- •1. Случайные события и действия над ними.
- •2. Алгебра событий.
- •3. Вероятность события. Свойства вероятности.
- •4. Теорема сложения вероятностей.
- •5. Условная вероятность.
- •6. Теорема умножения вероятностей. Независимые события.
- •7. Формула полной вероятности. Теорема Байеса.
- •8. Случайная величина. Определение. Пример.
- •9. Функция распределения случайной величины.
- •10. Свойства функции распределения.
- •11. Случайные величины дискретного типа.
- •12. Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
- •13. Дисперсия дискретной случайной величины. Свойство дисперсии.
- •14. Производящая функция дискретной случайной величины.
- •15. Формулы для математического ожидания и дисперсии дискретной случайной величины через производящую функцию.
- •16. Схемы испытаний Бернулли.
- •17. Биномиальное распределение.
- •18. Математическое ожидание, дисперсия и производящая функция биномиальной случайной величины.
- •19. Мода биномиального распределения.
- •20. Распределение Пуассона.
- •21. Предельная теорема Пуассона.
- •22. Локальная предельная теорема Муавра-Лапласа.
- •23. Интегральная предельная теорема Муавра-Лапласа.
- •24. Дифференциальная и интегральная функции Гаусса.
- •25. Закон больших чисел в схеме Бернулли.
- •26. Непрерывные случайные величины. Свойство плотности распределении.
- •27. Равномерное распределение.
- •28. Нормальное распределение.
- •29. Показательное распределение.
- •31. Мода непрерывной случайной величины.
- •32. Медиана непрерывной случайной величины.
- •33. Математическое ожидание непрерывной случайной величины. Свойства математического ожидания.
- •39. Двумерные непрерывные случайные величины.
- •40. Числовые характеристики системы двух случайных величин.
- •41. Коэффициент ковариации и его свойства.
- •42. Коэффициент корреляции и его свойства.
- •43. Виды сходимости последовательности случайных величин.
- •44. Неравенство Чебышева.
- •45. Закон больших чисел для сумм независимых случайных величин.
- •46. Центральная предельная теорема теории вероятности.
- •47. Метод наименьших квадратов
- •48. Линейная среднеквадратическая регрессия
- •49. Генеральная совокупность. Случайная выборка. Вариационный ряд.
- •50. Эмпирическая функция распределения. Теорема Гливенко.
- •51. Выборочное среднее значение и выборочная дисперсия. Сходимость к теоретическим значениям.
- •52. Выборочный коэффициент ковариации.
- •53. Выборочный коэффициент корреляции.
- •54. Доверительные интервалы для неизвестного математического ожидания нормального распределения.
- •55. Критерий x2.
- •5 6. Понятие случайного процесса. Определение и примеры
- •57. Марковские процессы. Переходные вероятности
- •58. Теорема Колмогорова-Чепмена для переходных вероятностей
- •59. Дифференциальные уравнения Колмогорова для переходных вероятностей
- •60. Уравнения Колмогорова в стационарных режимах
4. Теорема сложения вероятностей.
{, F, p}, A,BF, p(A),p(B), AB=: p(A+B)=p(A)+p(B). Теорема (сложение в-тей): для любых А и В (A,BF): p(A+B)=p(A)+p(B)-p(AB). Док-во: AB=(A )(B )(AB); (A )(B )(AB)= => p(AB)=p(A )+p(B )+p(AB) (*); (A )(AB)=A (по 3 аксиоме) => p(A )+p(AB)=p(A) => p(A )=p(A)-p(AB); (B )(AB)=B (по 3 аксиоме) => p(B )+p(AB)=p(B) => p(B )=p(B)-p(AB). Подставим все в (*): p(A)-p(AB)+p(B)-p(AB)+p(AB)=p(A)+p(B)-p(AB), ч.т.д.
5. Условная вероятность.
Пусть имеются 2 события: A, B. Известно, что событие В произошло. Как определить в-ть события А при условии, что событие В уже произошло: p(A|B): pn(A|B)=Kn(AB)/Kn(B)=(Kn(AB)/n)/(Kn(B)/n)=pn(AB)/pn(B).
