![](/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.
20.Теорема умножени вероятностей для зависимых событий
Вероятность совместного появления двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило: Р (АВ) = Р (А) РA (В) (*)
Доказательство
По определению условной вероятности,
РA (B) = Р (АВ) / Р (A).
Отсюда
Р (АВ) = Р (А) РA (В).
З а м е ч ан и е. Применив формулу (*) к событию ВА, получим Р (ВА) = Р (В) Рв (А), или, поскольку событие ВА не отличается от события АВ, -> Р(АВ) = Р (В) Рв (А)
Сравнивая формулы Р (АВ) = Р (А) РA (В) и Р(АВ) = Р (В) Рв (А), заключаем о справедливости равенства
Р (А) Ра (В) = Р (В) Рв (А)
Теорема (правило) умножения вероятностей легко обобщается на случай произвольного числа событий:
P(ABC...KL) = Р(А)· РА(В)· РАВ(С) ... РАВС...К(L),
Т.е. вероятность произведения нескольких событий равна произведению вероятности одного из этих событий на условные вероятности других; при этом условная вероятность каждого последующего события вычисляется в предположении, что все предыдущие события произошли.
Пример 1. У сборщика имеется 3 конусных и 7 эллиптических валиков. Сборщик взял один валик, а затем второй. Найти вероятность того, что первый из взятых валиков - конусный, а второй - эллиптический.
Р е ш е н и е. Вероятность того, что первый валик окажется конусным (событие A), Р(А) = 3 / 10. Вероятность того, что второй валик окажется эллиптическим (событие В), вычисленная в предположении, что первый валик - конусный, т. е. условная вероятность РA(В) = 7 / 9.
По теореме умножения, искомая вероятность Р(АВ) = Р(А)•РA(В) = (3/10)• (7/9) = 7/30. Заметим, что, сохранив обозначения, легко найдем: Р(В) = 7/10, РB(А) = 3/9, Р(В)•РB(А) = 7/30, что наглядно иллюстрирует справедливость равенства.
С л е д с т в и е. Вероятность совместного появления нескольких событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились:
где
явл
вероятностью события An,
вычисленной в предположении, что события
А1,А2,...,
Аn
— 1
наступили. В частности, для трех событий
Р (AВС) = Р (А) РA
(В) РAB
(С). Порядок, в котором расположены
события, может быть выбран любым, т. е.
безразлично какое событие считатьпервым,
вторым и т. д.
21.Теорема умножени вероятностей для независимых событий
Произведением двух событий А и В называется событие, состоящее в совместном появлении этих событий.
Теорема . Если случайные события А и В независимые, то вероятность совместного появления событий А и В равно произведению вероятностей этих событий.
|
Р (А × В) = Р(А) × Р(В). |
(4.6) |
Пример .
Студент должен сдать два экзамена в сессию. Вероятность сдать первый экзамен р1=0,8. Вероятность сдать второй экзамен р2 =0,7. Какова вероятность, что студент сдаст два экзамена в сессию.
Решение.
Событие А – сдать первый экзамен. Событие В – сдать второй экзамен. Оба события независимы. Событие А×В – сдать два экзамена. Вероятность сдать два экзамена вычисляется по формуле (4.6).
Р(А × В) = Р(А)×Р(В) = р1× р2 = 0,7 × 0,8 = 0,56.
Вероятность совместного появления нескольких событий, независимых в совокупности, равна произведению вероятностей этих событий.
|
Р(А1×А2×…×Аk) = Р(А1) × Р(А2)×…×Р(Аk). |
(a) |
Частным случаем совместного появления нескольких независимых событий является равенство вероятностей всех событий Р(А1) =Р(А2)=…=Р(Аk) в формуле (a).