- •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.
12. Функция распределения и плотность вероятности случайных непрерывных величин. Их типовые графики. Расчет ф-ции распределения по плотности вероятности и наоборот.
Ф-цией распределения называют ф-цию F(x), определяющую вероятность того, что случайная величина X в результате испытания примет значение, меньшее х, т.е. F(x) = P(X< x). a < X < b
Св-ва: 1) 0≤ F(x) ≤ 1 2) F(-∞) = 0
3) F (+∞) ≤ 1 4) F(x2) ≥ F(xi)
График: График расположен в полосе, ограниченной прямыми у = 0, у = 1. При возрастании х в интервале (а; в), в котором заключены все возможные значения cлучайной величины, график «подымается вверх». При х ≤ а ординаты графика равны еденице.
Плотностью распределения вероятностей непр. Случайной величины Х называют ф-цию p(x) = lim∆x→0Fx+∆x- F(x)∆x = F’(x) p(x) – плотность распределения а < x < b
F(x)=∫ba p(u)du, ∫ba p(u)du=1-условие нормировки, a<x<b
Св-ва: 1) р(х) ≥ 0 а < x < b
2) авpxdx = 1 площадь заштрих. фигуры = 1
a 0 b x
Зная плотность распределения р(х) можно можно найти ф-цию распределения F(x) по формуле: F(x) = -∞xpxdx. И наоборот, по известной ф-ции распределения может быть найдена плотность распределения, а именно: р(х) = F’(x)
13. Равномерное случайное распределение. Задача о встрече.
Распределение вероятностей называют равномерным, если на интервале, которому принадлежат все возможные значения случайной величины, плотность распределения сохраняет постоянное значение.
Говорят, что случайная величина имеет непрерывное равномерное распределение на отрезке [a;b], где а,в ∈ R, если ее плотность fx(x) имеет вид: Пишут:
Для непрерывного распределения СВ a<X<b, задаются плотность вер-ти p(x) и/или ф-ия распределения F(x).
P(α<X<β)
∫βα p(x)dx = F(β) – F(α) = P(α<X<β)
Числовые характеристики равномерного распределения:
МХ= ∫ba x* (1/(b-a))dx = (b2-a2) / 2(b-a) = (a+b)/2.
DX= ∫ ba (x – (a+b)/2)2 * (1/(b-a)) dx = (b-a)2/12.
Задача о встрече.
Два человека договорились встретиться в определенном месте в интервале от 12 до 13 ч (будем считать от 0 до 1), причем момент прихода каждый выбирает случайно на отрезке [0, 1] и ждет 20 мин (1/3 ч). Какова вероятность события А = {встреча произойдет}?
Решение. Эксперимент мы представляем как бросание 2-х точек на отрезок [0, 1]. Пусть х — момент прихода 1-го, у — момент прихода 2-го. Множество всех исходов Ω={x,y:x,y∈[0,1]}, т.е. квадрат на плоскости. Множество А исходов, благоприятствующих наступлению А, состоит из тех исходов (х, у), для которых
|х—у|≤1/3: A={x,y:|x-y|≤1/3}.
Соответствующая область показана на рисунке. В силу (1):
PA=S(A)S(D)=1-(23)2=59 .
14. Показательный закон распределения, функция надежности.
Показательным (экспоненциальным) называют распределение вероятностей непрерывной случ. величины Х, которое описывается плотностью px=0 при &x<0λе -λх &x≥0 где λ – постоянная положительная величина.
Показательное распределение определяется одним параметром λ.
Показательный закон определяется с помощью плотности распределиния или используя ф-цию распределения.
Пр: написать плотность и функцию распределения показательного закона, если 𝝀=8.
Очевидно, искомая плотность распределения: p(x)=8e-8x при х ≥ 0, р(х)=0 при х < 0.
Искомая ф-ция распределения: F(x)=1-e-8x при х ≥ 0, F(x)=0 при х < 0.
Ф-цией надежности R(T) называется функция, определяющая вероятность безотказной работы элемента за время длительностью t: R(T) = e-𝝀T , Т ≥ 0. R(t) = P(T >t)
R(T1) - R(T2) = e-𝝀T1 - e-𝝀T2 = (1 - e-𝝀T2) - (1 - e-𝝀T1) = F(T2) – F(T1) =
= P(T1 ≤ t ≤ T2) вероятность технического устройства на промежутке времени T1 ≤ t ≤ T2.