- •Билет№1. Случайные события. Элементарные события. Пространство элементарных событий.
- •Билет №2. Вероятность события. Формула классической вероятности.
- •Билет№3. Несовместные события. Теорема сложения для несовместных событий.
- •Билет№4.Независимые события. Теорема произведения для независимых событий.
- •Билет№5. Условная вероятность. Теорема умножений вероятностей зависимых событий:
- •Билет№6. Совместные события. Теорема сложения совместных событий:
- •Билет №7. Вероятность появления хотя бы одного из n независимых в совокупности событий.
- •Билет№8. Геометрическая вероятность события
- •Билет №9. Статистическая вероятность.
- •Билет №10. Принцип практичної вірогідності та практичної неможливості появи випадкових подій в окремому віпробуванні.
- •Билет№11.Формула полной вероятности.
- •Билет №12. Формула Байеса
- •Билет №13. Случайная величина (дискретная и случайная). Примеры.
- •Билет №14. Распределение дискретной случайной величины.
- •Билет №15. Полигон (многоугольник) распределения.
- •Билет №16. Числовые характеристики дискретных случайных величин.
- •Билет №17. Незалежні та залежні дискретні випадкові величини.
- •Билет №18. Математическое ожидание его свойства. Вероятностный смысл
- •Билет №19. Дисперсия. Её свойства. Средне квадратичное отклонение.
- •Билет №20. Распределение Бернулли. Его численные характеристики. Мода.
- •№21. Твірна функція. (Производящая функция).
- •№22. Розподіл Лапласа. Диференціальна теорема Лапласа.
- •№23. Дифференціальна функція Лапласа та ії властивості.
- •Билет№24. Интегральная функция Лапласа:
- •Билет №25.Интегральная теорема Лапласа
- •№26. Чисельні характеристики розподілу Лапласа. Численные характеристики распределения Лапласа:
- •27. Различные формы интегральной теоремы Лапласа.
- •28. Взаимонезависимые случайные величины, имеющие одинаковое распределение. Численные характеристики их среднего арифметического.
- •29. Распределение Пуассона. Область использования.
- •30. Численные характеристики распределения Пуассона. Мода.
- •31. Простейший (пуассоновский) поток событий.
- •32. Непрерывная случайная величина. Примеры.
- •33. Интегральная функция распределения. Ее свойства.
- •№34. Кумулята. Ее свойства.
- •35. Дифференциальная функция распределения (плотность вероятности), ее свойства.
- •36. Численные характеристики непрерывной случайной величины.
- •37. Начальный и центральный моменты случайной величины.
- •38. Равномерное распределение, его использование. Численные характеристики.
- •39. Показательное распределение, его применение. Численные характеристики.
- •40. Нормальный закон распределения (закон Гаусса).
- •41. Влияние параметров нормального закона на форму кривой Гаусса.
- •№42. Центрированная и нормированная нормальная случайная величина. Ее численные характеристики, дифференциальная и интегральная функции распределения.
- •43. Вероятность отклонения случайной величины, имеющей нормальное распределение, от матожидания. Правило 3 сигма.
- •44. Асимметрия, эксцесс.
- •45. Неравенство Чебышева.
- •46. Теорема Чебышева (закон больших чисел в форме Чебышева).
- •№47. Теорема Бернулі (закон великих чисел у формі Бернулі).
- •48. Теорема Ляпунова (закон больших чисел в форме Ляпунова).
- •49. Случайный марковский процесс. Матрица перехода.
- •50. Уравнение Маркова.
- •51. Двумерная дискретная случайная величина, ее распределение.
- •№52. Чисельні характеристики двомірної випадкової величини.
- •№53. Умовний розподіл двовимірної випадкової величини та його чисельні характеристики.
- •№54. Двовимірна неперервна випадкова величина. Інтегральна функція розподілу, її властивості.
- •55. Двумерные непрерывные случайные величины. Интегральная функция распределения, её свойства.
- •№56. Звязок між диференціальною і інтегральною функціями розподілу.
- •№57. Звязок між інтегральною і диференціальною функціями розподілу.
- •58. Вероятность попадания в полосу и прямоугольник.
- •№59. Звязок між інтегральною функцією двовимірної неперервної випадкової величини та її компонентами.
