- •2. Основные понятия теории вероятностей : Случайные события, совместные и несовместные события.
- •3. Основные понятия теории вероятностей : полная совокупность событий, противоположное событие, элементарное событие.
- •5. Вычисление упорядоченных выборок без повторений. Привести пример.
- •6. Вычисление упорядоченных выборок с повторениями. Привести пример
- •7.Вычисление неупорядоченных выборок без повторений. Привести пример
- •8.Вычисление неупорядоченных выборок с повторениями. Привести пример
- •9. Геометрическая вероятность. Привести примеры. Геометрические вероятности.
- •12. Условная вероятность. Вероятность произведения двух зависимых событий.
- •14. Понятие дерево вероятностей.
- •16.Схема Бернулли. Биномиальные коэффициенты.
- •17. Локальная предельная теорема Муавра - Лапласа.
- •19.Интегральная предельная теорема Лапласа как предельное испытание Бернулли.
- •18.Теорема Пуассона. Функция Пуассона как предельное испытание Бернулли
- •21.Понятие случайной величины (св). Понятие функции распределения вероятностей св.
- •24.Математическое ожидание дискретной св и его важнейшие свойства
- •Свойства математического ожидания.
- •25.Дисперсия дискретной св и ее важнейшие свойства
- •30. Непрерывные случайные величины. Функция распределения ( интегральный закон распределения), ее свойства.
- •31.Непрерывные св. Плотность распределения вероятностей (дифференциальная функция), ее свойства.
- •32.Математическое ожидание непрерывной св, ее свойства.
- •Свойства математического ожидания.
- •33.Дисперсия непрерывной св, ее свойства. Стандартное отклонение.
- •35.Вероятность попадания нормально распределенной св в заданный интервал. Правило трех сигм, ее численная реализация.
- •Правило трех сигм. Используя формулу: , вычислим для случая .
- •36.Показательное распределение. Плотность, функция распределения, математическое ожидание и дисперсия. Численная реализация правила трех сигм.
- •37.Равномерное распределение. Плотность, функция распределения, математическое ожидание и дисперсия.
- •Неравенство Чебышева.
- •39. Центральная предельная теорема (цпт) и следствия из нее.
16.Схема Бернулли. Биномиальные коэффициенты.
Событие А, либо . Р(А)= р. Р(
n- раз проводим эксперимент. Каждый последующий эксперимент не зависит от предыдущего. Сколько раз может появляться событие А, оно может появляться {0,1,…,n}.
появится (n-m) раз. А .
.
Теорема: .
Доказательство: p+q=1 (n=1)
В комбинаторике биномиальный коэффициент или интерпретируется как число сочетаний из n по k, равное количеству всех подмножеств (выборок) размера k в n-элементном множестве.
17. Локальная предельная теорема Муавра - Лапласа.
; x =
Теорема Муавра-Лапласа: , где
19.Интегральная предельная теорема Лапласа как предельное испытание Бернулли.
Следствие из теоремы Муавра-Лапласа: Теорема Лапласа
Ф(х) =
Чем больше n, тем точнее формула
Пример: Серия независимых испытаний 200 раз. Вероятность успеха 0,3. Какова вероятность того, что P(30 . p=0,3. q=1- 0,3=0,7
= - 4,63
Ф – нечетная функция
18.Теорема Пуассона. Функция Пуассона как предельное испытание Бернулли
Формула Пуассона
n- «велико»
m-«мало»
р-?
𝞴= const, m- фиксировано
= - формула Пуассона
𝞴
Утверждение
Она применима когда n-велико, а вероятность мала.
Пример: завод отправлял 5000 изделий, все они доброкачественные. Вовремя транспортировки они могут испортится р=2 . Найти вероятность того, что в рез. Транспортировки сломали 3 изделия.
Р=2 𝞴=pn=1 n=5000 m=3
21.Понятие случайной величины (св). Понятие функции распределения вероятностей св.
Определение: Случайной называют величину, которая в результате испытания принимает только одно возможное значение, заранее неизвестное и зависящее от случайных причин.
Случайные величины обычно обозначаются большими латинскими буквами, а их значения – малыми.
ФУНКЦИЯ РАСПРЕДЕЛЕНИЯ ВЕРОЯТНОСТЕЙ —вероятность того, что случайная величина X примет значение, меньшее, чем х,где х — произвольное действительное число: F(x) = Р{Х ≤ х} = F(x) — неубывающая функция; О≤ F(x) ≤ 1.Функция распределения вероятностей полностью задает случайную величину.
23.Закон распределения вероятностей дискретной СВ. Вид функции распределения вероятностей дискретной СВ.
Если область значений является дискретным множеством, то такая СВ называется дискретной.(т.е. каждая точка изолирована). Закон распределения вероятностей для ДСВ :
Определение: Законом рапределения вероятностей ДСВ называют соответствие между возможными значениями величины и их вероятностями.
Закон распределения можно задавать либо аналитическим, либо табличным, либо графическим способами.
X |
x1 |
x2 |
x3 |
…… |
xn |
P |
P1 |
P2 |
P3 |
…… |
Pn |
P1 = P(Х = x1) , P2 = P(Х = x2) , ……., Pn = P(Х = xn) .
В одном испытании случайная величина принимает одно и только одно возможное значение: x1, x2, x3, ….. xn, т.е. события {Х = x1}, {Х = x2,}, ….., {Х = xn} будут образовывать полную группу событий, и сумма их вероятностей равна единице , P1 + P2 +…..+ Pn =1 .
Если X — дискретная случайная величина, принимающая значения х1, x2... с вероятностями p1,p2,..., то ее функция распределения будет: F(x) = ∑рk; она разрывна и возрастает скачками в точках хk. Примерами дискретных функций распределения вероятностей являются биноминальная, распределение Пуассона.