- •1. Случайные события, их классификация. Понятие вероятности.
- •2. Алгебра случайных событий, диаграммы Вьенна-Эйлера.
- •3. Классическое определение вероятности. Комбинаторика.
- •4. Аксиоматическое построение теории вероятностей.
- •5. Теоремы о вероятности суммы событий.
- •6. Условная вероятность. Зависимые и независимые события. Теоремы о вероятности произведения событий.
- •7. Формула полной вероятности.
- •10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
- •11. Функция распределения дискретной случайной величины и ее свойства.
- •8. Формула Байеса.
- •9. Схема Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •12. Математическое ожидание дискретной случайной величины и ее свойства.
- •13. Дисперсия дискретной случайной величины и ее свойства.
- •14. Биноминальный закон распределения: ряд распределения и основные числовые характеристики.
- •15. Геометрический закон распределения.
- •16. Пуассоновский закон распределения: ряд распределения и основные числовые характеристики.
- •17. Непрерывная случайная величина. Функция распределения и функция плотности вероятности, их свойства.
- •18. Математическое ожидание и дисперсия непрерывной случайной величины и их свойства (без доказательства).
- •19. Начальные и центральные моменты.
- •20. Равномерный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •21. Показательный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •22. Поток событий. Простейший поток. Распределение промежутка времени между последовательными событиями простейшего потока. Свойство марковости показательного закона.
- •24. Нормальный закон распределения: функция плотности и функция распределения, основные числовые характеристики.
- •25. Функция Лапласа и ее свойства. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило «трех сигм».
- •26. Неравенство Чебышева. Понятие о законе больших чисел. Теорема Чебышева ( без док-ва). Теорема Бернулли (без док-ва).
- •27. Центральная предельная теорема ( без док-ва). Локальная и интегральная теоремы Муавра-Лапласа.
- •28. Двумерные случайные величины, формы задания закона распределения.
- •29. Характеристики двумерной случайной величины: математическое ожидание и дисперсия компонент.
- •30. Зависимость случайных величин. Корреляционный момент и коэффициент корреляции, их свойства.
- •31. Предмет математической статистики. Генеральная совокупность, выборка, ее свойства.
- •32. Статистический и интервальный ряды распределения.
- •33. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
- •34. Распределения χ2, t, f.
- •35. Свойства точечных оценок числовых характеристик и параметров распределения.
- •36. Точечная оценка математического ожидания и ее свойства.
- •37. Точечная оценка дисперсии, несмещенная оценка дисперсии.
- •38. Метод моментов. Метод максимального правдоподобия.
- •39. Интервальные оценки параметров распределения.
8. Формула Байеса.
РА(Вi) = Р(Вi) * РВi(A)/Р(А), где
Р(А) = ∑ Р(Н) * Р(А/Нi) – формула полной вероятности.
9. Схема Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
Пусть проводится конечное число n последовательных испытаний, в каждом из которых некоторое событие А может либо наступить (успех), либо не наступить (неудача), причем эти испытания удовлетворяют следующим условиям:
Каждое испытание случайно относительно события А .т.е. до проведения испытания нельзя сказать, появится А или нет;
Испытания проводятся в одинаковых с вероятностной точки зрения условиях, т.е. вероятность успеха в каждом отдельно взятом испытании равна р и не меняется от испытания к испытанию;
Испытания независимы, т.е. исход любого из них никак не влияет ни исходы других испытаний.
Такая последовательность испытаний называется схемой Бернулли или биноминальной схемой, а сами испытания – испытаниями Бернулли.
Для расчета вероятности Рn(к) того, что в серии из n испытаний Бернулли окажется ровно k успешных, применяется формула Бернулли
Рn(k) = Cnk * pk * (1-p)n-k (k = 0,1,2,…n).
10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
Х – случайная величина, которая принимает в каждом опыте одно значение из множества, которое заранее предугадать нельзя.
Случайная величина является числовой функцией (или вектором), определенной на пространстве элементарных событий Ω.
Случайная величина называется дискретной, если множество конечных значений конечно или счетно.
Законом распределения случайной величины называется любое соотношение, связывающее возможные значения этой случайной величины и соответствующие им вероятности.
Закон распределения дискретной случайной величины Х определен, если известны все Хn и вероятности Рn = Р(Х=Хn) такие, что Р1 + Р2 + Р3 + … = 1. Если составить таблицу, в верхней строке которой поместить значения дискретной случайной величины, а в нижней – соответствующие вероятности, то получим ряд распределения случайной величины. Сумма вероятностей записанных во второй строке должна быть равна 1.
Еще случайную дискретную величину можно задать и многоугольником распределения. Многоугольником дискретной случайной Х величины называется ломаная, соединяющая точки (хi;pi), расположенные в порядке возрастания.
11. Функция распределения дискретной случайной величины и ее свойства.
Функцией распределения случайной величины Х называется функция
FX(x) = P(X<x), x € R.
Под (X<x) понимается событие, состоящее в том, что случайная величина Х примет значение, меньшее, чем число х.
Если известно, о какой случайной величине идет речь, то индекс, обозначающий эту случайную величину, опускается: FX(x) = F(x).
Свойства:
для любого x € R: 0<= F(x) <=1;
F(-∞) = lim F(x)=0; F(+∞) = lim F(x)=1;
F(x) является неубывающей функцией, т.е.
для любых х1,х2 € R, таких, что х1<х2: F(x1) <=F(x2);
F(x) непрерывна слева, т.е.
для любого x € R: F(x) = F(x-0) = lim F(z).
