- •1. Случайный эксперимент. Пространство элементарных событий. Случайные события и операции над ними.
- •2. Классическое определение вероятности (ков). Урновая схема. Пример.
- •3. Геометрическое определение вероятности. Пример.
- •4. Аксиоматическое определение вероятности. Вероятностное пространство. Свойства вероятности.
- •5. Условная вероятность и ее свойства. Правило и теорема умножения вероятностей.
- •6. Независимость событий. Свойства независимых событий. Независимость в совокупности.
- •7. Формулы полной вероятности и Байеса. Пример.
- •8. Схема независимых испытаний Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •9. Понятие случайной величины (св). Функция распределения св и ее свойства.
- •10. Дискретные св. Закон распределения (зр) дискретной св.
- •11. Важнейшие дискретные св.
- •12. Непрерывные св. Плотность вероятностей и ее свойства.
- •13. Важнейшие непрерывные св.
- •14. Математическое ожидание дискретных и непрерывных св.
- •15. Основная теорема о мо. Свойства мо.
- •16. Моменты, дисперсия и среднеквадратическое отклонение св. Свойства дисперсии.
- •17. Числовые Характеристики важнейших св.
- •18. Случайные векторы. Функция распределения случайного вектора и ее свойства.
- •19. Дискретные случайные векторы. Закон распределения дискретного случайного вектора.
- •20. Непрерывные случайные векторы. Плотность вероятностей случайного вектора и ее свойства.
- •21. Равномерное распределение в области на плоскости. Равномерные распределения в прямоугольнике и в круге.
- •22. Независимость случайных величин. Условия независимости. Независимость в совокупности.
- •23. Условные законы распределения. Условная плотность вероятностей и ее свойства. Условные числовые характеристики.
- •24. Числовые характеристики случайных векторов. Корреляционная матрица и ее свойства. Понятие о моментах случайных векторов.
- •Понятие о моментах
- •25. Теоремы о числовых характеристиках.
- •26. Некоррелированные св. Связь между некоррелированностью и независимостью. Пример.
- •27. Коэффициент корреляции, его свойства и вероятностный смысл.
- •28. Многомерное нормальное распределение и его свойства.
- •29. Функции от св и их законы распределения.
- •Функции случайных аргументов
- •Функции от случайных величин
- •Функции от случайных векторов
- •30. Закон распределения суммы св. Композиция (свертка) законов распределения. Пример.
- •31. Неравенство Чебышева. Виды сходимости последовательностей св и связь между ними.
- •Неравенство Чебышева
- •Виды сходимости последовательностей с.В. И связи между ними.
- •32. Закон больших чисел (збч) для последовательностей св. Теоремы Маркова и Чебышева.
- •33. Збч для последовательностей независимых одинаково распределенных св. Задача об измерениях. Теорема Бернулли и ее применение.
- •34. Характеристическая функция св и ее свойства.
- •Свойства хф.
- •35. Характеристические функции важнейших св. Устойчивость нормального закона распределения.
- •Характеристические функции случайных векторов
- •36. Сходимость распределений (слабая сходимость) и ее связь со сходимостью по вероятности. Теорема непрерывности.
- •37. Центральная предельная теорема (цпт) для независимых одинаково распределенных св. Интегральная теорема Муавра-Лапласа.
- •38. Цпт для независимых разнораспределенных св: теоремы Линдеберга и Ляпунова. Смысл условия Линдеберга. Асимптотическая нормальность.
- •39. Теорема Хинчина. Понятие об усиленном збч.
- •40. Статистическая модель. Генеральная совокупность (гс), выборка, объем выборки. Простейшие способы представления статистических данных.
- •Способы представления статистических данных
- •41. Эмпирическая функция распределения и ее свойства.
- •42. Гистограмма и полигон частот.
- •Интервальный статистический ряд.
- •Вероятностный смысл гистограммы
- •43. Выборочные (эмпирические) числовые характеристики. Выборочное среднее и выборочная дисперсия.
- •44. Точечные оценки неизвестных параметров распределений. Требования, предъявляемые к точечным оценкам.
- •Точечные оценки неизвестных параметров распределения.
- •45. Свойства выборочного среднего и выборочной дисперсии как точечных оценок мо и дисперсии соответственно.
- •46. Метод моментов получения точечных оценок. Свойства оценок, найденных по методу моментов. Пример.
- •Метод моментов.
- •47. Метод максимального правдоподобия. Свойства оценок максимального правдоподобия. Пример.
- •48. Интервальные оценки неизвестных параметров распределений. Доверительные интервалы (ди) для мо нормально распределенной гс (при известной и неизвестной дисперсии).
- •49. Ди для дисперсии нормально распределенной гс (при известном и неизвестном мо).
- •50. Асимптотические ди для мо и дисперсии произвольно распределенной гс.
- •51. Критерий хи-квадрат Пирсона для проверки простой гипотезы о виде распределения.
- •52. Критерий хи-квадрат Пирсона для проверки сложной гипотезы о виде распределения.
- •53. Критерий хи-квадрат Пирсона для проверки гипотезы независимости.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
1. Случайный эксперимент. Пространство элементарных событий. Случайные события и операции над ними.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
Эксперимент результат которого может измениться при сохранении условий проведения и непредсказуемым образом называется случайным экспериментом(СЭ).
Всякий факт, который может произойти в результате случайного эксперимента, называется случайным событием (явлением) (СЯ).
Примеры:
СЭ являются: подбрасывание монеты,
игральной кости, 2-х монет, подбрасывание
монеты до выпадения герба, стрельба по
мишени (исход – попадание в точку
,
т.о. множество его исходов не счетное).
1. СЯ, рассматриваемые в ТВ, могут наблюдаться неограниченное число раз, притом в неизменных условиях.
2. СЯ должны обладать свойством статистической устойчивости частот.
ОпрМножество
всех возможных взаимоисключающих
исходов СЭ называетсяпространством
элементарных событий. Элементы
множества
называются элементарными событиями и
обозначаются
.
ОпрПодмножества
называютсяслучайными событиями(СС) и обозначаются
.
Говорят, что в результате эксперимента
произошло событие
,
если в эксперименте произошел один из
элементарных исходов, входящих в
.
Введем операции над СС:
Сумма
- состоит из всех элементарных исходов
или
.Произведение
- состоит из всех элементарных исходов
и
и
.
Операции суммы и произведения обобщаются на любое конечное или счетное число событий:
- сумма;
- произведение.
Разность

