- •1.Предмет и задачи теории вероятностей. Пространство элементарных событий.
- •2. Случайные события и их классификация. Операции над событиями.
- •3 Частота появления случайного события и ее свойства.
- •4. Вероятность случайного события и её свойства
- •5.Статистическое, классическое, аксиоматическое и геометрическое опред вероятности случайного события.
- •6. Теоремы сложения вероятностей событий.
- •7.Теоремы умножения вероятностей событий. Условная вероятность. Независимость событий.
- •9.Схема испытаний Бернулли. Формула Бернулли. Производящая функция. Наивероятнейшее число наступления события.
- •10.Теоремы Муавра-Лапласа и Пуассона и их применение в схеме испытаний Бернулли.
- •11. Формула полной вероятности. Формула Байеса.
- •12. Определение случайной величины. Классификация случайных величин. Закон распределения случайной величины. Формы задания закона распределения дискретной св
- •13. Функция распределения и ее свойства.
- •14.Плотность вероятности случ величины и ее св-ва.
- •16. Биноминальное распределен и его числ. Хар-ки
- •18.Равномерное распределение и его числовые характеристики.
- •19. Показательное распределение и его числовые характеристики.
- •20. Нормальный закон распределения и его числовые характеристики. Функция Лапласа.
- •22.Теоремы Чебышева, Бернулли и Пуассона.
- •23. Центральная предельная теорема теории вероятностей и ее следствие.
- •24. Предмет и задачи мат. Статистики. Ген. И выборочная сов-ти. Формы записи исходных статистич. Данных. Статистический, вариационный и интервальный ряды и их хар-ки.
- •25.Графическое представление распределений.
- •26. Понятие оценки. Виды оценок. Свойства оценок. Точечные оценки параметров ген. Совокупности и методы их получения
- •27.Понятие интервальной оценки. Доверительный интервал и доверительная вероятность. Доверительный интервал для генеральной средней нормально распределенной сов-ти.
- •30. Критерии проверки параметрических и непараметрических гипотез: t-критерий, f –критерий, критерий согласия Пирсона, критерий согласия Колмогорова (самостоятельно).
- •32. Проверка гипотезы о числовом значении дисперсии признака в генеральной совокупности.
- •33.Проверка гипотезы о числовом знач доли признака в гс.
- •36. Проверка гипотезы о нормальном распределении генеральной совокупности по критерию Пирсона.
- •37. Проверка гипотезы о показательном распределении генеральной совокупности с помощью критерия Пирсона.
- •38. Проверка гипотезы о равномерном распределении генеральной совокупности с помощью критерия Пирсона.
- •39.Проверка гипотезы о равномерном распределении генеральной совокупности с помощью критерия Колмогорова
- •40. Проверка гипотезы о распределении генеральной сов-ти по биномиальному закону с помощью критерия Пирсона.
- •41. Проверка гипотезы о распределении ген. Сов-ти по з-ну Пуассона с помощью критерия Пирсона.
- •42.Основные понятия дисперсионного анализа. Проверка гипотезы о равенстве генеральных групповых дисперсий. Критерий Бартлетта.
- •43.Проверка гипотезы о значимости влияния фактора на результативный признак с помощью дисперс анализа.
- •44. Проверка гипотезы о равенстве групповых средних с помощью дисперсионного анализа.
- •46.Выборочный парный коэффициент линейной корреляции, его свойства и значимость. Коэффициент детерминации, его свойства и интерпретация.
- •47.Выборочный множественный коэффициент корреляции, его свойства и значимость
- •48.Выборочные частный коэффициенты корреляции, их свойства и значимость. Матрица парных коэффициентов корреляции.
- •15. Основные и не основные числовые характеристики случайной величины, их свойства и способы их вычисления. (зр и чх св)
- •49. Понятие регрессии. Задачи регресс анализа. Модель регрессии. Линейная парная регрессия. Метод наим квадратов опред параметров линейного уравнения регрессии.
- •45 Понятие о линейной корреляции и регрессии. Представление данных в корреляционном анализе.
9.Схема испытаний Бернулли. Формула Бернулли. Производящая функция. Наивероятнейшее число наступления события.