- •№60. Звязок між диференціальною функцією двовимірної неперервної випадкової величини та її компонентами.
- •№61. Чисельні характеристики двовимірної неперервної випадкової величини.
- •№62. Умовне матиматичне сподівання двовимірної неперервної випадкової величини.
- •№63. Незалежні та залежні компоненти двовимірної дискретної випадкової випадкової величини.
- •№64. Незалежні та залежні компоненти двовимірної неперервної випадкової випадкової величини.
- •63(105) Корреляционный момент. Его свойства
- •64(106). Коэффициент корреляции и его свойства
- •65. Коррелированные и некоррелированные случайные величины.
- •№66. Двовимірна нормальна випадкова величина, її диференціальна функція розподілу.
- •№67. Умовні диференціальні функції розподілу компонент двовимірної нормальної випадкової величини.
- •68. Условное матожидание и условное среднеквадратичное отклонение.
- •№70. Генеральна сукупність. Її чисельні характеристики.
- •71. Выборка. Репрезентативность выборки.
- •№72. Чисельні характеристики вибірки. Їх звязок з чисельними характеристиками генеральної сукупності.
- •73. Точечные оценки выборки. Её свойства: несмещенность , состоятельность, эффективность.
- •74. Оценка математического ожидания.
- •№75. Оцінка дисперсії. Зміщенність цієї оцінки. Виправлена дисперсія.
- •№76. Інтервальні оцінки. Довірчий інтервал. Точність та надійність оцінки.
- •№77. Довірчий інтервал на невідоме математичне сподівання нормальної сукупності. Середнє квадратичне відхилення відоме.
- •№78. Довірчий інтервал на невідоме математичне сподівання нормальної сукупності. Середнє квадратичне відхилення невідоме.
- •№79. Доверительный интервал на неизвестное мат ожидание нормальной совокупности. Среднее квадратическое отклонение неизвестное. Объем выборки малый. Использование распределения Стьюдента.
- •№80. Минимальный объем выборки, который обеспечивает заданную точность и надежность оценки мат. Ожидания.
- •№81. Группировка эмпирических данных при их обработке. Выбор шага.
- •№82. Гістограма відносних часток досліджуваної ознаки. Кумулята.
- •№83. Знаходження чисельних характеристик за допомогою умовної варіанти.
- •№84. Статистические гипотезы. Нулевая и конкурирующая гипотезы. Односторонняя и двусторонняя критические области. Ошибки первого и второго рода.
- •№85. Критерій Пірсона. Знаходження критичних значень при перевірці гіпотези про погодження емпіричних та теоретичних частот. Баланс частот.
- •№86. Корреляційний звязок. Лінійна парна регресія. Метод найменших квадратів.
- •№87. Построение линейной парной регрессии. Центр корелляции. Экономическое содержание коэффициентов регрессии.
- •№88. Спряжена лінія регресії. Її розташування по відношенню до прямої лінії регресії.
- •№89. Вибірковий коефіцієнт корреляції. Його властивості.
- •№90. Дисперсія помилок та дисперсія, зумовлена лінійною парною регресією. Коефіцієнт детермінації. Його властивості.
- •№91 Дисперсійний аналіз вкладу дисперсії помилок та дисперсії, зумовленою регресією у повну дисперсію результативної ознаки.
- •№92. Значимість лінійного корреляційного звязкуза критерієм Фішера-Снедекора.
- •№94. Міжгрупова та внутрішньогрупова дисперсії.
- •№95. Індекс детермінації та його властивості. Кореляційне відношення.
- •№98. Критерий Стьюдента значимости коэффициента корелляции линейной парной регрессии.
- •№99. Довірча полоса на пряму лінію регресії.
- •№101. Лінійна множинна регрессія. Мнк. Система нормальних рівнянь.
- •№102. Дисперсія помилок. Коефіцієнт детермінації.
- •№104. Критерій Фішера значності множинної лінійної моделі в цілому.
№67. Умовні диференціальні функції розподілу компонент двовимірної нормальної випадкової величини.
