- •1. Детерминированные, неопределенные и случайные события. Понятие статистической однородности. Примеры.
- •2. Определение вероятности – классическое, частотное, теоретико-множественное (аксиоматическое). Иллюстрирующие примеры.
- •3. Операции над событиями. Несовместные и независимые события, условная вероятность. Примеры.
- •4. Теорема о вероятности суммы двух и трех событий (без док-ва, с геометрической иллюстрацией).
- •5. Теорема о вероятности произведения двух событий (без док-ва, для зависимых и незваисимых событий).
- •6. Формула полной вероятности (с док-вом).
- •7. Формула Байеса (с док-вом).
- •8. Схема повторных испытаний. Расчет вероятности хотя бы одного успеха. Формула Бернулли.
- •9. Наивероятнейшее число успехов в серии п испытаний (без вывода).
- •10. Распределение Пуассона как предельный случай биномиального распределения (без вывода).
- •11. Случайные дискретные величины, их числовые характеристики.
- •12. Функция распределения и плотность вероятности случайных непрерывных величин. Их типовые графики. Расчет ф-ции распределения по плотности вероятности и наоборот.
- •13. Равномерное случайное распределение. Задача о встрече.
- •14. Показательный закон распределения, функция надежности.
- •15. Нормальное распределение, функция Лапласа. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило 3-х сигма.
- •16. Числовые характеристики случайных величин, их вычисление. Содержательный смысл и свойства математического ожидания и дисперсии.
- •17. Свойства математического ожидания одной и нескольких случайных величин.
- •18. Свойства дисперсии одной и нескольких случайных величин.
- •19. Математическое ожидание и дисперсия биномиального и пуассоновского случайных распределений.
- •24. Закон больших чисел (формулировка и применения).
- •25. Объяснить на примерах понятия «генеральная совокупность», «варианта», «выборка», «вариационный ряд». Принципы формирования выборочной совокупности.
- •26. Дискретный и интервальный вариационные ряды. Формула Стёрджеса. Как рассчитать среднюю величину признака интервального вариационного ряда?
- •27. Размах, мода и медиана выборки.
- •28. Полигон и кумулята. Графический способ нахождения моды интервального вариационного ряда.
- •29. Коэффициент концентрации Джини и кривая Лоренца.
- •30. Точечные и интервальные оценки параметров генеральной совокупности. Какая оценка параметра генеральной совокупности называется несмещенной, состоятельной (на примере мо)?
- •31. Построение доверительного интервала по большой выборке для математического ожидания генеральной совокупности при известной дисперсии. Вероятностный смысл заданного параметра надежности.
- •33. Построение доверительного интервала для дисперсии при условии, что признак имеет нормальное распределение в генеральной совокупности.
- •34. Проверка статистических гипотез. Ведущая и конкурирующая гипотезы. Ошибки 1-го и 2-го рода. Как влияет на ошибку 2-го рода увеличение доверительной вероятности для ведущей гипотезы?
- •35. Мощность критерия, его вероятностный смысл.
- •36. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события. Двусторонний, правосторонний и левосторонний критерии.
- •37. Критерий Пирсона для проверки гипотезы о законе распределения генеральной совокупности по выборочным данным.
- •38. Функциональная, статистическая и корреляционная связи. Примеры.
- •39. Коэффициент корреляции. Эмпирическая характеристика тесноты связи между случайными величинами по числовым значениям коэффициента корреляции.
- •40. Метод наименьших квадратов для построения уравнения парной регрессии y на X. Проверка значимости коэффициента корреляции.
6. Формула полной вероятности (с док-вом).
Опр: События В1, В2,…, Вп образуют полную систему событий, если:
1) В1 + В2 + … + Вп = Ω (т.е. сумма Вi есть достоверное событие)
2) Вi * Вj = Ø i < j = 2,…, п
Пусть А – случайное событие, как-то связанное с системой Вi
Т: вероятность события А, кот. Может наступить лишь при условии появления одного из несовместных событий В1, В2,.., Вп, образующих полную группу, равна сумме произведений вероятностей каждого из этих событий на соответствующую условную вероятность события А:
Р(А) = РВ1(А) * Р(В1) + РВ2(А) * Р(В2) +…+ РВп(А) * Р(Вп)
Док-во: По условию, событие А может наступить, если наступит одно из несовместных событий В1, В2,…, Вп. Др. словами, появление события А означает осуществление одного, безразлично какого, из несовместных событий В1А, В2А,…, ВпА. Пользуясь для вычисления вероятности события А теоремой сложения, получим: Р(А) = Р(В1А)+….+Р(ВпА) – (*)
Остается вычислить каждое из слагаемых. По Т. умножения вероятностей зависимых событий имеем:
Р(В1А) = РВ1(А)* Р(В1);…; Р(ВпА) = РВп(А)* Р(Вп)
Подставив правые части этих равенств в соотношение (*), получим формулу полной вероятности.