Противоположное событие

- достоверное событие (происходит всегда
в результате эксперимента). Событие
не содержит ни одного элементарного
исхода и называется невозможным.
Говорят,
что событие
влечет
(или
следует из
)
,
если все элементарные исходы
событию
.
События
(равносильны), если
и
.
События
и
,
которые не могут произойти одновременно,
т.е.
называютсянесовместными.
Говорят,
что события
образуют полную группу событий (ПГС),
если они попарно несовместны (т.е.
)
и
.
Свойства операций над событиями:
Коммутативность:
.Ассоциативность:
.Дистрибутивность:
.
.
.
.
.
- з-ны де Моргана.
,
то
.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
2. Классическое определение вероятности (ков). Урновая схема. Пример.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
Говорят, что СЭ удовлетворяет КОВ, если:
1.

2. Исходы случайного эксперимента равновозможные.
Исходы можно считать равновозможными, если они обладают свойством симметричности относительно условий проведения экспериментов (т.е. ни один исход не имеет предпочтение перед другим).
Пусть
и
- благоприятствующее событие и
.
Согласно КОВ, за
принимают отношение числа исходов,
благоприятствующих
к общему числу исходов:
.
Свойства, вытекающие из классического определения вероятности:
1.
;
2.
- условие нормировки;
3.
;
.
4.
т.к.
.
5.
из свойства 4 (
).
6.
.
.
Покажем несовместность событий
и
:
.
Тогда
.
7.
т.к.
и свойство 6.
Рассмотрим
урновую схему: В урне содержится
шаров, из которых
- белых. Наугад из урны извлекается
шаров. Какова вероятность того, что
среди них окажется ровно
белых?

шаров. Общее число исходов
.
Число благоприятных исходов:
.

.
Пример: В партии из 100 деталей содержится 5 бракованных. Для контроля наугад отбирают 10 деталей. Какова вероятность того, что среди них окажется хотя бы 1 бракованная.
Решение:
Рассмотрим событие
,
тогда
и
.
Получим
.
\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\\
