
- •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
Сформулювати локальну теорему Муавра-Лапласа.
Якщо ймовірність
появи випадкової події в кожному з n
незалежних експериментів є величиною
сталою і дорівнює
,
то для великих значень n
і m імовірність
того, що випадкова подія А
настане m
раз, подається такою асимптотичною
формулою:
,
де
^℮
називається функцією
Гаусса.
Функція Гаусса протабульована, де
.
Сформулювати інтегральну теорему Муавра-Лапласа.
Якщо ймовірність
появи випадкової події в кожному з n
незалежних експериментів є величиною
сталою і дорівнює
,
то для великих значень n
імовірність появи випадкової події від
mі
до mj
раз обчислюється за такою асимптотичною
формулою:
,
де
,
а
є функцією Лапласа.
Функція Гаусса та її властивості.
^℮ називається функцією Гаусса.
Функція Гаусса протабульована, де .
Властивості
функції Гаусса:
1)
визначена на всій осі абсцис;
;
2)
є функцією парною:
;
3)
;
4)
;
;
;
;
отже,
— максимум функції Гаусса; 5)
.
Таким чином, х1 = –1, х2 = 1 будуть точками перегину. При цьому
;
;
.
Функція Лапласа та її властивості.
є функцією Лапласа
Властивості функції Лапласа:
1. Ф(x) визначена на всій осі абсцис. 2. Ф(–x) = – Ф(x), отже, Ф(x) є непарною функцією.
3. Ф(0) = 0. 4.
,
оскільки
є інтегралом Пуассона.
5. Ф(–
,
як непарна функція. 6.
,
отже, Ф (х)
є функцією неспадною.
7. Ф"(0)
= 0;
Таким чином, x
= 0 є точкою перегину.
Формула Пуассона, умови її використання.
Точність асимптотичних
формул для великих значень n
— числа повторних незалежних експериментів
за схемою Бернуллі — знижується з
наближенням p
до нуля. Тому при
за умови np = a = const
імовірність появи випадкової події m
раз
обчислюється за такою асимптотичною
формулою:
,
яка називається формулою
Пуассона.
n велике, а р мале число – використовується для масових малоймовірних випадкових подій.
Означення випадкової величини, дискретної та неперервної випадкових величин.
Розглянемо такий
простір елементарних подій, в якому
кожній елементарній події
Ώ відповідає одне і лише одне число х
або набір
чисел
,
тобто на множині Ώ визначена певна
функція
,
яка кожній елементарній події
ставить у відповідність певний елемент
одновимірного простору R1
або n-вимірного
простору Rn.
Цю функцію називають випадковою
величиною.
Отже, величина називається випадковою, якщо внаслідок проведення експерименту під впливом випадкових факторів вона набуває того чи іншого можливого числового значення з певною ймовірністю.
Якщо існує скінчена або злічена множена значень, то таку величину називають дискретною. Якщо кількість можливих значень є нескінченною і задати її за допомогою ряду розподілу неможливо, то величина неперервна.