![](/user_photo/2706_HbeT2.jpg)
- •Основные понятия и теоремы теории вер-тей
- •1.Что изучает теория вер-тей
- •2.Что наз. Событием? Какие события достоверными, невозможными, случайными
- •6. Какие события называются единственно возможными. Приведите примеры
- •7. Какое множество событий образует полную группу событий? Приведите пример. Чему равняется сумма вер-тей событий, образующих группу?
- •8. Сформулируйте классическое определение вероятности. Приведите пример.
- •9. Какие события наз. Достоверными и невозможными. Какими могут быть вероятности достоверного и невозможного события. Примеры
- •10. Формула, по которой вычисляется вер-ть.Может ли быть вер-ть больше 1.Бывает ли вер-ть отрицательной.
- •11. Статическое определение вероятности
- •12. Что называют статистической устойчивостью событий. Прибли-жается ли относ. Частота событий к его вероятности при увеличении числа испытаний? Почему? Пример.
- •14. Определеие произведения событий. Что обозначает а*в, если а иВ совместимые.
- •17. Сформулируйте теорему сложения вероятностей для совместных событий.
- •18. Какие события называют независимыми. Дайте определение независимых в совокуности событий.
- •19. Что называют условной вероятностью события. Приведите примеры.
- •20.Теорема умножени вероятностей для зависимых событий
- •21.Теорема умножени вероятностей для независимых событий
- •22. Чему равна вероятность появления в результате испытаний хотя бы одного из независимых в совокупности событий
- •23. Запишите формулу полной вер-ти.Какое свойство должны иметь гипотезы в формуле полной вероятности.
- •24. Запишит формулу Бейеса. Какое ее предназначение?
- •Повторение независимых испытаний
- •25. Запишите формлу Бернулли. Какое ее предназначение?
- •26. Как находят наивероятнейшее число наступления событий?
- •27. Локальная теорема Муавра-Лапласа в каких случаях ее применяют.
- •28. Перечислите свойства функции Лапласа φ(х).
- •29 В чем заключаеся интегралная теорема Муавра – Лапласа. В каких случаях ее применяют.
- •30. Перечислите свойства функции Лапласа ф(х).
- •31. Сформулируйте теорему Пуассона. Как найти параметр λ?
- •Случайные величины
- •32. Опрделение сучайной величиы. Примеры непрерывных и дискретных случайных величин.
- •33. Закон распределения дискретной случайной величины.
- •34. Ряд распределения. Определение многоугольника распределения.
- •35. Какая функция наз. Интегральным законом распред-я случ. Величины. Сформул-те свойства этой функии.
- •36. Какая функция наз. Дифференциальной функцией распред-я случ. Величины. Сформул-те свойства этой функии.
- •37. Определение матемтического ожидания дискретной и непрерывной случ величины.
- •38. Свойства математического ожидания.
- •39. Определение дисперсии и среднего квадрат-го отклонения дискретной и непрерывной случ. Величины.
- •40. Сформулируйте св-ва дисперсии.
- •41 Определение начального и центрального моментов k-го порядка. Каковы простейшие соотношения между ними.
- •42.Определение моды и медианы.
- •43. Какой закон распределения называют биномиальным.
- •44. Какой формулой определяется закон распределения Пуассона?
- •45. Какой формулой определяется равномерный закон распределения. Запишите формулу функции распределения для равномерного закона распределения и постройте ее график.
- •46. Какой дифференциальной функцией распределения случ. Величины определяется нормальный закон распределения. Объясните содержание параметров, кот. Входят в выражение этой функции.
- •47. Как влияют математичекое ожидание и дисперсия на форму нормальной кривой.
- •48. Формула для вычисления вер-ти того, что случайная величина кот. Подлежит норм. Закону распред., принимает значения из интервала (a, b)
- •49. Сформулируйте првило трех сигм.
- •Системы случайных величин
- •50.Определение понятия системы случайных величин.
- •51. Закон распределения и функция распределения двух случ величин.
- •53. Закон распределения отдельной сл. Величины, кот. Входит в систему. Условный закон распределения
- •54. Численные характеристики системы двух случайных величин. Математ. Ожидание и дисперсия.
- •55. Численные характеристики системы двух случайных величин. Кореляционный момент. Коэффициент корреляции.
- •Граничные теоремы теории вероятностей
- •56.Нервенство Чебышева и ее смысл.
- •57. Теорема Чебышева и ее смысл.
- •58. Теорема Бернулли и ее смысл.
- •59. Центральная предельная теорема теории вероятностей для одинаково распределенных случайных величин. Формулировка и смысл.
- •Основні поняття математичної статистики
- •Предмет математичної статистики. Що називається статистичною сукупністю?
- •Визначення генеральної й вибіркової сукупностей. Наведіть приклади.
- •Який статистичний метод називається вибірковим методом?
- •Що розуміється під репрезентативністю вибіркової сукупності? Помилки репрезентативності і їхні види.
- •Що таке емпірична функція розподілу?
- •Які числові характеристики відображають центральну тенденцію? Середня арифметична і її властивості.
- •Які числові характеристики відображають мінливість? Поняття коефіцієнта варіації.
