- •1.Понятие испытания. Простр-во элементарных событий.
- •2. Определение событий. Виды событий. Действия над событиями.
- •3. Классическое определение вероятности.
- •4. Относительная частота. Устойчивость относительн. Частоты.
- •5.Статистическая вероятность
- •6.Геометрическая вероятность
- •7.Вычисление вероятностей с использованием комбинаторных схем
- •8.Понятие об алгебре событий
- •9.Аксиомы Колмогорова
- •10.Понятие вероятностного пространства
- •11.Теорема сложения вероятностей для несовместноых и совместн. Событий
- •12.Теорема сложения вер. Для совместн. Событий
- •13.Условная вероятность. Теорема умножения вероятностей.
- •14.Независимые события. Теорема умножения для независим. Событий.
- •15.Вероятность появления хотя бы одного события
- •16.Формула полной вероятности
- •17.Формула Байеса
- •18.Формула Бернулли
- •19.Наивероятнейшее число появления событ. В последовательности независим. Испытаний
- •21.Функция Лапласа. Интегральная функц. Лапласа. Их применение для решения задач в условиях повторения испытаний.
- •20.Формула Пуассона
- •22.Понятие случайной величины. Дискретные и непрерывн. Случайн. Величины.
- •23.Ряд распределения дискретн. Случ. Величины
- •24.Функция распредел. Св и ее св-ва
- •25. Плотность распределения вероятностей непрерывн. Св и ее св-ва.
- •29. Мода, медиана, ассиметрия, эксцесс.
- •30.Начальные и центральные моменты случайных величин.
- •31. Биномиальный закон распределения.
- •32. Гипергеометрическое распределение.
- •33. Закон Пуассона
- •38. Закон распределения монотонной функции одного случайного аргумента.
- •39. Закон распределения линейной функции от аргумента, подчиненного нормальному закону.
- •40. Закон распределения функции двух св.
- •42. Неравенство Чебышева.
- •44. Понятие центральной предельной теоремы.
- •46. Генеральная совокупность и выборка. Выборочное распределение.
- •47. Вариационный ряд, его хар-ки. Гистограмма. Полигон.
- •48. Эмпирическая функция распределения и ее св-ва.
- •49. Числовые хар-ки выборочного распределения: выборочное среднее, выборочная дисперсия, медиана, ассиметрия, эксцесс, выборочные моменты.
- •50. Понятие оценки параметра. Св-ва оценок: состоятельность, несмещенность, эффективность.
- •51. Интервальные оценки параметров распределения. Доверительный интервал.
- •53. Описание гипотез. Простые и сложные гипотезы. Нулевая и конкурирующая гипотезы.
- •54. Критерии проверки статистических гипотез.
- •55. Уровень значимости и мощность критерия. Ошибки первого и второго рода.
40. Закон распределения функции двух св.
Задача определения закона распределения функции нескольких случайных аргументов значительно сложнее аналогичной задачи для функции одного аргумента.
Имеется система двух непрерывных СВ (X, Y) с плотностью распределения f(x, y). Случайная величина Z связана с X и Y функцианальной зависимостью: Z = φ(X, Y). Требуется найти закон распределения величины Z. Функция z = φ(x, y) изображается поверхностью, а не кривой, как в случае одного аргумента. Найдем функцию распределения величины Z: G(z) = P(Z<z) = P(φ(X, Y)<z) – формула (1). Проведем плоскость Q, параллельную плоскости xOy, на расстоянии z от нее. Эта плоскость пересечет поверхность z = φ(x, y) по некоторой кривой K. Спроектируем кривую К на плоскость xOy. Эта проекция, уравнение которой φ(x, y) = z, разделит плоскость xOy на две области; для одной из них высота поверхности над плоскостью xOy будет меньше, а для другой – больше z. Обозначим D ту область, для которой эта высота меньше z. Чтобы выполнялось неравенство (1), случайная точка (X, Y), очевидно, должна попасть в область D; следовательно, G(z) = P((X,Y) D) = - формула (2). В выражение (2) величина z входит неявно, через пределы интегрирования. Дифференцируя G(z) по z, получим плотность распределения величины Z: g(z) = G'(z). Зная конкретный вид функции z = φ(x, y), можно выразить пределы интегрирования через z и написать выражение g(z) в явном виде. Для того, чтобы найти закон распределения функции двух аргументов, нет необходимости каждый раз строить поверхность z = φ(x, y) и пересекать ее плоскостью, параллельной xOy. На практике достаточно построить на плоскости xOy кривую, уравнение которой z = φ(x, y), отдать себе отчет, по какую сторону этой кривой Z<z, а по какую Z>z, и интегрировать по области D, для которой Z<z.
41. Понятие закона больших чисел.
Содержание закона больших чисел в широком смысле: при очень большом числе случайных явлений средний их рез-т практически перестает быть случайным и может быть предсказан с большой степенью определенности. В узком смысле слова под законом больших чисел в теории вероятностей понимается ряд математических теорем, в каждой из которых для тех или иных условий устанавливается факт приближения средних характеристик большого числа опытов к некоторым определенным постоянным. Простейшей из этих теорем является теорема Бернулли. Она утверждает, что при большом числе опытов частота события приближается (точнее – сходится по вероятности) к вероятности этого события. Другие, более общие формулировки, устанавливабт факт и условия сходимости по вероятности тех или иных СВ к постоянным, не случайным величинам. Закон больших чисел играет важную роль в практических применениях теории вероятности. Св-во случайных величин при определенных условиях вести себя практически как не случайные позволяет уверенно оперировать с этими величинами, предсказывать рез-ты массовых случайных явлений (это большое число выполняемых однородных опытов или большое число складывающихся случайных воздействий, порождающих в своей совокупности случайную величину, подчиненную вполне определенному закону) почти с полной опреленностью.