
- •1. Приведите классическое определение вероятности и укажите, при соблюдении каких условий оно применимо.
- •2. Исходя из трех аксиом теории вероятностей, докажите, что вероятность любого события подчиняется неравенству р(а)?1
- •5. Если появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события ? и b?
- •8. 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 её классическому определению
- •10. Приведите определение условной вероятности
- •11. Зависимость и независимость двух событий (определение)
- •12. Теорема умножения вероятностей для зависимых и независимых событий (формулировка
- •20. Сформулируйте условия, при выполнении которых применяется теорем Байеса. Приведите формулировку и краткое доказательство этой теоремы
- •20. В каком документе закреплено право граждан свободно искать, передавать, производить и распространять информацию
- •21. Функция распределения случайной величины и её свойства
- •22. Функция плотности распределения вероятности и её свойства
- •23. Ряд распределений дискретной случайной величины и его свойство
- •24. Математическое ожидание дискретной случайной величины и его свойства
- •25. Дисперсия дискретной случайной величины и её свойства. Среднее квадратичное отклонение св
- •26. Математическое ожидание непрерывной случайной величины и его свойства
- •27. Дисперсия непрерывной случайной величины и её свойства. Среднее квадратическое отклонение св
- •28. Начальные и центральные моменты случайных величин. Выражение мат.Ожидания и дисперсии св через моменты
- •30. На основе закона распределения альтернативно распределенной случайной величины получить выражение для математического ожидания биномиально распределенной случайной величины
- •31. На основе закона распределения альтернативно распределенной случайной величины получить выражение для дисперсии биномиально распределенной случайной величины
- •32. Случайная величина принимает целые значения в промежутке от 0 до n с равной вероятностью. Вывести выражение для математического ожидания этой случайной величины
- •37. Вывести выражение для дисперсии случайной величины, распределенной по закону Пуассона
- •38. Вывести выражение для математического ожидания случайной величины, распределенной по геометрическому закону
- •43. Плотность распределения и функция распределения равномерной случайной величины, ее числовые характеристики
- •44. Плотность распределения и функция распределения показательной случайной величины. Ее числовые характеристики
- •45. Плотность распределения и функция распределения нормальной случайной величины (распределение Гаусса), ее числовые характеристики
- •46. Функция Лапласа, ее свойства
- •47. Вероятность попадания нормально распределенной случайной величины на отрезок, правило «трех сигм»
- •48. Функции случайных величин и их числовые характеристики
- •49. Числовые характеристики случайных величин, распределенных по равномерному, показательному и нормальному законам (значения мат. Ожидания и дисперсии)
- •50. Дайте определение совместной функции распределения двумерной случайной величины и укажите ее свойства. Обоснуйте эти свойства и/или приведите примеры их выполнения
- •55. Доказать локальную предельную теорему Муавра-Лапласа
- •56. Доказать интегральную предельную теорему Муавра-Лапласа
- •57. Доказать теорему Бернулли о сходимости относительной частоты появления события к вероятности этого события
- •58. Доказать неравенство Чебышева
- •59. Доказать теорему Чебышева
- •60. Понятие генеральной совокупности, выборки из нее. Представление выборки в виде вариационного ряда. Определение вариационного ряда
- •61. Эмпирическая функция распределения, ее свойства, способ построения по выборке
- •62. Понятие оценок числовой характеристики или параметра случайной величины. Свойства оценок
- •63. Нахождение несмещенной оценки генеральной средней (математического ожидания) случайной величины
- •64. Нахождение несмещенной и смещенной оценок генеральной дисперсии случайной величины
- •66. Оценка плотности распределения выборки, ее свойства, способ построения
- •67. Понятие точечных и интервальных оценок (доверительных интервалов) параметров случайной величины. Определения. Примеры
- •68. Свойства точечных оценок параметров: несмещенность, состоятельность, эффективность (определения)
- •69. Определение и свойства оценок: выборочного среднего, выборочной дисперсии и исправленной выборочной дисперсии
- •70. Отличие относительной частоты события от его вероятности по предельной теореме Бернулли (по следствию из теоремы м-л)
- •71. Выборочный коэффициент ковариации (формула)
- •72. Доказать, что выборочное среднее является состоятельной и несмещенной оценкой математического ожидания
- •73. Доказать, что выборочная дисперсия является смещенной оценкой дисперсии
- •74. Доказать, что исправленная выборочная дисперсия является несмещенной оценкой дисперсии
- •75. Какими понятиями определяется интервальная оценка параметра? Какая существует между ними связь в виде формулы?
- •80. Назначение и суть метода моментов и метода максимального правдоподобия
- •81. Сформулируйте основной принцип статистической проверки гипотез
- •82. Что такое ошибка 1 -го рода?
- •88. Что такое критерий согласия?
- •90. Модель парной линейной регрессии: уравнение и основные вероятноcтные допущения
55. Доказать локальную предельную теорему Муавра-Лапласа
08 января 2008 Манакова Юля |
Теорема: если вер-ть р появления события А в каждом испытании постоянна и отлична от 0 и 1, то Рn(k) того, что соб-е А появ-ся в n испытаниях ровно k раз, приближённо равна (тем точнее, чем больше n) зн-ю ф-ции Pn(k)=1/(корень из npq)*фи(z). Здесь Фи(z)=1/(корень из 2пи)*е в степени –х*2/2, z=k – np/(корень из npq).Док-во: Рn(k) = P(k<=k<k+1) = 1\корень из 2п ∫(от z1 доz2) e^(-z^2\2)dz = (z2-z1)e^(-z^2\2)\корень из 2п = 1\корень из npq * φ(z) |
56. Доказать интегральную предельную теорему Муавра-Лапласа
12 января 2008 Лазарева Юлия |
|
57. Доказать теорему Бернулли о сходимости относительной частоты появления события к вероятности этого события
13 января 2008 Прохорова Светлана |
Частость μ/n сходится по вероятности к вероятности: μ/n →p Если вероятность успеха в каждом из n независимых испытаний постоянно и равно p, то имеет место следующее предельное равенство: limn→∞P{|m/n-p|≤ε}=1, где m – количество успехов в n испытаний. |
58. Доказать неравенство Чебышева
10 января 2008 Иванова Мария |
|
10 января 2008 Иванова Мария |
Первое неравенство Чебышёва Пусть
X — неотрицательная случайная
величина (то есть
Доказательство.
Все слагаемые в правой части формулы
(4),
определяющей математическое ожидание,
в рассматриваемом случае неотрицательны.
Поэтому при отбрасывании некоторых
слагаемых сумма не увеличивается.
Оставим в сумме только те члены, для
которых
Для всех слагаемых в правой части , поэтому (10)
[править] Второе неравенство Чебышёва Пусть X — случайная величина. Для любого положительного числа a справедливо неравенство
Это неравенство содержалось в работе П. Л. Чебышёва «О средних величинах», доложенной Российской академии наук 17 декабря 1866 г. и опубликованной в последовавшем году. Для доказательства второго неравенства Чебышёва рассмотрим случайную величину Y = (X − M(X))2. Она неотрицательна, и потому для любого положительного числа b, как следует из первого неравенства Чебышёва, справедливо неравенство
Положим
b = a2. Событие
что и требовалось доказать. |
59. Доказать теорему Чебышева
10 января 2008 Иванова Мария |
Неравенство Чебышёва позволяет
доказать замечательный результат,
лежащий в основе математической
статистики – закон больших чисел. Из
него вытекает, что выборочные
характеристики при возрастании числа
опытов приближаются к теоретическим,
а это дает возможность оценивать
параметры вероятностных моделей по
опытным данным. Без закона больших
чисел не было бы
Теорема
Чебышёва. Пусть случайные величины
Х1, Х2,…,
Хk попарно независимы и
существует число С такое, что
D(Xi)<C
при всех i = 1, 2, …, k. Тогда для
любого положительного
Доказательство. Рассмотрим случайные величины Yk = Х1 + Х2+…,+ Хk и Zk = Yk/k. Тогда согласно утверждению 10 М(Yk) = М(Х1)+М(Х2)+…+М(Хk), D(Yk) = D(Х1)+D(Х2)+…+D(Хk). Из свойств математического ожидания следует, что М(Zk) = М(Yk)/k, а из свойств дисперсии - что D(Zk) = D(Yk)/k2. Таким образом, М(Zk) ={М(Х1)+М(Х2)+…+М(Хk)}/k, D(Zk) ={D(Х1)+D(Х2)+…+D(Хk)}/k2. Из условия теоремы Чебышёва, что
Применим к Zk второе неравенство Чебышёва. Получим для стоящей в левой части неравенства (11) вероятности оценку
что и требовалось доказать. Эта теорема была получена П.Л.Чебышёвым в той же работе 1867 г. «О средних величинах», что и неравенства Чебышёва. |