
- •Экзаменационные вопросы по дисциплине
- •2. Частота события. Статистическое определение вероятности.
- •3. Классическое и геометрическое определения вероятности.
- •4. Аксиомы теории вероятностей. Основные следствия из аксиом.
- •5. Условная вероятность. Независимость событий. Теорема умножения вероятностей.
- •6. Теорема сложения вероятностей.
- •7. Формула полной вероятности. Формула Байеса.
- •8. Вычисление вероятностей событий с помощью биномиальной и полиномиальной формул.
- •9. Понятие случайной величины и её закона распределения. Дискретные и непрерывные величины.
- •10. Ряд и многоугольник распределения дискретной случайной величины.
- •11. Функция распределения случайной величины и её свойства.
- •12. Плотность распределения непрерывной случайной величины и её свойства.
- •13. Математическое ожидание, мода и квантили случайной величины.
- •14. Моменты, дисперсия и среднее квадратическое отклонение случайной величины.
- •15. Биномиальное распределение. Распределение Пуассона. Геометрическое распределение. Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •16. Равномерное распределение. Показательное распределение. Равномерное распределение
- •Показательное распределение
- •17. Одномерное нормальное распределение.
- •18. Понятие случайного вектора. Ряд распределения двумерного дискретного случайного вектора.
- •19. Функция и плотность распределения случайного вектора.
- •20. Зависимость и независимость случайных величин.
- •21. Корреляционный момент и коэффициент корреляции двух случайных величин.
- •22. Многомерное нормальное распределение.
- •23. Математическое ожидание и дисперсия функции случайных величин.
- •24. Основные свойства математического ожидания.
- •25. Основные свойства дисперсии и коэффициента корреляции.
- •26. Распределения “хи-квадрат”, Стьюдента и Фишера.
- •27. Закон больших чисел.
- •28. Центральная предельная теорема.
- •29. Дискретная цепь Маркова: основные понятия и свойства.
- •30. Выборка и её вариационный ряд. Статистический ряд результатов измерений.
- •31. Гистограмма и полигон частот.
- •32. Статистическая функция распределения.
- •33. Понятие о точечных оценках параметров и их свойствах.
- •34. Точечные оценки математического ожидания, дисперсии и среднего квадратического отклонения.
- •35. Понятие об интервальном оценивании параметров.
- •36. Построение доверительных интервалов для математического ожидания и дисперсии нормально распределённой случайной величины.
- •37. Проверка статистических гипотез: основные определения и общая схема проверки.
- •38. Критерий согласия Пирсона.
- •39. Критерий согласия Колмогорова. Критерий однородности Смирнова. Критерий согласия Колмогорова
- •. Критерий однородности Смирнова
4. Аксиомы теории вероятностей. Основные следствия из аксиом.
Построение логически полноценной теории вероятностей основано на аксиоматическом определении элементарного события и вероятности. В настоящее время общепринятой является система аксиом, предложенная А.Н. Колмогоровым.
Пусть имеется
множество
элементов произвольной природы,
называемых элементарными событиями.
Само множество
будем называть пространством элементарных
событий испытания или достоверным
событием, его пустое подмножество
– невозможным событием, остальные
подмножества – случайными событиями.
Под операциями над событиями будем
понимать соответствующие операции над
множествами.
Пусть F – некоторое множество подмножеств , называемое полем событий испытания. Будем считать, что поле F является алгеброй, т.е. обладает следующими свойствами:
1)
;
2)
;
3)
.
Если множество F содержит бесконечное число элементов, то будем считать, что оно обладает также свойством:
.
Вероятностью (или
вероятностной мерой) называется функция
,
которая каждому событию
ставит в соответствие определённое
числовое значение
и удовлетворяет следующим аксиомам.
Аксиома 1. Вероятность любого события неотрицательна.
Аксиома 2. Вероятность достоверного события равна единице.
Аксиома 3
(аксиома сложения). Вероятность суммы
попарно несовместных событий
равна сумме их вероятностей.
Таким образом,
вероятность представляет собой
неотрицательную, нормированную,
аддитивную функцию множеств. Если поле
F
содержит бесконечное число элементов,
то аксиома сложения полагается
справедливой также для последовательности
попарно несовместных событий
.
Вероятности случайных событий, не
содержащихся в F,
считаются неопределёнными. Тройка
называется вероятностным пространством
испытания и представляет собой
математическую модель реального
вероятностного эксперимента.
Приведём простейшие следствия из аксиом, считая все рассматриваемые события принадлежащими полю F.
Следствие 1.
.
Доказательство.
События А
и
несовместны, поэтому из аксиомы сложения
имеем
.
Поскольку
,
то из аксиомы 2 получим
.
Следствие 2.
.
Доказательство.
Из аксиомы 1 имеем
,
а из следствия 1 имеем
,
поэтому
.
Следствие 3.
.
Доказательство.
События
и
противоположны, поэтому из следствия
1 имеем
.
Из аксиомы 2 находим
.
Следствие 4.
Если
,
то
и
.
Доказательство.
Из включения
следует, что событие В
есть сумма несовместных событий А
и
,
откуда в силу аксиомы сложения получим
,
т.е.
.
Но из аксиомы 1 имеем
,
поэтому
.
Аксиомы и следствия из них определяют общие свойства вероятности как числовой функции множеств и справедливы для каждого из её определений, рассмотренных ранее. В случае конечного или счётного пространства в качестве поля событий F обычно рассматривается множество всех подмножеств . Если же несчётно, то задание вероятностной меры на всех подмножествах может оказаться невозможным и тогда в качестве поля приходится брать некоторый класс подмножеств.