- •Определение матрицы. Понятие подматрицы. Операции над матрицами и их свойства.
- •Понятие определителя квадратной матрицы порядка n. Свойства определителей. Методы вычисления определителей. Примеры.
- •Определение обратной матрицы. Теорема о необходимом и достаточном условии существования обратной матрицы. Вычисление обратной матрицы (на примере).
- •Определение ранга матрицы. Вырожденные и невырожденные матрицы. Матричная запись системы линейных уравнений.
- •Понятие системы линейных уравнений. Теорема Кронекера-Капелли. Метод Крамера решения квадратных систем. Метод Гаусса решения системы уравнений.
- •Понятие множества. Пустое множество, универсальное множество. Способы задания множеств. Операции над множествами. Равенство, включение множеств. Декартово произведение множеств.
- •Понятие о высказывании. Логические операции над высказываниями. Таблицы истинности логических операций. Логически эквивалентные высказывания.
- •Понятие о предикатах и кванторах. Стандартные типы доказательств для установления истинности высказываний. Метод математической индукции.
- •Полная группа событий. Противоположные события. Формула полной вероятности. Формула Байеса.
- •Свойства вероятностей. Вероятность суммы двух несовместных событий, вероятность суммы двух совместных и независимых событий. Условная вероятность.
- •Понятие случайной величины, дискретной случайной величины. Распределение вероятностей.
- •Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
- •Дисперсия дискретной случайной величины. Свойства дисперсии. Среднее квадратическое отклонение.
- •Статистическое понятие вероятности события. Определение частоты и относительной частоты случайного события. Статистические характеристики.
Свойства вероятностей. Вероятность суммы двух несовместных событий, вероятность суммы двух совместных и независимых событий. Условная вероятность.
Свойства:
Пусть задано пространство элементарных событий Е , а вероятности Р определены на событиях из Е . Тогда:
Суммой
событий
и
называется
событие
,
состоящее в наступлении, по крайней
мере, одного из событий
или
,
т. е. в наступлении события
,
или события
,
или обоих этих событий вместе, если они
совместны.
Вероятность
суммы двух несовместных событий
и
равна
сумме вероятностей этих событий:
.
Произведением
событий
и
называется
событие
,
состоящее в том, что в результате
испытания произошло и событие
,
и событие
,
т. е. оба события произошли.
Два события и называются независимыми, если вероятность появления каждого из них не зависит от того, появилось другое событие или нет. В противном случае события и называются зависимыми.
Вероятность произведения
двух независимых событий
и
равна
произведению этих вероятностей:
.
Условная вероятность.
Пусть
и
—
зависимые события. Условной
вероятностью
события
называется
вероятность события
,
найденная в предположении, что
событие
уже
наступило.
Теорема.
Вероятность произведения двух зависимых
событий
и
равна
произведению вероятности одного из них
на условную вероятность другого,
найденного в предположении, что первое
событие уже наступило:
.
Теорема.
Вероятность суммы двух совместных
событий
и
равна
сумме вероятностей этих событий минус
вероятность их произведения:
.
Определение суммы и произведения двух событий. Вероятность суммы двух совместных событий. Вероятность появления хотя бы одного события. Вероятность произведения двух совместных и зависимых события.
Суммой событий и называется событие , состоящее в наступлении, по крайней мере, одного из событий или , т. е. в наступлении события , или события , или обоих этих событий вместе, если они совместны.
Произведением событий и называется событие , состоящее в том, что в результате испытания произошло и событие , и событие , т. е. оба события произошли.
Вероятность появления хотя бы одного из событий А1, А2,…,Аn независимых в совокупности, равна разности между единицей и произведением вероятностей противоположных событий, т.е.
Вероятность суммы двух совместных событий А и В равна сумме их вероятностей без вероятности их совместного появления, т.е. Р(А+В)=Р(А)+Р(В)-Р(АВ).
Полная группа событий. Противоположные события. Формула полной вероятности. Формула Байеса.
По́лной гру́ппой собы́тий в теории вероятностей называется система случайных событий такая, что в результате произведенного случайного эксперимента непременно произойдет одно из них. Сумма вероятностей всех событий в группе всегда равна 1.
Противоположными называют
два единственно возможных события,
образующих полную группу. Если одно из
двух противоположных событий обозначено
через A, то другое принято обозначать
.
Формула полной вероятности:
Формула Байеса:
Схема Бернулли. Формула Бернулли. Наивероятнейшее число успехов. Формула Пуассона.
Бернулли
установил, что вероятность ровно
успехов
в серии из
повторных
независимых испытаний вычисляется по
следующей формуле:
То
значение
,
при котором число
является
максимальным из множества {
},
называется наивероятнейшим,
и оно удовлетворяет условию: np - q
m
np+
p,
Формулу
Бернулли можно обобщить на случай, когда
при каждом испытании происходит одно
и только одно из
событий
с вероятностью
(
.
Вероятность появления
раз
первого события и
-
второго и
-го
находится по формуле:
При
достаточно большой серии испытаний
формула Бернулли становится трудно
применимой, и в этих случаях используют
приближенные формулы. Одну из них можно
получить из предельной теоремы Пуассона:
Наивероятнейшее число успехов:
Биномиальное распределение
(распределение по схеме Бернулли)
позволяет, в частности, установить,
какое число появлений события А наиболее
вероятно. Формула для наиболее
вероятного числа успехов
(появлений
события) имеет вид:
Так как
,
то эти границы отличаются на 1. Поэтому
,
являющееся целым числом, может принимать
либо одно значение, когда
целое
число (
)
, то есть когда
(а
отсюда и
)
нецелое число, либо два значения,
когда
целое
число.
