- •1. Случайный эксперимент. Пространство элементарных событий. Случайные события и операции над ними.
- •Свойства операций над событиями
- •2. Классическое определение вероятности. Урновая схема. Пример.
- •3. Геометрическое определение вероятности. Пример.
- •4. Аксиоматическое определение вероятности. Вероятностное пространство. Свойства вероятности.
- •5. Условная вероятность и ее свойства. Правило и теорема умножения вероятностей.
- •6. Независимость событий. Свойства независимых событий. Независимость в совокупности.
- •7. Формулы полной вероятности и Байеса. Пример.
- •8. Схема независимых испытаний Бернулли. Наивероятнейшее число успехов.
- •9. Понятие случайной величины (св). Функция распределения св и ее свойства.
- •10. Дискретные св. Закон распределения дискретной св.
- •11. Важнейшие дискретные св.
- •12. Непрерывные св. Плотность вероятностей и ее свойства.
- •13. Важнейшие непрерывные св.
- •14. Математическое ожидание (мо) дискретных и непрерывных св.
- •15. Основная теорема о мо. Свойства мо.
- •16. Моменты высших порядков. Дисперсия и среднеквадратическое отклонение. Свойства дисперсии.
- •17. Числовые характеристики важнейших св.
- •18. Случайные векторы. Функция распределения случайного вектора и ее свойства.
- •19. Дискретные случайные векторы. Закон распределения дискретного случайного вектора.
- •20. Непрерывные случайные векторы. Плотность вероятностей случайного вектора и ее свойства.
- •21.Равномерное распределение в области на плоскости. Равномерные распределения в прямоугольнике и в круге.
- •22. Независимость случайных величин. Условия независимости. Независимость в совокупности.
- •23.Условные законы распределения. Условная плотность вероятностей и ее свойства. Условные числовые характеристики.
- •24.Числовые характеристики случайных векторов. Корреляционная матрица и ее свойства. Понятие о моментах случайных векторов.
- •25. Теоремы о числовых характеристиках.
- •26. Некоррелированные св. Связь между некоррелированностью и независимостью. Пример.
- •27. Коэффициент корреляции, его свойства и вероятностный смысл.
- •28. Многомерное нормальное распределение и его свойства.
- •29. Функции от св и их законы распределения. Функции случайных аргументов
- •Функции от случайных величин
- •Функции от случайных векторов
- •30. Закон распределения суммы св. Композиция (свертка) законов распределения. Пример.
- •31. Неравенство Чебышева. Виды сходимости последовательностей св и связь между ними.
- •Неравенство Чебышева
- •Виды сходимости последовательностей случайных величин и связь между ними
- •32. Закон больших чисел (збч) для последовательностей св. Теоремы Маркова и Чебышева.
- •33. Збч для последовательностей независимых одинаково распределенных св. Задача об измерениях. Теорема Бернулли и ее применение.
- •34. Характеристическая функция св и ее свойства.
- •Свойства характеристических функций
- •35.Характеристические функции важнейших св. Устойчивость нормального закона распределения.
- •Характеристические функции случайных векторов
- •36. Сходимость распределений (слабая сходимость) и ее связь со сходимостью по вероятности. Теорема непрерывности.
- •37.Центральная предельная теорема (цпт) для независимых одинаково распределенных св. Интегральная теорема Муавра-Лапласа.
- •38.Цпт для независимых разнораспределенных св: теоремы Линдеберга и Ляпунова. Смысл условия Линдеберга. Асимптотическая нормальность.
- •39. Теорема Хинчина. Понятие об усиленном збч.
- •40. Статистическая модель. Генеральная совокупность (гс), выборка, объем выборки. Простейшие способы представления статистических данных.
- •41. Эмпирическая функция распределения и ее свойства.
- •42. Гистограмма и полигон частот.
- •43.Выборочные (эмпирические) числовые характеристики. Выборочное среднее и выборочная дисперсия.
- •44.Точечные оценки неизвестных параметров распределений. Требования, предъявляемые к точечным оценкам.
- •Точечные оценки. Методы нахождения точечных оценок.
- •45. Свойства выборочного среднего и выборочной дисперсии как точечных оценок мо и дисперсии соответственно.
- •46. Метод моментов получения точечных оценок. Свойства оценок, найденных по методу моментов. Пример. Метод моментов.
- •47. Метод максимального правдоподобия. Свойства оценок максимального правдоподобия. Пример.
- •48. Интервальные оценки неизвестных параметров распределений. Доверительные интервалы (ди) для мо нормально распределенной гс (при известной и неизвестной дисперсии).
