
- •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
Означення багатовимірної випадкової величини.
Одночасна поява внаслідок проведення експерименту n випадкових величин (X1, X2, …, Xn) з певною ймовірністю являє собою n-вимірну випадкову величину, яку називають також системою n випадкових величин.
Означення закону розподілу багатовимірної випадкової величини.
Законом розподілу двох дискретних випадкових величин називають перелік можливих значень Y = yi , X = xj та відповідних їм імовірностей спільної появи.
У табличній формі цей закон має такий вигляд:
Y = yi |
x1 |
x2 |
x3 |
… |
xm |
pyi |
y1 |
p11 |
p12 |
p13 |
|
p1m |
py1 |
y2 |
p21 |
p22 |
p23 |
|
p2m |
py2 |
y3 |
p31 |
p32 |
p33 |
|
p3m |
py3 |
… |
… |
… |
… |
… |
… |
… |
yk |
pk1 |
pk2 |
pk3 |
… |
pkm |
pym |
pxj |
px1 |
px2 |
px3 |
… |
pxm |
|
Тут використано
такі позначення
Умова
нормування має такий вигляд:
Основні числові характеристики для системи двох дискретних випадкових величин.
Коефіцієнт кореляції та його властивості.
Під час вивчення
системи двох і більше випадкових величин
доводиться з’ясовувати наявність
зв’язку між цими величинами та його
характер. З відповідною метою застосовують
так званий кореляційний
момент:
У разі Κху = 0 зв’язок між величинами Х та Y, що належать системі (Х, Y), відсутній. Коли Κху 0, то між відповідними Х і Y кореляційний зв’язок існує.
Тісноту кореляційного зв’язку характеризує коефіцієнт кореляції:
,
або
.
Отже, якщо випадкові величини Х та Y є незалежними, то Κху = 0 і rху = 0. Рівність нулеві rху є необхідною, але не достатньою умовою незалежності випадкових величин.
Дві випадкові величини Х і Y називають некорельованими, якщо rху = 0, і корельованими, якщо rху 0.
Функція розподілу ймовірностей та щільність ймовірностей системи
Двовимірний нормальний закон розподілу.
Щільність імовірностей для нормального закону на площині має вигляд
.
Тут exp (z)
= e
–
z, де
;
ax
= M(Х),
Якщо rxy = 0, то щільність імовірностей набере такого вигляду:
У цьому випадку
Якщо ах
= ау
= 0, то
У результаті перетину поверхні площинами, паралельними координатній площині хОу, і проектування перерізів на цю площину утворюється множина подібних і однаково розташованих еліпсів зі спільним центром на початку координат. Кожний такий еліпс — геометричне місце точок, де f (x, y) є величиною сталою. Тому еліпси називають еліпсами рівних щільностей. Перетинаючи поверхні такими площинами і проектуючи ці перерізи на координатну площину хОу, дістаємо множину кіл.
Імовірність потрапляння (Х, Y) у прямокутну область а < x < b, c < y < d, коли Kxy = 0:
.