- •1. Приведите классическое определение вероятности и укажите, при соблюдении каких условий оно применимо
- •Е сли появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события а и в?
- •Приведите пример какого-либо опыта с конечным числом элементарных исходов, в условиях которого нельзя исчислять вероятности событий по формуле классического определения вероятности.
- •9. Приведите известные вам формулы комбинаторики, которые используются при непосредственном исчислении вероятности по ее классическому определению.
- •10. Приведите определение условной вероятности.
- •11. Зависимость и независимость двух событий (определение).
- •20. Сформулируйте условия, при выполнении которых применяется теорема Байеса. Приведите формулировку и краткое доказательство этой теоремы.
- •21. Функция распределения случайной величины и ее свойства.
- •22. Функция плотности распределения вероятности и ее свойства.
- •23. Ряд распределений дискретной случайной величины и его свойство.
- •24. Математическое ожидание дискретной случайной величины и его свойства.
- •25. Дисперсия дискретной св и ее свойства. Среднее квадратичное отклонение св.
- •26. Математическое ожидание непрерывной cb и его свойства
- •27. Дисперсия непрерывной cв и ее свойства. Среднее квадратичное отклонение св.
- •28. Начальные и центральные моменты св. Выражение матожидания и дисперсии через моменты.
- •На основе закона распределения альтернативно распределенной cв получить выражение для мат.Ожид-я биноминально распр. Св.
- •На основе закона распределения альтернативно распределенной cв получить выражение для дисперсии биноминально распределенной св.
- •Случайная величина принимает целые значения в промежутке от 0 до n с равной вероятностью. Вывести выражение для матожидания этой св.
- •42. Предельным законом для какого распределения является распределение Пуассона. Какие значения может принимать св, распределенная по закону Пуассона.
- •43. Плотность распределения и функция распределения равномерной св, ее числовые характеристики.
- •44. Плотность распределения и функция распределения показательной св, ее числовые характеристики.
- •45. Плотность распределения и функция распределения нормальной cb (распределение Гаусса), ее числовые характеристики.
- •46. Функция Лапласа. Ее свойства.
- •47. Вероятность попадания нормально распределенной cв на отрезок, правило «трех сигм».
- •49. Числовые характеристики св, распределенных по равномерному, показательному и нормальному законам (значения матожидания и дисперсии)
- •50. Дайте определение совместной функции распределения двумерной св и укажите ее свойства. Обоснуйте эти свойства и приведите примеры их выполнения
- •Сформулируйте определение и напишите формулу для вычисления корреляционного момента (коэффициента ковариации) двух св. Докажите, что для независимых cв его значение равно нулю.
- •Доказать локальную предельную теорему Муавра-Лапласа.
- •Доказать интегральную теорему Муавра-Лапласа.
- •Доказать неравенство Чебышева.
- •59.Доказать теорему Чебышева.
- •60. Понятие генеральной совокупности, выборки из нее. Представление выборки в виде вариационного ряда. Определение вариационного ряда.
- •Эмпирическая функция распределения, ее свойства, способ построения по выборке.
- •Понятие оценок числовой характеристики или параметра св. Свойства оценок.
- •63. Нахождение несмещенной оценки генеральной средней (матожидания) св
- •Нахождение несмещенной и смещенной оценок генеральной дисперсии св.
- •Понятие гистограммы частот, способ построения, пример.
- •Понятие точечных и интервальных оценок. Определения. Примеры.
- •68. Свойства точечных оценок параметров, несмещенность, состоятельность, эффективность (определения).
- •Определение и свойства оценок: выборочного среднего, выборочной дисперсии и неправленой выборочной дисперсии.
- •Выборочный коэффициент ковариации (формула).
- •Доказать, что выборочное среднее является состоятельной и несмещенной оценкой матожидания.
- •Доказать, что выборочная дисперсия является смещенной оценкой дисперсии.
- •Какими понятиями определяется интервальная оценка параметра? Какая существует между ними связь в виде формулы?
- •76. Построение интервальной оценки (доверительного интервала) (с надежностью γ) матожидания нормально распределенной cв при известной дисперсии (вывод).
- •Построение интервальной оценки (доверительного интервала) ( с надежностью γ) матожидания нормально распределенной cв при неизвестной дисперсии (вывод).
- •Интервальная оценка дисперсии cв по выборке при известном и неизвестном матожидании (формулы).
- •Вывести оценку требуемого объема выборки для построения доверительного интервала заданной длины для матожидания в случае нормального распределения.