6. Теорема умножения вероятностей. Независимые события.
Пусть есть:{ ,F,P}-вероятностное пространство. 1) -простр-во элементарн событий.2) F-алгебра событ. 3)Р-вер-ть событ. А,В F: Р(А),Р(В)0Р(AB)=Р(A|B)*Р(В)= Р(В|А)*Р(А).Если событие В не влияет на событие А, то вер-ть А при условии В равно вер-ти А: Р(A|B)=Р(А), Если соб А не влияет на соб В, то Р(В|А)= Р(В) Р(AB)=Р(А)*Р(В) (события А и В независимы между собой).
Независимые события. Независимыми событиями называют такие события А и В для которых вероятность появления одного события не изменяется при наступлении другого, т.е. P(A∩B) = Р(А|B) + Р(В) = Р(B|A) + Р(A) => P(A∩B) = P(A)*P(B).
Случайные события назыв. независимыми в совокупности, если для любого целого числа m=2,3,…,n, в-ть пересечения: p(AiAi2 … Aim)=p(Ai1)p(Ai2) …p(Aim){1,2,…,n}, если m=n, тогда в-ть: p(A1A2…An)=p(A1) p(A2)…p(An); i,j (ij): p(AiAj)=p(Ai)p(Aj). Теорема умножения в общем случае: {, F, p}, A1,A2,…,AnF: p(A1A2…An)=p(A1)p(A2|A1)p(A3|A1A2)p(A4|A1A2A3)…p(An|A1A2An-1) для n>=2.
7. Формула полной вероятности. Теорема Байеса.
{, F, p}. Имеется набор событий: B1,B2,…,BnF, кот. назыв. полной группой событий, если выполняются св-ва: 1. любые 2 события дают пусто на пересечении: BiBj=, ij; 2. объединение всех событий, есть достоверное событие: B1B2…Bn=. Теорема: предположим, что события B1,B2,…,Bn образуют полную группу и таковы, что p(Bi)0, i=1,2,…,n. Пусть имеется любое другое событие AF, тогда в-ть события А: p(A)= - ф-ла полной в-ти. Док-во: A=A=A(B1B2…Bn)=(AB1)(AB2)…(ABn). Заметим, что можно использ. аксиому 3: (ABi)(ABj)= если ij => p(A)=p{(AB1)(AB2)…(ABn)}= . По ф-ле p(A|B)=p(AB)/p(B) => p(AB)=p(B)p(A|B) => , ч.т.д. События B1,B2,…,Bn назыв. гипотезами.
Теорема Байеса: {,F,p}; B1,B2,…,Bn; AF; p(Bj)>0, j=1,2,…,n; p(A)>0, тогда ля каждого j=1,2,…,n справедлива ф-ла: p(Bj|A)=p(BjA)/p(A)=(p(A|Bj)p(Bj))/ni=1(p(Bi) p(A|Bi)).
8. Случайная величина. Определение. Пример.
Величина назыв. случайной, если ее значение зависит от случая. {,F,p}, {}, где - элементарн. событие: X,Y,Z…или ,,… - случ. величины. X=X() – ф-ция от аргумента омега. Случайной величиной X будем называть правило, согласно кот. элементарному событию сопоставл. в соответствие вещественное число X(), причем правило такое, что мн-во элементарн. событий {:X()<x}F для любого xF: X: X()R (определяет по какому правилу зависит X() от случая) {:X()<x}F; xR (для любого значения данной случ. величины сущ. или определена в-ть, с кот. случ. величина может принимать те или иные значения). 2 типа случ. величин: 1. дискретные: это величины, значение кот. можно занумировать, т.е. дискр. случ. величины приним. отдельно изолированные значения. 2. непрерывные: это величины, значение кот. заолняют сплошь некоторый интервал -> знач. непрерыв. случ. веkличины нельзя занумировать.