
- •2. Классификация измерений и погрешностей измерений.
- •3. Формы представления погрешностей. Свойства случайных погрешностей.
- •4. Основные понятия теории вероятностей. Геометрическая вероятность.
- •5. Основные формулы комбинаторики. Примеры использования
- •6. Теорема сложения вероятностей и ее следствия
- •8.Формула полной вероятности. Формула Бейеса
- •9. Формула Бернулли. Примеры использования.
- •10.Дискретные и непрерывные случайные величины и их характеристики.
- •12. Свойства плотности и функции распределения вероятностей
- •13.Начальные и центральные моменты для дискретных и непрерывных случайных величин.
- •15. Закон больших чисел и центральная предельная теорема
- •17 Точечные и интервальные оценки.
- •18.Понятие доброкачественной оценки
- •19. Методы получения доброкачественных оценок. Метод максимального правдоподобия.
- •20. Равномерный закон распределения случайных величин
- •21. Биномиальный закон распределения
- •22. Локальная и интегральная теоремы Лапласа
- •23. Нормальный закон распределения случайных величин. M(X), d(X), σ.
- •24. Показательное (экспоненциальное) распределение. M(X), d(X), σ
- •26.Распределение Стьюдента
- •27. Распределение хи-квадрат. M(X), d(X), σ
- •28. Гамма распределение
- •29. Мешающие параметры, необходимость их выявления. Критерии Аббе и Граббса
- •30. Приближённые методы исследования ряда случайных величин на соответствие закону распределения.
- •31.Характеристики формы, их вычисление и суть
- •32. Графический критерий исследования ряда погрешностей на соответствие нормальному закону распределения
- •33. . Точные критерии исследования ряда случайных величин. Критерии Пирсона и Колмогорова.
- •34.Основные методы наименьших квадратов. Способы составления систем нормальных уравнений. Метод наименьших квадратов
- •35.Линейная и квадратичная аппроксимация. Построение линий тренда.
- •37.Полиномиальные преобразования при помощи функции нескольких переменных
- •38 . Оценка точности в методе наименьших квадратов.
- •39. Понятие веса. Классическая обработка неравноточных измерений
- •40.Классическая обработка равноточных измерений. Задача эталонирования
- •41.Выявление мешающих параметров непараметрическими методами. Критерий Хэмпэла
- •44.Адаптивная оценка Хогга. Два способа вычисления индикатора k
- •45.Выявление эффектов гетероскедастичности
- •46. Методы выявления систематического влияния. Критерии серий.
- •47. Методы выявления эффектов автокорреляции. Критерий Дарбина-Уотсона.
- •48. Второй центральный смешанный момент (ковариация).
- •49. Парные, частные и множественные коэффициенты корреляции
- •50. Выявление значимости связей.
- •51. Коэффициент достоверности аппроксимации. Оценка надёжности по критерию Фишера.
- •52. Понятие экстраполяции (прогнозирование результатов измерений)
- •53. Фундаментальная теорема переноса ошибок имеет вид:
- •54. Оценка точности функций зависимых результатов измерений.
5. Основные формулы комбинаторики. Примеры использования
Перестановки. Пусть имеется n различных объектов. Будем переставлять их всеми возможными способами (число объектов остается неизменными, меняется только их порядок). Получившиеся комбинации называются перестановками, а их число равно Pn=n!=1⋅2⋅3⋅...⋅(n−1)⋅n
Символ n! называется факториалом и обозначает произведение всех целых чисел от 1до n. По определению, считают, что 0!=1, 1!=0
С ростом числа объектов количество перестановок очень быстро растет и изображать их наглядно становится затруднительно. Например, число перестановок из 10 предметов - уже 3628800 (больше 3 миллионов!).
Размещения. Пусть имеется n различных объектов. Будем выбирать из них m объектов и переставлять всеми возможными способами между собой (то есть меняется и состав выбранных объектов, и их порядок). Получившиеся комбинации называются размещениями из n объектов по m, а их число равно
Amn =n!/(n−m)!=n⋅(n−1)⋅...⋅(n−m+1)
Сочетания. Пусть имеется n различных объектов. Будем выбирать из них m объектов все возможными способами (то есть меняется состав выбранных объектов, но порядок не важен). Получившиеся комбинации называются сочетаниями из n объектов по m, а их число равно
Cmn =n!/(n−m)!⋅m!
Ясно, что сочетаний всегда меньше чем размещений (так как при размещениях порядок важен, а для сочетаний - нет), причем именно в m!m! раз, то есть верна формула связи:
Amn =Cmn⋅Pm
6. Теорема сложения вероятностей и ее следствия
Теорема сложения вероятностей формулируется следующим образом.
Вероятность суммы двух несовместимых событий равна сумме вероятностей этих событий:
.
(3.2.1)Доказательства для схемы случаев.
Пусть возможные исходы опыта сводятся
к совокупности случаев, которые мы для
наглядности изобразим в виде n точек:
Предположим,
что из этих случаев благоприятны
событию
,
а
–
событию
.
Тогда
Так
как события
и
несовместимы,
то нет таких случаев, которые благоприятны
и
,
и
вместе.
Следовательно, событию
благоприятны
случаев
и
Подставляя
полученные выражения в формулу (3.2.1),
получим тождество.
Теорема доказана.
Теорема
на случай трех событий. Обозначая
событие буквой
,
и присоединяя к сумме еще одно событие
,
доказываем, что
методом полной индукции обобщаем теорему сложения на произвольное число несовместных событий. Предположим, что она справедлива для n событий:
и
докажем, что она будет справедлива
для
событий:
Обозначим:
Имеем:
.
Но т.к. для n событий мы считаем теорему уже доказанной, то
,
,что
и требовалось доказать.
Таким образом, теорема сложения вероятностей применима к любому числу несовместных событий и имеет вид:
.
(3.2.2)Следствие
1.
Если события
образуют
полную группу несовместных событий, то
сумма их вероятностей равна
единице:
.Доказательство.
Так как события
образуют
полную группу, то появление хотя бы
одного из них – достоверное событие:
.Так
как
-
несовместные события, то к ним применима
теорема сложения вероятностей
,откуда
,что
и требовалось доказать.
Следствие 2. Сумма вероятностей противоположных событий равна единице:
.Это
следствие есть частный случай следствия
1.
7.теорема умножения вероятностей . условная вероятность .Следствия из теоремы. Вероятность произведения двух событий равна произведению вероятностей одного из них на условную вероятность другого, вычисленную при условии, что первое имело место.
Событие
называетсянезависимым
от события
,
если вероятность события
не
зависит от того, произошло событие
или
нет. Событие
называетсязависимым
от события
,
если вероятность события
меняется
в зависимости от того, произошло событие
или
нет. Вероятность события
,
вычисленная при условии, что имело место
другое событие
,
называетсяусловной
вероятностью события
и
обозначается
.
Условие независимости события
от
события
можно
записать в виде:
а
условие зависимости - в виде:
Следствие
1.
Если событие
не
зависит от события
,
то и событие
не
зависит от события
.
Следствие
2.
Вероятность произведения двух независимых
событий равна произведению вероятностей
этих событий:
Теорема умножения вероятностей может быть обобщена на случай произвольного числа событий. В общем виде она формулируется так.
Вероятность
произведения нескольких событий равна
произведению вероятностей этих событий,
причем вероятность каждого следующего
по порядку события вычисляется при
условии, что все предыдущие имели место:
В случае независимых событий теорема упрощается и принимает вид:
то есть вероятность произведения независимых событий равна произведению вероятностей этих событий: