
- •2. Алгебра событий. Основные операции над событиями. Теорема сложения вероятностей. Следствия.
- •3. Условная вероятность. Теорема умножения вероятностей. Следствия. Независимость событий.
- •4. Использование формул комбинаторики при непосредственном вычислении вероятностей событий.
- •5. Формула полной вероятности и Байеса.
- •6. Повторение независимых испытаний. Схема Бернулли. Формула Бернулли.
- •7. Дискретная случайная величина. Ряд распределения. Функция распределения.
- •8. Числовые характеристики дискретной св.
- •3. Среднее квадратическое отклонение
- •9. Биномиальное распределение. Частная теорема о повторении опытов. Примеры.
- •1 0. Распределение Пуассона. Простейший поток событий. Формула Пуассона для потока событий. Вероятность появления хотя бы одного события.
- •11. Непрерывная случайная величина. Функция распределения и плотность вероятности. Их свойства.
- •12. Числовые характеристики непрерывной св. М(х), d(X), σx, их свойства.
- •13. Равномерный закон распределения.
- •15. Показательный закон распределения вероятностей. Определение, графики плотности вероятности и функции распределения. Основные характеристики.
- •17. Числовые характеристики системы двух св. Корреляционный момент. Коэффицент корреляции.
- •18. Теоремы о числовых хар-ках, их применение.
- •19. Предельные теоремы теории вероятностей. Неравенство Чебышева, неравенство Маркова. Закон Больших чисел (теорема Чебышева).
- •21. Центральная предельная теорема и особая роль нормального распределения. Формулы для практического применения теории вероятностей (интегральная теорема Муавра-Лапласа).
- •22. Основные понятия математич. Статистики. Простая статистическая совокупность. Статистическая функция распределения. Статистический ряд. Полигон. Гистограмма.
- •23. Точечные оценки параметров распределения. Требования, предъявляемые к точечным оценкам. Оценки для м(х), d(X) и сдо.
- •24. Метод моментов для получения точечных оценок. Выравнивание статистических рядов.
- •25. Интервальные оценки. Доверительные интервалы.
- •26. Статистические гипотезы. Основные понятия (основная и альтернативная гипотеза, критическая область, доверительная вероятность). Проверка статистических гипотез.
- •27. Проверка статистических гипотез. Гипотеза о неизвестном среднем при известной дисперсии на примере нормального распределения.
- •Проверка статистической гипотезы о матожидании нормального распределения при известной дисперсии
- •28. Важнейшие распределения в математической статистике: распределение хи-квадрат, распределение Стьюдента.
- •29. Критерии согласия. Критерий согласия Пирсона
4. Использование формул комбинаторики при непосредственном вычислении вероятностей событий.
Для подсчета числа комбинаций, которые можно составить из заданных элементов, соблюдая те или иные условия, используют формулы комбинаторики. Простейшие комбинации – сочетание, размещение и перестановка.
Сочетанием из n элементов по m (Сnm) при n≥1, 1<m<n, называется всякая комбинация, объединяющая m каких-нибудь элементов из числа данных n элементов. Две такие комбинации считаются разными, если какой-нибудь из данных n элементов водит в одну из них, но не входит в другую комбинацию. Иными словами, сочетания отличаются друг от друга своим составом.
Каждая партия играется двумя участниками из 16 и отличается от других только составов пар участников, т.е. представляет собой сочетание из 16 элементов по 2.
Сnm = n! / m!(n-m)! С162 = 16*15 / 1*2 = 120
Сn0 = 1. Сnm = Сnn-m. Сnm + Сnm+1 = Сn+1m+1.
Размещением из n элементов по m (Аnm) при n≥1, 1<m<n, называется всякая комбинация, объединяющая в определенном порядке m каких-нибудь элементов из числа данных n элементов. Две такие комбинации считаются разными, если они отличаются либо своим составом, либо порядком следования своих элементов.
Каждый вариант расписания представляет набор 5 из 11 дисциплин, отличающихся от других как составом дисциплин, так и порядком их следования (или и тем и другим), т.е. является размещением из 11 элементов по 5.
Anm = n! / (n-m)! С115 = 11*10*9*8*7 = 55440
Размещением из n элементов по n элементов называется перестановкой из n элементов. Ann = Pn.
5. Формула полной вероятности и Байеса.
Следствием двух основных теорем – сложения и умножения – являются формула полной вероятности и формула Байеса.
Ф
ПВ.
Пусть требуется определить вероятность
события Р(А), которое может произойти
вместе с одним из событий Н1,…,Нn.
Назовем их гипотезами, тогда
(сумма
произведений вер-тей каждой из гипотез,
умнож-х на условные вер-ти)
Доказательство. По условию гипотезы образуют полную группу, след., они единственно возможны и несовместимы.
Т.к. гипотезы единственное возможные, а событие А по условию теоремы может произойти только вместе с одной из гипотез, то А = Н1А +… + НnА.
В силу того, что
гипотезы несовместны,
можно применить теорему сложения
вер-тей: P(A)
= P(Н1А)
+… + P(НnА)
=
.
По теореме умножения P(НiA) = P(Нi) * PНi(A), откуда и получается утверждение.
Теорема гипотез (формула Байеса). Применяется, когда событие А, которое может появиться только с одной из гипотез Н1,…,Нn, образующих полную группу событий, произошло и необходимо произвести количественную переоценку априорных вероятностей этих гипотез P(Н1),…,P(Нn), известных до испытания, т.е. надо найти апостериорные (получаемые после проведения испытания) условные вероятности гипотез P(Н1/А),…,P(Нn/А).
Для получения искомой формулы запишем теоремы умножения вероятностей событий А и Нi, в двух формах:
P(AНi) = P(A)P(Нi/A) = P(Нi)*P(A/Нi), откуда
или с учетом ФПВ
Значение ф-лы Байеса состоит в том, что при наступлении события А, т.е по мере получения новой инфо, мы можем проверять и корректировать выдвинутые до испытания гипотезы.