Формула Бернулли. Пусть в одинаковых условиях проводится n независимых испытаний, в каждом из которых событие А произойдёт, то испытание – успешное, а само событие – успех.
Если испытание повторяется n раз с соблюдением условий:
Вероятность успеха в каждом испытании одна и та же.
Результат любого испытания не зависит от исходов предыдущих испытаний, то такая последовательность испытаний с двумя исходами успех, неудача называется послед. независ. испытаний Бернулли и схемой Бернулли.
Теорема Бернулли. Если в одинаковых условиях проводится n независимых испытаний, в каждом из которых вер-ть появления события А постоянна
и = р(Р(А)= р) , а вер-ть ненаступления = q (q=1-p), то вер-ть того, что в n-испытаниях событие А появится ровно n раз определяется формулой:
Р(А)= Рm,n=Cnm pmqn-m
и называется формулой Бернулли.
Число,к кот. при заданном числе испытаний, соотв. максимальная вер-ть событий, называется наивероятнейшим числом наступления данного события и обозначается m0.
В схеме испытаний Бернулли наивероятнейшее число наступления события определяется формулой: np-q≤m0≤np+p
10.Теоремы Муавра-Лапласа и Пуассона и их применение в схеме испытаний Бернулли.
Пусть приводится n независимых испытаний в одинак. условиях, в каждом из которых событие A может появиться с одной и той же вероятностью p=P(A) или может, не появится с вероятностью q=1-q. При достаточно большом n ,с целью избегания громоздкости вычислений, при вычислении вероятностей наступления события A ровно m раз или от m1 до m2 раз по формуле Бернулли пользуются приближенными формулами Лапласа и Пуассона.
Локальная теорема Лапласа:
Если проводится достаточно большое число испытаний n (n→∞) в одинаковых условиях в каждом из которых вероятность появления события A постоянно равно p и не очень близка к нулю и единице, вероятность наступления события A в n испытаний ровно m раз определяется формулой называемой локальной формулой Лапласа в которой есть малая функция Лапласа определяется формулой ; ;
; значения которой затабулированны и даны в дополнениях учебников.
Интегральная теорема Лапласа:
Если в одинаковых условиях проводится достаточно большое число независимых испытаний n (n→∞), в каждом из которых вероятность наступления события А постоянно равно p и не очень близка к нулю и единице, то вероятность того, что в n испытаниях события А наступит от m1 до m2 раз, определяется приближенной интегральной формулой Лапласа:
, в которой Φ(х)-функция Лапласа (не нормированная) определяемая равенством:
; значения которой затабулированны.
11. Формула полной вероятности. Формула Байеса.
Пусть проводится некоторый опыт. Об условиях проведения, которого можно сделать n взаимоисключающих друг друга предположений (гипотез) Н1 … Hn, составляющих полную группу событий. И пусть событие А может произойти только вместе с одной из этих гипотез, т.е. событие А можно представить как сумму n несовместимых событий.
А = АН1 +АН2 +…+АНn (откуда по примеру сложения вероятностей соб. След.) Р(А) = Р(АНx + …+ Р(АНn)) = P (∑ni=1 AHi)= Р((∑ni=1 HiA) = ∑ni=1 Р (HiA) (откуда использую теорему умножения)
Р(НiА)=Р(Нi) × P(A/Hi) получаем:
P(A) = ∑ni=1 P(Hi) × P(A/Hi) – формула полной вероятности вычисления вероятности события, где P(Hi) – вероятность i-ой гипотезы, Р (A/Hi) – условная вероятность события А при данной гипотезе. Распишем по т. Умножения вероятность события: P(AHi) = P(HiA) = P(Hi) × P(A/Hi) = P(A) × P(Hi/A) → P(Hi/A) = P(Hi) × P(A/Hi) / P(A), где Р(А) – полная вер-сть события А опред. Ф-ой 1.
Р(Hi/A) – условная вероятность i-ой гипотезы (вероятность i-ой гипотезы после проведения опыта). Формула 2 называется формулой Байеса.
Доопытные (первоначальные) вероятности гипотез P(Hi) наз. Априортными, а послеопытные P(Hi/A) - апостериортными.