
- •1. Алгебра и σ-алгебра множеств, аксиомы теории вероятностей.
- •3) Если a1, a2, …An, … не пересекаются, то
- •2. Классическая и геометрическая вероятности. Определение (интерпретация аксиом), примеры.
- •3. Перестановки, размещения, сочетания. Вывод формул
- •4. Урновые схемы, вывод формул.
- •5. Теорема сложения вероятностей, доказательство для суммы двух и трёх событий.
- •6. Определение условной вероятности. Теорема умножения вероятностей, доказательство в общей формулировке.
- •Вопрос 11.
- •8. Теорема (формула Байеса) (теорема переоценки гипотез)
- •10. Полиномиальная схема, вывод формулы вероятности.
- •12) Теорема Пуассона в схеме Бернулли, доказательство
- •13. Теорема Пуассона в схеме Бернулли с доказательством.
- •14. Интегральная теорема Муавра-Лапласа, формулировка, пример использования – задача о поезде.
- •15. Интеграл Лапласа – функции ф и ф0, свойства функций с доказательствами.
- •16) Функция распределения одномерной случайной величины, определение, вывод свойств (включая формулу вероятности попадания в промежуток).
- •17. Функция распределения одномерной случайной величины, определение, доказательства свойств (включая формулу вероятности попадания в промежуток).
- •1) Область определения f(X) - интервал
- •5) F(X)- неубывающая функция.
- •18. Дисперсия и среднеквадратическое отклонение случайной величины, формула для дискретного распределения, доказательство свойств дисперсии.
- •19. Биномиальное распределение. Формула вероятности, интерпретация, математическое ожидание с выводом, дисперсия.
- •20) Гипергеометрическое распределение. Формула вероятности, интерпретация, математическое ожидание, дисперсия.
- •21. Гипергеометрическое распределение. Формула вероятности, интерпретация, пример, математическое ожидание, дисперсия.
- •22. Распределение Пуассона. Формула вероятности, интерпретация, математическое ожидание с выводом, дисперсия.
- •25. Двумерная дискретная случайная величина, вид закона распределения, условие нормировки, распределения составляющих величин, пример.
- •26. Математическое ожидание, дисперсия, среднеквадратическое отклонение для непрерывной случайной величины, свойства числовых характеристик.
- •27. Числовые характеристики случайной величины (мода, медиана, квантили, моменты).
- •30. Нормальное непрерывное распределение, функция распределения и плотность, математическое ожидание и дисперсия, вероятность попадания в интервал, правило трех сигм.
- •31. Функция случайного аргумента. Закон распределения для дискретной случайной величины, вывод формулы для плотности непрерывной случайной величины.
- •32) Двумерная случайная величина, функция распределения и ее свойства.
- •32. Функция случайного аргумента. Закон распределения для дискретной случайной величины, вывод формулы для плотности непрерывной случайной величины.
- •34. Числовые характеристики двумерной случайной величины: моменты, ковариация, коэффициент корреляции. Свойства (теоремы) для математического ожидания и дисперсии.
- •35. Вывод уравнения среднеквадратической регрессии.
- •37. Сходимость по вероятности, теорема Чебышёва, центральная предельная теорема.
- •38. Анализ выборки: вариационный ряд, полигон, гистограмма, эмпирический закон и функция распределения.
- •39. Точечные оценки параметров распределения, выборочное среднее, выборочная дисперсия, исправленная дисперсия, метод моментов.
- •40) Интервальные оценки, доверительный интервал, вывод доверительного интервала для параметра a нормальной случайной величины нормального распределения при известном σ
- •41. Вывод выборочного уравнения прямой линии регрессии.
- •42. Проверка статистических гипотез, гипотеза о виде распределения, χ2-критерий Пирсона.
12) Теорема Пуассона в схеме Бернулли, доказательство
Теорема
15 (теорема
Пуассона(1)). Пусть
и
так,
что
.
Тогда для любого
вероятность
получить
успехов
в
испытаниях
схемы Бернулли с вероятностью
успеха
стремится
к величине
:
Доказательство. Положим
.
Тогда
и
|
(8) |
В
соотношении (8) мы
воспользовались тем, что
и
замечательным пределом
.
13. Теорема Пуассона в схеме Бернулли с доказательством.
Пусть и так, что . Тогда для любого вероятность получить успехов в испытаниях схемы Бернулли с вероятностью успеха стремится к величине :
Доказательство. Положим . Тогда и
|
(8) |
В соотношении (8) мы воспользовались тем, что и замечательным пределом . Докажем последнее свойство:
14. Интегральная теорема Муавра-Лапласа, формулировка, пример использования – задача о поезде.
Интегральная формула Муавра - Лапласа
Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события А равна р ( 0<p<1 ) , событие А наступит не менее m1 раз и не более m2 раз, приближенно равна:
Пример . Вероятность ошибки в каждом из ста счетов равна 0,2.Найти
вероятность того, что ошибки имеются в 20 счетах;
вероятность того, что число счетов с ошибками заключено между
числами m1=20 и m2=30.
Решение.
n=100, m=20, p=0,2, q=0,8, npq=1000,20,8=16
15. Интеграл Лапласа – функции ф и ф0, свойства функций с доказательствами.
Интегральная формула Муавра - Лапласа
В ероятность того, что в n независимых испытаниях, в каждом из которых вероятность появления события А равна р ( 0<p<1 ) , событие А наступит не менее m1 раз и не более m2 раз, приближенно равна:
Свойства
функции Ф(x),
Φ0(x) 1)
2) 3)
4)
5)
График.
Определение
функций Ф(x),
Φ0(x)
.
,
нечетная функция.
только возрастают.
Пример. Вероятность ошибки в каждом из ста счетов равна 0,2.Найти
вероятность того, что ошибки имеются в 20 счетах;
вероятность того, что число счетов с ошибками заключено между
числами m1=20 и m2=30.
Решение.
n=100, m=20, p=0,2, q=0,8, npq=1000,20,8=16
Пример. Задача о поезде.
В поселке 2500 жителей. Каждый из них примерно 6 раз в месяц ездит на поезде в город, выбирая дни поездок по случайным мотивам независимо от остальных. Какой наименьшей вместимостью должен обладать поезд, чтобы он переполнялся в среднем не чаще одного раза в 100 дней (поезд ходит один раз в сутки).
16) Функция распределения одномерной случайной величины, определение, вывод свойств (включая формулу вероятности попадания в промежуток).
Случайной величиной ξ в данном опыте называется переменная величина, которая в результате испытания примет одно из своих возможных значений, но какое именно до проведения опыта неизвестно.
Спектр - совокупность всех возможных значений случайной величины.
Дискретный спектр - все возможные значения случайной величины образуют конечную или бесконечную последовательность.
Непрерывный спектр - все значения случайной величины заполняют сплошь некоторый промежуток.
Функцией распределения F(x) случайной величины ξ называется вероятность того, что случайная величина ξ в результате испытания примет значение, меньшее х, т.е.
F(x)=P(ξ<x).
Свойства F(x):
1) область определения F(x) - интервал (-бескон; +бескон))
2) 0 < F(x) £ 1,
3) F(-¥)=0, т.к. P(ξ<- ¥)=P(Q)=0,
4) F(+¥)=1, т.к. P(ξ<+ ¥)=P(W)=1,
5) F(x)- неубывающая функция.
Будем считать, что F(x) непрерывна слева
Вероятность попадания случайной величины в промежуток и в точку
О
сновное
свойство функции распределения
Р(a£ξ<b)=F(b)-F(a).
Вероятность попадания случайной величины в заданный интервал равна разности значений функции распределения в концах интервала