- •49. Ди для дисперсии нормально распределенной гс (при известном и неизвестном мо).
- •50. Асимптотические ди для мо и дисперсии произвольно распределенной гс.
- •51. Статистические гипотезы. Критерии согласия и их характеристики.
- •52. Критерий хи-квадрат Пирсона для проверки простой гипотезы о виде распределения.
- •53. Критерий хи-квадрат Пирсона для проверки сложной гипотезы о виде распределения.
4. Аксиоматическое определение вероятности. Вероятностное пространство. Свойства вероятности.
-алгебра событий
Определение. Пустьпроизвольное множество. Классподмножеств множества(не обязательно всех) называется-алгеброй событий или-алгеброй подмножеств, если выполнены следующие свойства:
А1) (-алгебра событий содержит достоверное событие);
А2) если , то(вместе с любым событием-алгебра содержит противоположное событие);
А3) если , то(вместе с любым конечным или счетным набором событий-алгебра содержит их сумму).
Свойства А1) – А3) часто называют аксиомами -алгебры.
Проверим, что этого набора аксиом достаточно для замкнутости класса подмножеств и относительно других операций над событиями.
1. (-алгебра событий содержит невозможное событие).
2. При выполнении А1) и А2) свойство А3) эквивалентно свойству А4):
А4) если , то (вместе с любым конечным или счетным набором событий -алгебра содержит их произведение).
3. Если , то .
Пример. Пусть - конечное пространство элементарных событий. Следующие классы подмножествявляются-алгебрами:
1. - тривиальная-алгебра.
2. , где А – произвольное подмножество.
3. - множество всех подмножеств(доказать, что при этом число всех подмножеств вравно).
Определим теперь вероятность как функцию, определенную на множестве событий (то есть функцию, которая каждому событию ставит в соответствие число), а точнее как неотрицательную нормированную меру, заданную на -алгебре событий.
Вероятность как нормированная мера
Определение. Пара, в которой- некоторое множество, а--алгебра его подмножеств называетсяизмеримым пространством.
Определение. Пусть- некоторое множество,--алгебра его подмножеств. Функцияназываетсямеройна измеримом пространстве, если она удовлетворяет условиям:
М1) Для любого множества его мера неотрицательна:.
М2) Для любого счетного набора попарно непересекающихся множеств (то есть такого, что) мера их объединения равна сумме их мер:(счетная аддитивностьили-аддитивность).
Другими словами, мера есть неотрицательная счетно-аддитивная функция множеств.
Определение.Пусть- некоторое множество и--алгебра его подмножеств. Мераназываетсянормированной, если.
Определение.Пусть- произвольное пространство элементарных событий и--алгебра его подмножеств (событий). Вероятностью или вероятностной мерой наназывается функция, удовлетворяющая следующим аксиомам:
Р1). Аксиома неотрицательности:
Для любого события выполняется неравенство:;
Р2). Аксиома нормированности:
Вероятность достоверного события равна единице: .
Р3). Аксиома счетной аддитивности:
Для любой счетного набора попарно несовместных событий имеет место равенство:.
Определение. Тройка, в которой- пространство элементарных событий,--алгебра событий и- вероятностная мера наназываетсявероятностным пространством.
Теорема(доказательство см. Б.В. Гнеденко, Курс теории вероятностей).
Аксиома счетной аддитивности Р3) эквивалентна выполнению следующих двух аксиом Р3*) и Р4):
Р3*).Аксиома конечной аддитивности:
Для любого конечного набора событий , являющихся попарно несовместными, имеет место равенство:.
Р4). Аксиома непрерывности:
Если события обладают свойствами:
;
,
(при этом говорят, что события образуют убывающую последовательность), то .
Из аксиоматического определения вероятности вытекают следующие свойства вероятности (здесь и везде в дальнейшем под знаком вероятности появляются только события!).
1°. .
2°. .
3°. .
4°. .
(Свойства 1 – 4 были доказаны при рассмотрении классического определения вероятности сразу в общем случае).
5°. Теорема сложения вероятностей.
Для любых событий (не обязательно несовместных)
.
▲ Представим событие Вв виде:
.
Поскольку события являются несовместными, то по аксиоме аддитивности Р3)
. (1)
Представим событие в виде:
.
Поскольку события являются несовместными, то по аксиоме Р3)
. (2)
Вычитая из равенства (2) равенство (1), получаем
. ■
6°. Если события образуют полную группу событий, то
.
▲ Свойство следует из определения полной группы событий и аксиом Р2) и Р3). ■
7°. .
▲ Представим событие Ав виде:
.
Поскольку события являются несовместными, то по аксиоме аддитивности Р3)
. ■