- •Вопрос 1 Опыт, множество элементарных исходов опыта событие.
- •Вопрос 2 Классическое, статистическое(частное), геометрическое определение вероятности.
- •Вопрос 3 Субъективная вероятность.
- •Вопрос 4 Использование методов комбинаторики для вычисления вероятностей.
- •Вопрос 5 Вероятность сложных событий.
- •Вопрос 6 Совместные и несовместные события.
- •Вопрос 7 Правило исчисления теоретико-множественной суммы событий.
- •Вопрос8 Теорема сложения вероятностей.
- •Вопрос 15 Случайная величина как функция от элементарных исходов опыта.
- •Вопрос 16 Функция распределения случайной величины.
- •Вопрос 19 Функция плотностей распределения вероятностей.
- •Вопрос 20 - Последовательности испытаний.
- •Вопрос 21 Случайная величина Бернули.
- •Вопрос 22 Схема независимых испытаний Бернули.
- •Вопрос 23 Биноминальная случайная вероятность.
- •Вопрос 24 Локальная предельная и интегральная теорема Муавра-Лапласа.
- •Вопрос 25 Предельная теорема Пуассона и случайная величина Пуассона.
- •Вопрос 26 Предельные теоремы Муавра-Лапласа и случайная величина Гаусса.
- •Вопрос 27 Равномерное и нормальное распределения.
- •Вопрос 29 Правило «три сигма» для нормальной случайной величины.
- •Вопрос 30 таблица стандартного нормального распределения.
- •Вопрос 31 Табулирование распределений.
- •Вопрос 32 Зависимые и независимые случайные величины.
- •Вопрос 33 Математическое ожидание случайной величины. Свойства математического ожидания.
- •Вопрос 34 Дисперсия случайной величины. Свойства дисперсии.
- •Вопрос 35 Моменты случайной величины, ассиметрия, эксцесс.
Вопрос 15 Случайная величина как функция от элементарных исходов опыта.
Под случайной величиной понимается величина, которая в результате опыта со случайным исходом принимает то или иное значение. Возможные значения случайной величины образуют множество, которое называется множеством возможных значений случайной величины. Обозначения случайной величины: X, Y, Z; возможные значения случайной величины: x, y, z.
В зависимости от вида множества случайные величины могут быть дискретными и недискретными. СВ Х называется дискретной, если множество ее возможных значений - счетное или конечное. Если множество возможных значений СВ несчетно, то такая СВ является недискретной.
В теоретико-множественной трактовке основных понятий теории вероятностей случайная величина Х есть функция элементарного события: X=φ(ω), где ω - элементарное событие, принадлежащее пространству Ω. При этом множество Ξ возможных значений СВ Х состоит из всех значений, которые принимает функция φ(ω).
Вопрос 16 Функция распределения случайной величины.
Функцией распределения случайной величины X называется вероятность того, что она примет значение меньшее, чем аргумент функции x: F(x)=P{X<x}.
Функция распределения любой случайной величины обладает следующими свойствами: 1) F(x) определена на всей числовой прямой R; 2) F(x) не убывает, т.е. если x1 ≤ x2, то F(x1) ≤ F(x2); 3) F(-∞)=0, F(+∞)=1, т.е. limx→-∞F(x)=0 и limx→+∞F(x)=1; 4) F(x) непрерывна справа, т.е. limx→x0+0 F(x)=F(x0).
Вопрос 17 Дискретные случайные величины. = Вопрос 18 Непрерывные случайные величины.
Дискретные СВ принимают в результате испытания одно из изолированного дискретного множества значений. Они хорошо подходят для описания результатов значений, связанных с подсчётом и выражаемых целыми числами. (счётное и конечное значение). Вероятность принятия дискретной СВ каждого из возможных её значений больше нуля. P(x;xi);Pi , где i=..-1,0,1..(-∞;+∞). Непрерывные СВ в результате испытания могут принимать любые значения из некоторого интервала. Поскольку число возможных значений непрерывной СВ бесконечно велико и чаще всего нет оснований предположить, что одни значения появляются чаще других, то вероятность принятия непрерывной СВ каждого отдельного значения равна нулю. По этой причине нельзя описать распределение непрерывной СВ в виде вероятностей её отдельных значений.
Вопрос 19 Функция плотностей распределения вероятностей.
Плотность вероятностей – это производная от функции распределения непрерывной СВ т.е. f(x)=df(x)\dx. Вероятность попадания непрерывной СВ в интервале между значениями х1 и х2 пропорциональная площади под кривой плотности вероятностей, заключенной между точками х1 и х2. Эта вероятность математически записывается в виде интервала от f(x) в пределах х1 и х2.p(х1≤X≤ х2)=∫х2 х1 f(x)dx. Свойства f(x): 1) f(x)≥0; 2) f(x)=0, при х<xmin ; 3) f(x)=0, при х>xmax. ; 4) ∫+∞-∞ f(x)dx=1.
Вопрос 20 - Последовательности испытаний.
Если события независимы, то последовательность независимых испытаний называют схемой независимых испытаний или полиномиальной схемой, частным случаем которой (испытания с двумя исходами) является схема Бернулли.
Последовательностью независимых испытаний называется конечная вероятностная схема, в которой вероятности элементарных событий определяется формулой: P(ω)=Pх1Pх2..Pхn, как произведение вероятностей исходов отдельных испытаний.
Пусть проводится конечное число n последовательных испытаний, в каждом из которых некоторое событие A может либо наступить (успех) либо не наступить (неудача), причём эти испытания удовлетворяют следующим условиям:
1) каждое испытание случайно относительно события A, т. е. до проведения испытания нельзя сказать, появится A или нет;
2) испытания проводятся в одинаковых, с вероятностной точки зрения, условиях, т. е. вероятность успеха в каждом отдельно взятом испытании равна P и не меняется от испытания к испытанию;
3) испытания независимы, т. е. события A1,A2,K,An , где Ai состоит в успехе на i-м испытании (i=1,2,..,n), независимы в совокупности. Такая последовательность испытаний называются схемой Бернулли или биномиальной схемой, а сами испытания - испытаниями Бернулли.
4) вероятность наступления определенного события А одна и та же и равна Р.
последовательность испытания Бернулли. P(A)=P ; P(A-)=q=1-p.