- •9. Формула Бернулли и Пуассона.
- •10. Локальная и интегральная теоремы Муавра-Лапласа.
- •11. Способы задания закона распред-ния дискретных св. Их св-ва.
- •12. Способы задания закона распред-ния непрерывных св. Св-ва.
- •29. Закон больших чисел. Неравенство Маркова.
- •30. Закон больших чисел. Неравенство Чебышева.
- •31. Закон больших чисел. Теорема Чебышева.
- •32. Закон больших чисел. Теорема Бернулли.
- •43. Стат. Гипотеза. Общая схема её проверки. Ошибки 1 и 2 рода.
- •17. Тип.Зр непр.Случ.Величин. Равномерный закон распределения.
- •18. Тип.Зр непр. С.В. Показательный закон распред-ия.
- •19. Тип. Зр непр. С.В. Нормальный закон распределения.
- •20. Точные законы распред. С.В. Распред-е Пирсона (хи-квадрат).
- •37. Общие сведения о выборочном методе.
- •38. Точечная оценка параметров распред-ия. Требования к ф-иям выборки.
- •39. Понятие интервальной оценки параметров распред. Доверит. Интервал для неизвестного мат. Ожидания.
- •5. Совместные и несовместные события. Теорема слож-ия вер-тей.
- •7.Полная группа событий. Формула полной вероятности.
- •6. Зависимые и независ. События. Теорема умножения вер-тей.
- •8.Формула Байеса переоценки вер-тей гипотез. Её практич. Значение.
- •25. Плотность вер-ти двумерной с.В.
- •26. Условные законы распределения двумерной с.В.
- •27.Числовые характер-ки двумерной с.В.
- •28. Ковариация и коэффициент корреляции.
- •2. Относительная частота события (очс). Теорема Бернули.
- •3.Классич. Опред-ие вер-ти события. Формулы комбинаторики.
- •4. Геометрическое определение вероятности события.
- •23. Понятие двумерной дискретной св и таблица её распред-ия.
- •24. Функция распред-ия двумерной с.В.
- •41.Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Вер-ти для умеренно больших выборок.
- •13. Математич. Ожидание случайных величин. Основные свойства.
- •14. Дисперсия случайных величин. Основные свойства.
- •15. Тип. Законы распред-ия дискрет. C.В. Бином. Закон распред-ия.
- •16. Тип. Законы распред-ия дискретных с.В. Распред-ие Пуассона.
- •34. Интегральная предельная теорема. Теорема Ляпунова.
- •35. Предмет мат. Статистики. Осн. Функция мат. Статистики.
- •36. Основные понятия математической статистики.
- •42. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Вер-ти для малых выборок.
- •45. Проверка гипотезы о равенстве средних двух совокупностей при известных дисперсиях.
- •44. Проверка гипотезы о равенстве средних двух совокупностей при неизвестных дисперсиях.
- •46. Проверка гипотезы о равенстве дисперсий двух совокупностей.
- •45. Проверка гипотезы о равенстве средних двух совокупностей при известных дисперсиях.
- •44. Проверка гипотезы о равенстве средних двух совокупностей при неизвестных дисперсиях.
- •46. Проверка гипотезы о равенстве дисперсий двух совокупностей.
- •47. Гистограмма распред-ия.
- •48. Проверка гипотезы о соответствии эмпирич. Закона распред-ия теоретич.
- •39. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Мат. Ожидания.
- •40. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для дисперсии.
39. Понятие интервальной оценки параметров распред. Доверит. Интервал для неизвестного мат. Ожидания.
Опр. Интервальной оценкой параметра θ наз. числовой интервал , кот. с заданной вероятностью ү накрывает неизвестное значение параметра θ.
Границы интервала , и его величина находятся по выборочным данным и потому явл-ся случайными величинами в отличии от оцениваемого параметра θ величины не случайной, поэтому правильнее говорить о том, что интервал , “накрывает”, а не ”содержит” значение θ.
Такой интервал , наз-ся доверительным, а вероятность ү- доверительной вероятностью, уровнем доверия или надежностью оценки.
5. Совместные и несовместные события. Теорема слож-ия вер-тей.
Два события А и В наз-ся совместными, если наступление 1-го из них не искл. наступления 2-го. Несовместные - наступление 1-го из них искл. наступление 2-го.
Теорема: Вер-ть суммы 2-х событий равна сумме вер-тей этих событий без вер-ти их совместного наступления. Р(А+В)=Р(А)+Р(В)-Р(А*В).
Док-во: Пусть n – число возможных исходов испытания по воспроизведению событий А и В, т – число исходов, благоприятствующих событию А, k – число исходов, благоприятств. событию В, а l – число исходов опыта, при кот. происходят оба события (т.е. исходов, благоприятств. произведению АВ). Тогда ;
A+B (благоприятствует) m+k-l
Теорема: Вер-ть суммы несовместных событий равна сумме вер-тей этих событий. P(A+B)=P(A)+P(B)
Док-во: т.к. А и В несовмест. P(A*B)=0
P(A+B)=P(A)+P(B)+0 - основываясь на предыд. док-во.
7.Полная группа событий. Формула полной вероятности.
События А1,А2,А3…Аn образуют полную группу событий, если они явл. единственно возможными и взаимно несовместными (игр. кость). Два события, образ-щие полную группу наз-ся противоположными.
Рассмотрим события Н1,Н2,…Нn, образующие полную группу событий. Некоторое событие А может наступить с одним из этих событий. Тогда А=А Н1+…+А Нn. Эти события несовместны, т.к. Н1,Н2,…Нn образуют полную группу событий.
По формуле сложения вер-тей:
или ;
Задачи решаемые по полной вер-ти и Байеса наглядно можно представить на основе графсхемы типа дерево, кот. имеет одну корневую и несколько концевых вершин, соединенных м/у собой ребрами.
6. Зависимые и независ. События. Теорема умножения вер-тей.
Два события А и В наз-ся зависимыми, если вер-ть наступления 1-го из них зависит от наступления др события. В противном случае события независимы.
Теорема: Вер-ть произведения 2-х событий равно произведению вероятности 1-го из них на условную вер-ть др. Р(А*В)=Р(А)*Р(В/А)=Р(В)*Р(А/В).
Док-во: n – число возможных исходов эксперимента по воспроизведению событий А и В, т – число исходов, благоприятств. событию А, k – число исходов, благоприятств. событию В, а l – число исходов опыта, при кот/ происходят оба события (т.е. исходов, благоприятных произведению АВ).
Аналогично для др.
Теорема: Вер-ть произведения для независим. событий равна произведению вер-тей этих событий.
Док-во: т.к. А и В – независим., то P(A/B)=P(A) и P(B/A)=P(B)
Исходя из предыд. теоремы: .