Розглянемо дискретну двовимірну випадкову величину Z=(X,Y). Можливі значення її компонент такі: x1,x2,…,xm; y1,y2,…,yn. Припустимо, що у результаті випробувння величина Y прийняла значення y1 (Y=y1), при цьому величина Х може мати одне із можливих значень: x1,x2,…,xm. Позначимо умовну імовірність того, що Х=хi, коли Y=y1, через р(хi / y1) . У загальному випадку умовні ймовірності компоненти Х при умові, що , позначимо через р(хi / y1) (i=1,2,…,m; j=1,2,…,n), а умовні ймовірності компоненти Y при імові, що компонента – через . Умовним розподілом компоненти Х при називають сукупнусть умовних імовірностей в припущенні, що випадок вже настав. Аналогічно визначається умовний розподіл компоненти Y при . За законом розподілу двовимірної дискретної величини Z=(X,Y) можна скласти умовні закони розподілу компонент Х та Y: для Х: = . Для Y: = . Відмітимо, що сума ймовірностей умовного розподілу для кожної з компонент дорівнює одиниці. У випадку неперервного розподілу величини Z=(X,Y) зявляються умовні щільності розподілу компоненти Х, коли , та компоненти Y, коли .
Умовною щільністю 1(хy) розподілу компоненти Х при значенні називають відношення щільності сумісного розподілу (x,y) системи (X,Y) до щільності розподілу 2(y) компонети Y: . Аналогічно умовна щільність 2(y/х) компоненти Y при значенні визначається за формулою: .
68. Условное матожидание и условное среднеквадратичное отклонение.
Условным математическим ожиданием дискретной случайной величины Y при X = x (х – определенное возможное значение Х) называется произведение всех возможных значений Y на их условные вероятности.
Для непрерывных случайных величин:
,
где f(y/x) – условная плотность случайной величины Y при X=x.
Условное математическое ожидание M(Y/x)=f(x) является функцией от х и называется функцией регрессии Х на Y.
Аналогично определяются условная дисперсия, среднеквадратичное отклонение и условные моменты системы случайных величин.
№70. Генеральна сукупність. Її чисельні характеристики.
У матиматичній статистиці вивчаються закономірності, яким підкоряються масові випадкові явища. Для цього методами теорії ймовірностей проводиться обробка статистичних даних, тобто результатів досліджень. Задача математичної статистики полягає в створенні методів збору та обробки статистичних даних для отримання наукових іпрактичних висновків. Предметом математичної статистики є вивчення випадкових величин за результатами спостережень, дослідів, повторнх випробувань. Словом «сукупнісь» у статистиці називається множина обєктів, з яких добувається вибірка. Уся сукупність, що вивчається, називається генеральною сукупністю. Генеральну сукупність можна вивчати шляхом суцільного вивчення всіх обєктів або шдяхом спостереження за частиною обєктів. Частина обєктів,яку дістають з генеральної сукупності, називається вибіркою або вибірковою сукупністю. Повна кількість обєктів генеральної сукупності чи вибіркової сукупності називається їх обємом. Обєм генеральної сукупності позначають , а обєм вибіркової сукупності – n. Відбір обєктів може бути повторним або безповторним. Повторним називають відбір, коли відібраний обєкт повертають у генеральну сукупність (до відбору наступного обєкта). Безповторним називають відбір, коли відібраний обєкт не повертають у генеральну сукупність. Відбір обєктів відбувається випадковим чином. Якщо випадкова вибірка дотатньо повно характеризуєгенерельну сукупність, то вибірка називається репрезентативною. За вибіркою обчислюють і . Якщо одна з двох вибірок має меншу дисперсію, то вона повніше відображає генеральну сукупність. Наближене значення параметра генеральної сукупності, що обчислене за вибіркою, називається оцінкою параметра. Як правило, основними оцінками генеральної сукупності є середнє вибіркове , яке є аналогом матиматичного сподівання , і вибіркова дисперсія - аналог дисперсії . Нехай маємо параметр , а - його вибіркова оцінка. Для того, щоб оцінка достатньо повно характеризувала параметр генеральної сукупності, необхідно, щоб вона мала наступні властивості: незміщенність, спроможність, ефективність. Оцінка параметра називається незміщеною, якщо її матиматичне сподівання дорівнює зажанному параметру, тобто: (наприклад, ). Оцінка називається спроможною, якщо вона при прямує за ймовірністю до параметра, який оцінюють, тобто: . Оцінка називається ефективною, якщо при заданому обємі досліджень вона має найменшу дисперсію.