- •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.
5. Условная вероятность и ее свойства. Правило и теорема умножения вероятностей.
Пусть - конечное пространство равновозможных исходов,А и В – некоторые события. Если о событии В ничего неизвестно, то согласно классическому определению вероятности:
Если же известно, что событие В уже произошло (т. е. наступил исход , но какой именно – неизвестно), то для определения вероятности событияА следует выбрать новое пространство элементарных событий .
В этом случае событию А благоприятствуют исходы и новая вероятность, которую обозначим, равна:.
Полученная вероятность называется условной вероятностью события А при условии, что событие В произошло и полученное для нее выражение в рамках классической схемы принимается за определение условной вероятности и в общем случае.
Определение. Пусть - произвольное вероятностное пространство,- некоторые случайные события,.Условной вероятностью события А при условии, что событие В произошло, называется величина .
Для условной вероятности применяется также обозначение.
Условная вероятность , как функция событияА при фиксированном событии В (условии), удовлетворяет аксиомам Р1) – Р3) и, следовательно, всем свойствам вероятности, вытекающим из аксиом:
(Действительно, ).
(Действительно, ,
поскольку события являются несовместными).
Аналогично вводится понятие условной вероятности события В при условии, что событие А произошло: в предположении, что.
Если и, то из определения условных вероятностейиполучаем следующееправило умножения вероятностей:
.
Теорема (умножения вероятностей).
Пусть некоторые события, определенные на одном и том же вероятностном пространстве , для которых. Тогда
.
▲ В соответствии с правилом умножения вероятностей
. ■
6. Независимость событий. Свойства независимых событий. Независимость в совокупности.
Определение: Пусть - произвольное вероятностное пространство,- некоторые случайные события. Говорят, чтособытие А не зависит от события В, если его условная вероятностьсовпадает с безусловной вероятностью:.
Если , то говорят, что событиеА зависит от события В.
Понятие независимости симметрично, то есть, если событие А не зависит от события В, то и событие В не зависит от события А. Действительно, пусть . Тогда. Поэтому говорят просто, что событияА и В независимы.
Из правила умножения вероятностей вытекает следующее симметричное определение независимости событий.
Определение: События А и В, определенные на одном и том же вероятностном пространстве , называютсянезависимыми, если .
Если , то события А и В называются зависимыми.
Свойства независимых событий.
1. Если события А и В являются независимыми, то независимыми являются также следующие пары событий: .
▲ Докажем, например, независимость событий . Представим событиеА в виде: . Поскольку событияявляются несовместными, то, а в силу независимости событийА и В получаем, что . Отсюда, что и означает независимость. ■
2. Если событие А не зависит от событий В1 и В2, которые являются несовместными (), то событие А не зависит и от суммы .
▲ Действительно, используя аксиому аддитивности вероятности и независимость события А от событий В1 и В2, имеем:
. ■
Связь между понятиями независимости и несовместности.
Пусть А и В любые события, имеющие ненулевую вероятность: , так что. Если при этом событияА и В являются несовместными (), тои поэтому равенствоне может иметь место никогда. Таким образом,несовместные события являются зависимыми.
Определение: События , определенные на одном и том же вероятностном пространстве, называютсянезависимыми в совокупности, если для любого 2 m n и любой комбинации индексов справедливо равенство:.
При m = 2 из независимости в совокупности следует попарная независимость событий. Обратное неверно.
Теорема (умножения вероятностей для независимых событий).
Если события , определенные на одном и том же вероятностном пространстве , являются независимыми в совокупности, то вероятность их произведения равна произведению вероятностей:.
▲ Доказательство теоремы следует из определения независимости событий в совокупности или из общей теоремы умножения вероятностей с учетом того, что при этом
.■