- •Які числові характеристики відображають мінливість? Дисперсія і її властивості.
- •Запишіть формули, за якими обчислюються середня арифметична, дисперсія, середнє квадратичне відхилення, асиметрія й ексцес.
- •Перевірка статистичних гіпотез
- •3. Теорія статистичної оцінки
- •Яка величина розуміється під статистичною оцінкою параметра ?
- •Які оцінки називаються незміщеними, зміщеними? Наведіть приклади.
- •Які оцінки називаються незміщеними, зміщеними? Наведіть приклади. Чи є вибіркова дисперсія незміщеною оцінкою генеральної дисперсії ? Який дріб називають поправкою Бесселя?
- •Яка оцінка називається ефективною? Яка оцінка називається спроможною?
- •Що називається довірчим інтервалом або інтервальною оцінкою параметра ? Що визначає довірча ймовірність ?
- •Запишіть довірчий інтервал для генеральної середньої якщо відомо величину .
- •Випадкові процеси
- •1.Определение случайного процесса. Примеры случайных процессов.
- •2.Поняття перерізу випадкового процесу. Приклади, смисл. Представлення випадкового процесу за допомогою перерізів.
- •3. Поняття реалізації випадкового процесу. Сімейство реалізацій. Приклади.
- •4. Поняття математичного сподівання випадкового процесу.
- •5. Поняття дисперсії випадкового процесу.
- •6. Класифікація випадкових процесів за часом. Класифікація випадкових процесів за станами.
17. Сформулируйте теорему сложения вероятностей для совместных событий.
Вероятность суммы 2-х совместных событий равна сумме вероятностей этих событий без учета их совместного появления.
p(A+B)=p(A)+p(B)−p(AB)
Доказательство:
A+B=AB+AB+AB (сумма несовместных пар)
Тогда p(A+B)=p(AB)+p(AB)+p(AB)
Событие A=AB+AB,
Событие B=AB+AB
p(A+B)=p(A)−p(AB)+p(B)−p(AB)+p(AB)=p(A)+p(B)−p(AB)
Замечание: в этой теореме может существовать 2 различные ситуации.
p(A+B)=p(A)+p(B)−p(A)p(B), где A и B - независимые;
p(A+B)=p(A)+p(B)−p(A)p(B∖A),
где A и B - зависимые;
18. Какие события называют независимыми. Дайте определение независимых в совокуности событий.
события А и В называются независимыми, если P(AB)=P(A)P(B)
Свойства независимых событий:
если P(B)>0, то независимость А и В эквивалентна требованию : PB(A)=P(A)
если события А и В независимы, то и события
и В также независимы
пусть события А и В1 независимы, А и В2 независимы, В1В2=Ø, то есть В1 и В2 несовместны. Тогда события А и В1+В2 независимы.
если события А и В являются независимыми с положительными вероятностями, то они являются несовместными.
Следствие. Если события А и В несовместны и P(A)>0, P(B)>0, то А и В обязательно зависимы.
События А1, А2,…, Аn называются независимыми в совокупности, если для любого k(2≤k≤n) имеет место
P(Ai1,
Ai2,…,
Aik)=
(1)
Если формула (1) имеет место только при k=2, то события А1,А2,…,Аn называются попарно независимыми.
Из попарной независимости событий не следует независимость событий в совокупности.
19. Что называют условной вероятностью события. Приведите примеры.
На практике часто встречаются ситуации, когда наступление некоторого события значительно меняет возможности наступления других событий и их вероятности. Если произошло событие B, то новая вероятность события А называется условной вероятностью и обозначается PB(A), говорят: «вероятность события А при условии B». При этом B оказывается достоверным событием и играет роль пространства элементарных событий Ω.
Условная вероятность PB(A) определяется формулой (при P(B) >0):
PB(A)=
(1)
Из (1) следует формула:
P(A*B)= PB(A) P(B), P(B)>0, (2)
И симметричная формула:
P(A*B)= PA(B)P(A), P(A)>0 (3)
В урне 3 белых и 3 черных шара. Из урны дважды вынимают по одному шару, не возвращая их обратно. Найти вероятность появления белого шара при втором испытании (событие В), если при первом испытании был извлечен черный шар (событие А).
Р е ш е н и е. После первого испытания в урне осталось 5 шаров, из них 3 белых. Искомая условная вероятность
РA (В) = 3 / 5.
Этот же результат можно получить по формуле
РA (В) = Р (АВ) / Р (А) (Р (А) > 0). (*)
Действительно, вероятность появления белого шара при первом испытании
Р (А) = 3 / 6 = 1 / 2.
Найдем вероятность Р (АВ) того, что в первом испытании появится черный шар, а во втором — белый. Общее число исходов — совместного появления двух шаров, безразлично какого цвета, равно числу размещений A26 = 6 * 5 = 30. Из этого числа исходов событию АВ благоприятствуют 3 * 3 = 9 исходов. Следовательно,
Р (AВ) = 9 / 30 = 3 / 10.
Искомая условная вероятность
РA (В) = Р (АВ) / Р (А) = (3 / 10) / (1 / 2) = 3 / 5.
Как видим, получен прежний результат.