7. Формула Байеса (с док-вом).
Пусть Вi образуют полную систему событий.
i = 1,…, n
Р(В1) – a priorn-ая вероятность наступления события В1
до того
Произошло событие А, как-то связанное с событием В1, В2, … , Вп
РА(В1) – a posterior-ая вероятность наступления события В1
РА(В1) = ?
РА(В1) = РВ1(А) * Р(В1) = РВ1(А) * Р(В1)____________
Р(А) РВ1(А) * Р(В1) + … + РВп(А) * Р(Вп)
по Т. умножения по ф-ле полной
вер-тей вер-ти
Док-во: Пусть событие А может наступить при условии появления одного из несовместных событий В1, В2,…, Вп, образующих полную группу. Поскольку заранее не известно, какое из этих событий наступит, их называют гипотезами. Вероятность появления события А определяется по формуле полной вероятности: Р(А) = Р(В1)РВ1(А)+…+ Р(Вп)РВп(А) – (*)
Допустим, что произведено испытание, в р-те которого появилось событие А. Поставим своей задачей определить, как изменилась (в связи с тем что, событие А уже наступило) вероятности гипотез. Др. словами, будем искать условные вероятности РА(В1), РА(В2),…, РА(Вп). Найдем сначала условную вероятность РА(В1). По Т. умножения имеем Р(АВ1) = Р(А)РА(В1) = Р(В1)РВ1(А). Отсюда РА(В1) = РВ1(А) * Р(В1)
Р(А)
Заменив здесь Р(А) по формуле (*), получили РА(В1) =
РВ1(А) * Р(В1)____________
РВ1(А) * Р(В1) + … + РВп(А) * Р(Вп)
Формула Байеса позволяет переоценить вероятности гипотез после того, как становится известным результат испытания, в итоге которого появилось событие А.
8. Схема повторных испытаний. Расчет вероятности хотя бы одного успеха. Формула Бернулли.
При решении вероятностных задач часто приходится сталкиваться с ситуациями, в которых одно и тоже испытание повторяется многократно и исход каждого испытания независим от исходов других. Такой эксперимент еще называется схемой повторных независимых испытаний или схемой Бернулли.
Рассматривается опыт с 2-мя случайными исходами («успех», «неуспех»).
Предполагается что: 10 вер-ть наступления успеха = «р» и не зависит от номера испытания. 20 «успех» в отдельном испытании не зависит от предыдущих испытаний.
эти испытания наз. испытаниями Бернулли (бросание монеты, рождение мальчика или девочки)
Ф-ла Бернулли.
Рп(k) = Сnкрк(1-р)п-к = Сnкркq п-к
n-число опытов, k-число успехов, наступивших в этих опытах, q = 1-р.
Рn(k) = [n(n-1)…(n-k+1)]/k! 0≤p,q
Производится «n» испытаний Бернулли. Успех наступает не более, чем k раз:
Рn(0)+Рn(1)+…+ Рn(k-1)+ Рn(k) Не менее k раз:Рn(k)+ Рn(k+1)+…+Рn(k)
Менее k раз: Рn(0)+Рn(1)+…+ Рn(k-1) Более k раз: Рn(k+1)+…+Рn(n)
Док-во: Вер-ть одного сложного события, состоящего в том, что в п испытаниях событие А наступит k и не наступит n-k раз, по Т. умножения вероятностей независимых событий равна ркq п-к . Таких сложных событий может быть столько, сколько можно составить сочетаний из п элементов по k элементов, т.е. Сnк . Так как эти сложные события несовместны, то по Т. сложения вероятностей несовместных событий искомая вер-ть равна сумме вероятностей всех возможных сложных событий. Поскольку же вероятности всех этих сложных событий одинаковы, то искомая вер-ть (появления k раз события А в п испытаниях) равна вероятности одного сложного события, умноженной на из число:
Рп(k) = Сnкрк(1-р)п-к = Сnкркq п-к или Рп(k) = n!/k!(n-k)! * ркq п-к
Пр: Игральная кость бросается 6 раз. Найти вероятность того, что ровно 3 раза выпадет «шестерка». Решение: Пятикратное бросание кости можно рассматривать как последовательность независимых испытаний с вероятностью успеха («шестерки») равно 1/6 и вероятностью неудачи — 5/6. Искомую вероятность найдем по формуле