- •1. Элементы комбинаторики. Перестановки. Размещения. Сочетания (без повторений).
- •2. Случайные события. Классификация случайных событий. Действия над случайными событиями.
- •Действия над случайными событиями.
- •3. Классическое определение вероятности случайного события. Свойства вероятности.
- •Свойства вероятности:
- •4. Совместные и несовместные случайные события. Теоремы сложения вероятностей совместных и несовместных случайных событий.
- •5. Условные вероятности. Свойства условных вероятностей.
- •6. Зависимые и независимые случайные события. Теоремы умножения вероятности зависимых и независимых случайных событий.
- •7. Полная группа событий. Формула полной вероятности. Формула Байеса.
- •Формула полной вероятности
- •Формула Байеса
- •8. Повторные независимые испытания. Формула Бернулли.
- •9. Повторные независимые испытания. Формула Пуассона. Условия применимости формулы Пуассона.
- •10. Определение дискретной случайной величины. Закон распределения дискретной случайной величины. Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
- •11. Определение дискретной случайной величины. Закон распределения дискретной случайной величины. Дисперсия дискретной случайной величины. Свойства дисперсии. Среднее квадратическое отклонение.
- •12. Определение непрерывной случайной величины. Функция распределения непрерывной случайной величины. Свойства функции распределения непрерывной случайной величины.
- •Свойства функции распределения для непрерывной случайной величины:
- •13. Определение непрерывной случайной величины. Плотность распределения непрерывной случайной величины. Основные свойства плотности распределения.
- •14. Математическое ожидание и дисперсия непрерывной случайной величины. Определение и основные свойства.
- •Свойства дисперсии.
- •15. Равномерное распределение. Плотность распределения. Функция распределения. Математическое ожидание и дисперсия равномерно распределенной случайной величины.
- •16. Биноминальное распределение. Математическое ожидание и дисперсия равномерно распределенной случайной величины.
- •17. Показательное распределение. Плотность распределения. Функция распределения. Математическое ожидание и дисперсия показательно распределенной случайной величины.
- •18. Нормальное распределение. Плотность распределения. Математическое ожидание и дисперсия нормально распределенной случайной величины. График нормального распределения.
- •19. Закон больших чисел.
- •20. Предмет математической статистики. Генеральная совокупность. Выборочный метод. Репрезентативная выборка.
- •22. Статистическое оценивание. Точечные оценки. Выборочное среднее и выборочная дисперсия.
- •23. Статистическое оценивание. Интервальные оценки. Доверительный интервал для оценки математического ожидания нормально распределенной случайной величины.
Формула Байеса
Если событие А в результате испытания произошло, то возможно переоценить вероятность гипотез Нi, образующих полную группу, по формуле Бейеса: ,
где Р(Нi) – вероятность гипотезы, РА(Нi) – вероятность гипотезы Нi после переоценки, при условии, что событие А уже произошло; РНi(А) – условная вероятность события А при выполнении гипотезы Нi .
8. Повторные независимые испытания. Формула Бернулли.
Несколько опытов называются независимыми, если вероятность исхода опыта не зависит от того, какие исходы имели другие опыты.
Формула Бернулли применяется для нахождения вероятности появления события А в n повторных независимых испытаниях равно K раз.
где n – число испытаний; K – число появлений события А, 0 K n; p – вероятность появления события А в одном испытании; q = 1 – p.
Вероятность того, что событие А наступит:
а) Рn(менее К раз) = Рn(0) + Рn(1) + … + Рn(К–1);
б) Рn(более К раз) = Рn(К+1) + Рn(К+2) + … + Рn(n);
в) Рn(не менее К раз) = Рn(К) + Рn(К+1) + … + Рn(n);
г) Рn( не более К раз) = Рn(0) + Рn(1) + … + Рn(К);
д) Рn(от К1 до К2 раз) = Рn(К1) + Рn(К1+1) + … + Рn(К2);
е) Рn(хотя бы один раз) = 1 – Рn(ни одного раза) = 1 – Рn(0).
9. Повторные независимые испытания. Формула Пуассона. Условия применимости формулы Пуассона.
Несколько опытов называются независимыми, если вероятность исхода опыта не зависит от того, какие исходы имели другие опыты.
Если события редкие, т.е. постоянная вероятность р достаточно мала, то в этом случае применяется формула Пуассона.
где .
10. Определение дискретной случайной величины. Закон распределения дискретной случайной величины. Математическое ожидание дискретной случайной величины. Свойства математического ожидания.
Дискретной называется случайная величина, которая может принимать лишь отдельные значения некоторого интервала, т.е. значения дискретной случайной величины можно перечислить. Соотношение между возможными значениями случайной величины и их вероятностями называется законом распределения дискретной случайной величины. Закон распределения может быть задан аналитически, в виде таблицы или графически. Таблица соответствия значений случайной величины и их вероятностей называется рядом распределения. Графическое представление этой таблицы называется многоугольником распределения. При этом сумма всех ординат многоугольника распределения представляет собой вероятность всех возможных значений случайной величины, а, следовательно, равна единице.
-
xi
х1
х2
…
xn
pi
p1
P2
…
pn
Сумма произведений значений случайной величины на соответствующие им вероятности называется математическим ожиданием и обозначается:
М(х) xi pi . Свойства математического ожидания.
1) Математическое ожидание постоянной величины есть сама постоянная величина: М(с) с, т.е.
Х |
с |
Р |
1 |
М(с) = с
2) Постоянный сомножитель можно выносить за знак математического ожидания: М(сх) сМ(х). 3) Математическое ожидание алгебраической суммы случайных величин равно алгебраической сумме их математических ожиданий: М(х у) М(х) М(у). 4) Математическое ожидание произведения случайной величины равно произведению их математических ожиданий. М(ху) М(х) М(у). 5) Математическое ожидание числа наступления события в серии n независимых испытаний с постоянной вероятностью наступления события p равна произведению. М(m) np