
- •1.Класичне означення імовірності події. Властивості імовірності. Теорема добутку імовірностей та наслідки з неї.
- •2.Довести теорему суми імовірностей та 3 наслідки з неї.
- •3.Довести теореми (формула повної імовірності та формули Байєса.
- •4.Дискретні випадкові величини - двв. Закони розподілу ймовірностей для двв. Дії над двв
- •5.Математичне сподівання дискретної випадкової величини та його властивості. Довести (на вибір) три з них.
- •6.Дисперсія дискретної випадкової величини та її властивості. Довести 3 з них на вибір. Середнє квадратичне відхилення.
- •8.Неперервні випадкові величини - нвв. Означення інтегральної функції розподілу та доведення її властивостей.
- •9.Означення диференціальної функції розподілу (щільності розподілу ймовірностей) та доведення її властивостей.
- •10.Означення нормального закону розподілу. Вивести формулу для імовірності попадання значень нормально розподіленої вв до заданого проміжку, наслідок. Правило «трьох сигм».
- •11.Закон показникового розподілу, або показниковий закон. Інтегральна функція розподілу ймовірностей для показникового закону. Мс та дисперсія для показникового закону.
- •12.Закон рівномірного розподілу, або рівномірний закон. Інтегральна функція розподілу ймовірностей для рівномірного розподілу ймовірностей. Мс та дисперсія для показникового закону.
- •13.Центральна гранична теорема.Муавр Лаплас
- •16.Корелят момент.Коефициент кореляції
- •17.Функц, статистична,та корелят залежності..
- •18.Коефіцієнт детермінації (r2)
- •1.Класичне означення імовірності події. Властивості імовірності. Теорема добутку імовірностей та наслідки з неї.
- •2.Довести теорему суми імовірностей та 3 наслідки з неї.
13.Центральна гранична теорема.Муавр Лаплас
Центральна гранична теорема.
Для послідовності випадкових величин 1) розглянемо:
Теорема
1.
Якщо випадкові величини в послідовності
(1) незалежні, однаково розподілені і
для них існують моменти другого порядку,
то
(2)
тобто
граничним розподілом для
є нормальний закон розподілу з нульовим
математичним сподіванням і одиничною
дисперсією.
Інтегральна теорема Муавра-Лапласа. Для біноміально розподіленої ДВВ Х=m – частоти появи події А з імовірністю р в серії із n НПВ справедлива наближена формула:
P(m1≤m≤m2)≈Ф(t2) – Ф(t1),
де Ф(t) – інтегральна функція Лапласа,
;
Частинні випадки Муавра-Лапласа. Для частоти m та частості m/n появи події A з імовірністю p в серії із n НПВ справедливі наближені формули:
14.Формула Бернуллі. Біноміальний закон розподілу ймовірностей (закон Бернуллі). Найімовірніша частота (мода) настання події. Локальна теорема Лапласа. Формула Пуассона. Закон рідкісних подій (закон Пуасона).
Теорема.
Нехай проводиться
НПВ за схемою Бернуллі і ймовірність
появи події
в кожному із випробувань
незмінна (ймовірність непояви події
в кожному із випробувань
). Тоді імовірність того, що подія
з’явиться
разів у
НПВ
знаходиться за формулою
Бернуллі:
.
Доведення: P(X=m)=Pm,n=Cmn*pm*qn-m, Cmn=n!/(m!(n-m)).
Pn(X=m)=CmnP(A*A…*A*A*A*…*A)=за т.добутку=Cmnp*p*…*p*q*q*…*q=Cmnpmqn-m(кількість таких комбінацій).
Біноміальным законом розподілу ДВВ (закон Бернуллі) називають ДВВ - частоту появи події у НПВ.
Найімовірнішою
частотою
(або модою) появи події
у
НПВ називають частоту, для якої
.
Подвійну нерівність для визначення
найімовірнішої частоти:
.
Теорема
(локальна формула Муавра-Лапласа). Якщо
у схемі Бернуллі із
НПВ імовірність появи події
дорівнює
(
), а кількість НПВ досить велика, то
імовірність появи події
разів у
НПВ наближено дорівнює (тим точніше,
чим більше
):
,
де
- функція Гауса, а
.
Формула
Пуассона:
. При виконанні умов теореми Пуассона
ВВ
( яка приймає нескінченну злічену
множину значень
, а відповідні імовірності знаходяться
за формулою
, де
) називають розподіленою
за законом Пуассона ( закон рідкісних
подій).
15.Критерій
узгодженості Пірсона. Критерій
узгодженості Пірсона є випадковою
величиною, що має розподіл
,
який визначається за формулою
і
має k = q – m – 1
ступенів свободи, де q
— число часткових інтервалів інтервального
статистичного розподілу вибірки; m
— число параметрів, якими визначається
закон розподілу ймовірностей генеральної
сукупності згідно з нульовою гіпотезою.
Так, наприклад, для закону Пуассона,
який характеризується одним параметром
,
m = 1,
для нормального закону m = 2,
оскільки
цей закон визначається двома параметрами
i
.
Якщо
(усі емпіричні частоти збігаються з
теоретичними), то
,
у противному разі
.
Визначивши при заданому рівні значущості
і числу ступенів свободи критичну точку
,
за таблицею (додаток 8) будується
правобічна критична область. Якщо
виявиться, що спостережуване значення
критерію
,
то Н0
про закон розподілу ознаки генеральної
сукупності відхиляється. У противному
разі
Н0
приймається.