
- •1.Комбинаторика
- •2. Выборки с повторениями
- •3. Классификация событий. Элементарные события. Классическое определение вероятности.
- •5. Геометрическая вероятность.
- •7. Произведение событий. Условная вероятность. Теорема умножения вероятностей.
- •9.Теорема сложения вероятностей совместных событий.
- •10. Формула полной вероятности. Формулы Байеса.
- •13. Повторение испытаний. Формула Бернулли. Наивероятнейшее число наступлений события в схеме Бернулли.
- •14. Понятие случайной величины. Закон распределения дискретной случайной величины
- •15.Функция распределения случайной величины и ее свойства. Функция распределения дискретной случайной величины.
- •16. Математические операции над дискретными случайными величинами
- •18.Дисперсия дискретной случайной величины и ее свойства.
- •20.Ковариация двух случайных величин и ее свойства. Коэффициент корреляции.
- •23. Функция распределения и плотность вероятности непрерывной случайной величины. Свойства плотности вероятности.
- •26.Биномиальный закон распределения. Математическое ожидание и дисперсия случайной величины, распределенной по биномиальному закону
- •27.Теорема Пуассона. Формула Пуассона
- •28.Закон распределения Пуассона. Математическое ожидание и дисперсия случайной величины, распределенной по закону Пуассона.
- •29.Геометрическое распределение. Гипергеометрическое распределение.
- •30.Равномерный закон распределения. Математическое ожидание и дисперсия равномерно распределенной случайной величины.
- •31Показательный закон распределения
- •32 Нормальный закон распределения. Гауссова кривая, ее свойства. Математическое ожидание и дисперсия случайной величины, распределенной по нормальному закону
- •34. Свойства нормально распределенной случайной величины: вероятность попадания на отрезок, отклонение от математического ожидания, правило «трех сигм».
- •36. Интегральная теорема Муавра-Лапласа:
- •37. Неравенсто маркова(лемма чебышева)
- •40. Центральная предельная теорема. Теорема Ляпунова.
- •45. Основные понятия теории оценок
- •48. Методы получения оценок: метод моментов и метод наибольшего правдоподобия, функция правдоподобия( дискретный и непрерывный случаи), примеры.
- •49. Метод наибольшего правдоподобия
- •55.Общая схема проверки гипотез:
9.Теорема сложения вероятностей совместных событий.
пусть А и Б - два совместных события, тогда вероятность их суммы равна сумме вероятностей слагаемых без вероятности произведения, т.е.
Р(А+Б)=Р(А)+Р(Б)-Р(АБ)
10. Формула полной вероятности. Формулы Байеса.
Формула полной вероятности: Вер-ть события А, которое может наступить лишь при появлении одного из несовместных событий (гипотез) В1, В2, … , Вn, образующих полную группу, равна сумме произведений вер-тей каждой из гипотез на соответствующую условную вер-ть события А:P(A) = P(B1) ∙ PB1(A) + P(B2) ∙ PB2(A) + … + P(Bn) ∙ PBn(A), где P(B1) + P(B2) + … + P(Bn) = 1.
Формула Бейеса: Пусть событие А может наступить лишь при условии появления одного из несовместных событий (гипотез) В1, В2, … , Вn, которые образуют полную группу событий. Если событие А уже произошло, то вер-ти гипотез могут быть переоценены по формулам Бейеса: PA(Bi) = P(Bi) ∙ PB1(A) / P(A) (i = 1, 2, … , n), где P(A) = P(B1) ∙ PB1(A) + P(B2) ∙ PB2(A) + … + P(Bn) ∙ PBn(A)
13. Повторение испытаний. Формула Бернулли. Наивероятнейшее число наступлений события в схеме Бернулли.
Пусть производится n независимых испытаний, в каждом из которых событие A может появиться с постоянной вероятностью p и не появиться с постоянной вероятностью (1-p)=q.
Найти вероятность того, что в n испытаниях случайное событие наступит ровно k раз.
pn(k)=Сknpkqn−k (формула, схема Бернулли)
Задача.
Два шахматиста играют в шахматы.
Что вероятнее: выиграть 2 из 4-х раз или 3 из 6 раз. Ничьи во внимание не принимаются.
Решение.
Найдем вероятность того, что шахматист выиграет 2 из 4-х раз: p4(2)=С24(21)2(21)4−2=83
Вероятность того, что шахматист выиграет 3 из 6 раз: p6(3)=С36(21)3(21)6−3=516
83>516, или p4(2)>p6(3), поэтому 2 из 4-х раз выиграть вероятнее.
Формула Бернулли: Pn(m) = Cmnpmqn–m, где n – число опытов в одинаковых условиях, m – число опытов, в которых произошло событие А, р – вероятность события А при каждом испытании, q = 1 – p.
Функция распределения: F(x) = P(X < x) = ∑ xi<x p(xi)
Вероятность
того что в n
испытаниях событие А произойдет ровно
k
раз, вычисляется по формуле
-
формула Бернулли
Число наступлений события А называется наивероятнейшим, если вероятность наступить событию это число раз наибольшая по сравнению с вероятностями других исходов данной серии испытаний
Наивероятнейшее
число m
событий А вычисляют по формуле
n-число независимых испытаний, p-вероятность наступления события А в любом из этих испытаний, q-вероятность ненаступления события А в каждом из этих испытаний.
14. Понятие случайной величины. Закон распределения дискретной случайной величины
Опр.1. Случайной величиной наз-ся величина, кот-я в рез-те опыта со случайным исходом принимает то или иное случайное значение.
Опр.2. Случайная величина – функция от элементарного события.
Х
= f(w),
w
X=X(w), w
Обонач.
Заглавными печатными буквами, а их
значения – малыми буквами. X=X(w)
д.б. такой,
чтобы вер-ть соб-ия, состоящая в том,
что случ. вел-на Х попадёт в интервал
от –
до х, принадлежащего полю событий F
и для любого такого соб-я А была бы
определена вер-ть, кот-я в свою очередь
принадлежит P
Р{x|w|<x}=P(A)
Когда
конечно
или счётно, случайной
величиной
явл-ся любая числовая ф-ия, определённая
на
.Если
F
конечно или
несчётно, то случайная вел-на наз-ся
дискретной
(отдельные и изолированные значения)
Дискретные случайные величины
Опр.3 Дискретной наз-ся такая случ. вел-на, кот-я м. принимать изолированные(дискретные)значения, кол-во кот-ых м подсчитать (пронумеровать).
Опр.4. Непрерывной наз-ся такая случ. вел-на, кот-я может принимать значения в заданном интервале.
Опр.5. Любое правило (таблица ф-ий и т.д.), позволяющее находить вер-ть всех возможных событий, связанных со случайной величиной, наз-ся законом распределения случ. вел-ны.
Опр.6. 2 случайные вел-ны наз-ся независимыми, если зак-н распределения одной их них не зависит от того, как распределена другая. В противоположном случае говорят, что они зависимы.
Для дискретной случ. вел-ны рядом распределения наз-ся закон распределения этой вел-на в виде таблицы. В верхней части расположены все значения, кот-ые м. принимать случ-я вел-на (в порядке возрастания), а в нижней – соответсвующая им вероятность.
|
|
|
|
… |
|
|
|
|
|
… |
|
Pi=P{X=xi}
События
несовместны и образуют полную
группу несовм-х соб-ий.