- •1.Поняття «випробув. Та «подія». Класифікація подій.
- •2. Елементи комбінаторики.
- •3. Класичне означення ймовірності.
- •5.Залежні та незалежні події.
- •6.Умовна ймовірність.
- •7.Алгебра подій
- •8. Формула повної ймовірності
- •10. Формули для обчислення ймовірності відбування події при повторних незалежних випробуваннях: Бернуллі ,Пуассона, локальна та інтегральна теореми Лапласа.
- •12. Характеристики дискретної випадкової величини та їх властивості: математичне сподівання, дисперсія, середнє квадратичне відхилення.
- •13. Неперервна випадкова величина та її характеристики: інтегральна та диференціальна функції розподілу, математичне сподівання, дисперсія, середнє квадратичне відхилення.
- •14. Нормальний закон розподілу випадкової величини.
- •15. Ймовірність влучення нормально розподіленої випадкової величини в проміжок.
- •22 Поняття крапкових та інтервальних статистичних оцінок. Вимоги,що висуваються до крапкових оцінок. Поняття незміщених, ефективних та змістовних оцінок.
- •16. Правило 3 сігм для нормального закону розподілу.
- •18. Побудова інтервального варіаційного ряду. Графічне зображення інтервального ряду: полігон розподілу частот , гістограма.
- •17. Побудова звичайного варіаційного ряду. Графічне зображення звичайного варіаційного ряду - полігон розподілу частот.
- •23. Інтервальні оцінки генеральних середних та дисперсій. Поняття довірчих інтервалів та довірчої ймовірності.
- •24. Статистичні гіпотези та їх класифікація: нульові, альтернативні,прості, складні. Загальна схема перевірки статистичних гіпотез.
- •27.Поняття про одно факторний дисперсійний аналіз. Яка величина назив.Показником дисперсії фактора.
8. Формула повної ймовірності
Припустимо, що в результатідосвідуможевідбутися одна з n подій
P1, ...,Pn, якізадовольняютьнаступнимдвомумовам:
1) вониє попарно несумісними, тобтоPiPj = ∅ при i ≠ j;
2) хоча б одна з них обов’язково повинна відбутися в результаті
досліду, іншими словами, їхоб’єднання є достовірнаподія, тобто
P1 ∪ . . . ∪Pn = Ω.
Формулаповноїймовірності, недивлячисьнаїїпростоту, відіграє
доситьважливу роль у теоріїймовірностей
P(A)=P(B1)PB1(A)+P(B2)PB2(A)
Позначемо через А подію,щонавманнявибирають .Цеможестатися з першоїподії(відбуласяподія В1)або-другої (В2).
9.Формула Байєса.
PA(Bi)=P(Bi)PB(A)/P(Bi)PBi(A)=P(Bi)PBi(A)/P(A)
Для доведенняформулипотрібнодвічіскористуватисяформулою
множеннязалежнихподій.Формула названа іменем
англійського математика,який вперше вивів у 1764р.
PBi(A)=P(B2)PB2(A)/P(B1)PB1(A)+P(B2)PB2(A).
10. Формули для обчислення ймовірності відбування події при повторних незалежних випробуваннях: Бернуллі ,Пуассона, локальна та інтегральна теореми Лапласа.
Випадкові події:
-подія , назив. несумісними якщо при відбуванні однієї з подій не можливе відбув. ніякої іншої.
-події ,, назив. єдино можливими, якщо при випробуванні обов’язково відбув. одна з них і ніяка інша, яка відноситься до іншої групи.
-подія ,… назив. рівно можливими, якщо при випробуванні жодна з них не є між можливою ніж інша.
-дві події А і Ā назив. протилежними, якщо вони єдино можливі і несумісні.
-події ,…А скл. повну групу подій, якщо вони єдино можливі і несумісні.
В теорії ймовірності, формула Бернуллі дозволяє обчислити ймовірність успіхів у серії незалежних експериментів.
Якщо ймовірність P настання події A в кожному з випробувань стала, то ймовірність Pn(k) того, що подія A настане k разів в n незалежних випробуваннях дорівнює
Формула Бернулли удобна для вычислений лишь при сравнительно небольшом числе испытаний . При больших значениях пользоваться этой формулой неудобно. Чаще всего в этих случаях используют формулу Пуассона. Эта формула определяется теоремой Пуассона. Теорема. Если вероятность наступления события в каждом испытании постоянна и мала, а число независимых испытаний достаточно велико, то вероятность наступления события ровно раз приближенно равна
, где .
Локальна теорема Лапласа. Ймовірність того, що в n незалежних випробуваннях, в кожному з яких ймовірність появи події дорівнює р(0 < р < 1), подія настане рівно k разів (байдуже, в якій послідовності), приблизно дорівнює (тим точніше, чим більше n)
Для визначення значень φ(x) можна скористатися спеціальною таблицею.
Інтегральна теорема Лапласа. Ймовірність того, що в n незалежних випробуваннях, в кожному з яких ймовірність появи події дорівнює р (0 < р < 1), подія настане не менш k1 раз і не більше k2 раз, приблизно дорівнює
P(k1;k2)=Φ(x") - Φ(x')
Тут
-функция Лапласа
11. Поняття дискретної випадкової величини. Закон розподілу дискретної випадкової величини. Функція розподілу.
Величина назив. випадковою, якщо в результаті випробування вона приймає одне наперед невідоме значення з множини своїх значень.
Випадкова величина назив. дискретною, якщо її значення можна перелічити.
Нехай випадкова величина Х набувае своє значення з множини (, …,)
Законом розподілу ДВВ назив. співвідношення, яке встановлює зв'язок із всіма можливими значеннями ДВВ і відповідає їм ймовір.
Х |
,… |
Р |
,… |
Функцію розподілу ДВВ назив. ймовірність того що випадкова величина Х прийме значення менше певного Х.
Основний закон розподілу ДВВ:
Біномінальний закон розподілу має вип.. величина, якщо:
-проводиться n повторних незалежних випробувань
- m- це кількість випробувань в яких подія відбулася
-в кожному з випробувань подія відбувається з ймовірністю p і не відбувається з ймовірністю q, тоді ймовірність того що при n випробувань подія відбудеться рівно m разів обчисл. за формулою Бернуллі: = ; - комбінації.