- •Предмет теории вероятностей. Испытание. Классификация событий.
- •Комбинаторика. Основные формулы комбинаторики.
- •Классическое определение вероятности. Свойства вероятности.
- •Относительная частота. Устойчивость относительных частот. Статистическое определение вероятности.
- •Несовместные события. Сумма несовместных событий. Теорема сложения несовместных событий.
- •Совместные события. Сумма совместных событий. Теорема сложения совместных событий.
- •Полная группа событий. Теорема о сумме событий, образующих полную группу.
- •8. Зависимые события. Произведение событий. Теорема умножения вероятностей зависимых событий.
- •9. Независимые события. Произведение событий. Теорема умножения вероятностей независимых событий.
- •Вероятность появления хотя бы одного события.
- •11. Формула полной вероятности. Формулы Байеса.
- •12. Схема Бернулли. Теорема Бернулли, следствия.
- •13. Локальная теорема Лапласа. Функция (х), ее свойства.
- •14. Интегральная теорема Лапласа. Функция ф(х), ее свойства.
- •15. Теорема Пуассона, следствия.
- •16. Вероятность отклонения относительной частоты появления события от его вероятности в независимых испытаниях.
- •17. Вероятность отклонения числа появлений события от произведения (np) в независимых испытаниях.
- •Наивероятнейшее число появления события.
- •19. Случайные величины, их виды. Закон распределения вероятностей случайной величины, способы задания.
- •20. Равномерное дискретное распределение, его числовые характеристики.
- •21. Биномиальное распределение, его числовые характеристики.
- •22. Пуассоновское распределение, его числовые характеристики.
- •23. Геометрическое распределение, его числовые характеристики.
- •24. Гипергеометрическое распределение, его числовые характеристики.
- •25. Функция распределения f(х), ее свойства.
- •26. Плотность распределения вероятностей f(х), ее свойства.
- •27. Нахождение функции распределения по известной функции плотности.
- •28. Математические операции над случайными величинами.
- •29. Числовые характеристики случайных величин.
- •30. Математическое ожидание дискретной случайной величины, его вероятностный смысл.
- •Свойства математического ожидания.
- •32. Дисперсия дискретной случайной величины. Формула для вычисления.
- •33. Свойства дисперсии. Среднее квадратическое отклонение.
- •Числовые характеристики непрерывных случайных величин, их свойства.
- •35. Равномерное непрерывное распределение, его числовые характеристики.
- •36. Показательное распределение, его числовые характеристики.
- •37. Нормальное распределение, его числовые характеристики.
- •38. Нормальная кривая, ее свойства. Влияние параметров нормального распределения на вид нормальной кривой.
- •39. Вероятность попадания в заданный интервал нормальной случайной величины.
- •40. