- •2. Исходя из трех аксиом теории вероятностей, докажите, что вероятность любого события а подчиняется неравенству .
- •3. Дайте определение события , противоположного событию а. Докажите, исходя из трех аксиом теории вероятностей, что .
- •5. Если появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события и ?
- •8. Приведите пример какого-либо опыта с конечным числом элементарных исходов, в условиях которого нельзя исчислять вероятности событий по формуле классического определения вероятности.
- •20. Сформулируйте условия, при выполнении которых применяется теорем Байеса. Приведите формулировку и краткое доказательство этой теоремы.
- •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.
- •39. Вывести выражение для дисперсии случайной величины, распределенной по геометрическому закону.
- •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.
- •65. Понятие гистограммы частот, способ построения, пример.
- •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).
- •76. Построение интервальной оценки (доверительного интервала) (с надежностью ) математического ожидания нормально распределенной случайной величины при известной дисперсии (вывод).
- •77. Построение интервальной оценки (доверительного интервала) (с надежностью ) математического ожидания нормально распределенной случайной величины при неизвестной дисперсии (вывод).
- •88. Что такое критерий согласия?
- •89. Сформулируйте критерий согласия .
- •90. Модель парной линейной регрессии: уравнение и основные вероятностные допущения.
1. Приведите классическое определение вероятности и укажите, при соблюдении каких условий оно применимо.
Вероятностью события А называется отношение числа благоприятствующих этому событию исходов к общему числу всех равно возможных несовместных элементарных исходов, образующих полную группу. Р(А)=m/n
2. Исходя из трех аксиом теории вероятностей, докажите, что вероятность любого события а подчиняется неравенству .
Вероятность события А Р(А) = m/n
m – число элементран. исходов, благоприятствующих А
n – число всех возможных элементран. исходов.
А. Р(А)=m/n=n/n=1 (m=n)
B. P(A)=m/n=0/n=0 (m=0)
С. 0<P(A)<1 (0<m<n, значит 0<m/n<1)
0<P(A)< 1
3. Дайте определение события , противоположного событию а. Докажите, исходя из трех аксиом теории вероятностей, что .
Противоположными называют два единственно возможных события, образующих полную группу. Если одно из 2-х противоположных событий обозначено через А, то другое - .
P(A) + P( )=1
Противополож. события образуют полную группу, а сумма вероятностей событий, образующих полную группу, равна 1.*
*P(A1)+P(A2)+. . .+P(An)=1
Т.к. появление одного из событий полной группы достоверно, а вероятность достоверного события равна 1, то P(A1+A2+. . .+An)=1. Любые 2 события полной группы несовместны, поэтому можно применить теория сложения:
P(A1+A2+. . .+An)=P(A1)+P(A2)+. . .+P(An). Сравнив, получим: P(A1)+P(A2)+. . .+P(An)=1
4. Если из появления события В непременно следует появление события А, то что представляют собой события А + В и АВ?
Если из появления события В непременно следует появление события А, то события являются зависимыми и значит, что А+В – появление обоих событий. АВ – событие, состоящее в совместном появлении (совмещении) событий А и В.
5. Если появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события и ?
Значит, что события А и В эквиваленты, не А и не В эквивалентны тоже
влечет за собой
6. В условиях, при которых верна классическая формула вероятности (т. е. для опыта с конечным числом равновозможных элементарных исходов), докажите, что вероятность суммы двух несовместных событий равна сумме их вероятностей.
P(A+B)=P(A)+P(B)
n – Общее число элементарных возможных исходов
m1 – число исходов, благоприятствующих А
m2 - число исходов, благоприятствующих В
Число элементарных исходов, благоприятствует либо А, либо В = m1+m2. Следовательно,
P(A+B)=(m1+m2)/n=m1/n+m2/n
m1/n = P(A) ; m2/n = P(B)
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.
Знак суммы не нашла, простите, он пишется как ∩ только вверх ногами, поэтому писать его буду как он произносится ИЛИ
Формулу вероятности суммы двух совместных событий А и В:
Р(АилиВ)=Р(А)+Р(В)-Р(А∩В)
Доказательство:
Конечная схема с равновозможными элементарными исходами определяется так. Имеется конечный набор элементарных событий Ω={w1……wn} и для каждого элементарного события wi задана его вероятность рi=1/n и
n
∑рi i = 1
i=1
Событие А={wi 1……wi m}.
m
Р(А)= ∑ рi I где рi=1/n
I=1
m
Получаем Р(А)= ∑ (1/n)i
I=1
Пусть А={wi 1……wi m} и В= wj 1……wj k}.
m k
Р(А)= ∑ рi i и Р(В)= ∑ рj к
i=1 j
Событие С=АилиВ= {wi1……wim , wj1…………. wjk, wj1 …... wim }-это математически записан рисунок
Промежуток {, wj1 …... wim }= Р(А∩В) Получается
m k
Р(С)= ∑ рi i + ∑ рj к - Р(А∩В)= Р(А)+ Р(В) - Р(А∩В)
i=1 j=1
Еще один способ доказательства без использования классической формулы, зато точно правильный
Доказательство. Событие В = (B\A) или (А∩В), при этом события В\А и А илиВ несовместны (так как (В\А) ∩(А∩В) = 0/), поэтому по аксиоме аддитивности Р{В) = Р{В\А) + Р{А илиВ}, значит, Р{В\А) = Р(В) - Р{А∩В). Далее, А или В = Аили (В\А), при этом события А и В\А также несовместны (так как А∩(В\А) = 0/), поэтому по аксиоме аддитивности Р{Аили В) = Р(А) + Р{В\А). Подставляя в последнюю формулу выражение для Р{В\А), окончательно получаем Р{А или В) = Р{А) + Р{ В) - Р(А∩В}, что и требовалось доказать.