для встановленні незалежності подій А і В, слід переконатися в рівності Р(В/А) = Р(В), Р(А/В) = Р(А), Р(АВ) = Р(А)*Р(В).
Формула знаходження ймовірності n незалежних випадкових подій А1, А2, …, Аn.
Р
= Р
(А1)
Р(А2
/ А1)
Р(А3
/ А1А2)
… Р(Аn
/ А1А2
… Аn–1).
Формула для обчислення появи хоча б однієї події .
Нехай події А1, А2, …, Аn – незалежні у сукупності, при чому ймовірність Р(А1) = р1, Р(А2) = р2, … Р(Аn) = рn. q1 = 1-p1, q2 = 1-p2, … qn = 1-pn.
q1, q2, … qn – ймовірність появи події, протилежні подіям А1, А2, …, Аn.
Нехай в результаті досвіду можуть наступити всі події, або частина, або жодна з них. Ймовірність настання події А, яка полягає в настанні хоча б одної з подій Аі дорівнює різниці між 1 і добутком ймовірність протилежних подій Аі. Р(А) = 1- q1* q2*… qn. Зокрема, якщо всі n подій мають однакову ймовірність рі, то ймовірність Р(А) = 1-qn.
Формула повної ймовірності.
У
разі, коли випадкова подія А
може відбутися лише за умови, що
відбудеться одна з несумісних випадкових
подій Ві,
які утворюють повну групу і між собою
є попарно несумісними,
імовірність події А
обчислюється за формулою
,
яка називається формулою
повної ймовірності.
Випадкові події В1,
В2,
... Вn
називають гіпотезами.
Р
(А)
= Р
(В1)
Р
(А
/
В1)
+ Р
(В2)
Р
(А
/
В2)
+ … + Р
(Вn)
Р
(А
/
Вn).
Формули Байєса.
Ймовірність
настання Ві
при умові, що А відбулася дорівнює
.
Формула застосовується для переоцінювання
гіпотез Ві
за умови, що випадкова подія А здійсниться.
Означення експерименту за схемою Бернуллі.
Якщо кожний експеримент має лише два несумісні наслідки (події) зі сталими ймовірностями p і q, то їх називають експериментами за схемою Бернуллі. Позначають В (n; p), де n і p –параметри у схемі Бернуллі. У кожному експерименті випадкова подія з імовірністю p відбувається, а з імовірністю q — не відбувається, тобто p + q = 1.
Простір елементарних подій для одного експерименту містить дві елементарні події, а для n експериментів за схемою Бернуллі —2n елементарних подій.
Ймовірність настання події В дорівнює добутку ймовірностей настання події А.
P(B) = pm*(1-p)n-m = pm * qn-m
Формула Бернуллі для обчислення ймовірностей, умова використання. Наслідки.
Імовірність того, що в результаті n незалежних експериментів за схемою Бернуллі подія А з’явиться m раз, подається у вигляді
.
Імовірність того, що в результаті n незалежних експериментів подія А з’явиться від mі до mj раз, обчислюється так:
.
Оскільки
,
дістанемо
;
.
Найімовірніше число появ події в схемі Бернуллі.
Найімовірнішим
числом появи випадкової події А
в результаті n
незалежних
експериментів за схемою Бернуллі
називається таке число
m0,
для якого ймовірність Рn
(m0)
перевищує або в усякому разі є не меншою
за ймовірність кожного з решти можливих
наслідків експериментів.
.
Число m0
називають також модою.