- •Назначение и суть метода моментов и метода максимального правдоподобия.
- •Сформулируйте основной принцип статистической проверки гипотез.
- •Что такое ошибка 1-го рода.
- •83. Что такое ошибка 2-го рода.
- •84. Что такое критическая область.
- •90. Модель парной линейной регрессии, уравнение и основные вероятностные допущения
- •92. Виды нелинейных зависимостей, сводящихся к линейной регрессионной модели и соответствующие им предварительные преобразования исходных данных
1. Приведите классическое определение вероятности и укажите, при соблюдении каких условий оно применимо
Вероятностью события А называют отношение числа благоприятствующих этому событию исходов к общему числу всех равновозможных несовместных элементарных исходов, образующих полную группу. Итак, вероятность события А определяется формулой
Р (A) = m / n,
где m - число элементарных исходов, благоприятствующих A; n - число всех возможных элементарных исходов испытания.
Здесь предполагается, что элементарные исходы несовместны, равновозможны и образуют полную группу.
2. Исходя из трех аксиом теории вероятностей, докажите, что вероятность любого события А подчиняется неравенству Р(А) ≤ 1
Аксиомы вероятностей:
Каждому событию А поставлено в соответствие неотрицательное число р(А), называемое вероятностью события А.
Вероятность наступления хотя бы одного из попарно несовместных событий равна сумме вероятностей этих событий. Если события А1, А2, … попарно несовместны, то р(А1 + А2 + …) = р(А1) + р(А2) + … (аксиома счетной аддитивности)
Вероятность достоверного события равна единице: p(U) = 1.
Случайному событию благоприятствует лишь часть из общего числа элементарных исходов испытания. В этом случае 0 < m < n, значит, 0 < m / n < 1, следовательно,
0 < Р (А) < 1
Итак, вероятность любого события удовлетворяет двойному неравенству
0 <= Р (A) < 1.
3. Дайте определение события не А, противоположного событию А. Докажите, исходя из трех аксиом теории вероятностей, что Р(неА)=1-Р(А)
Противоположными называют два единственно возможных события, образующих полную группу. Если одно из двух противоположных событий обозначено через A, то другое принято обозначать неА.
Противоположные события образуют полную группу, а сумма вероятностей событий, образующих полную группу, равна единице => Р(А) + Р(неА) = 1 =>
Р(неА)=1-Р(А)
4. Если из появления события В непременно следует появления события А, то что представляет собой события А+В и АВ
Суммой А + В двух событий А и В называют событие, состоящее в появлении события А, или события В, или обоих этих событий. Например, если из орудия произведены два выстрела и А — попадание при первом выстреле, В — попадание при втором выстреле, то А + В — попадание при первом выстреле, или при втором, или в обоих выстрелах.
В частности, если два события А и B — несовместные, то А + В — событие, состоящее в появлении одного из этих событий, безразлично какого.
Произведением двух событий А и В называют событие АВ, состоящее в совместном появлении (совмещении) этих событий. Например, если А — деталь годная, В — деталь окрашенная, то АВ — деталь годна и окрашена.
Е сли появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события а и в?
если не А, то не В. если В непременно влечет за собой А, то не А влечет за собой не В. неА*неВ=неВ, неА+неВ=неА
6. В условиях, при которых верна классическая формула вероятности (т.е. для опыта с конечным числом равновозможных элементарных исходов), докажите, что вероятность сумы двух несовместных событий равна сумме их вероятностей.
Введем обозначения: n — общее число возможных элементарных исходов испытания; m1 — число исходов, благоприятствующих событию A; m2— число исходов, благоприятствующих событию В.
Число элементарных исходов, благоприятствующих наступлению либо события А, либо события В, равно m1 + m2. Следовательно,
Р (A + В) = (m1 + m2) / n = m1 / n + m2 / n.
Приняв во внимание, что m1 / n = Р (А) и m2 / n = Р (В), окончательно получим
Р (А + В) = Р (А) + Р (В).
7. Приведите формулу вероятности суммы двух совместных событий А и В. Пользуясь классическим определением вероятности, докажите эту формулу для опыта с конечным числом равновозможных элементарных исходов.
Р (А U В) = Р(А) + Р(В) – Р(А ∩ В)
A~m
B~e
A *B~r
P(A+B)=(m+e-r)/n= m/n +e/n -r/n= P(a)+P(b) - P(a*b)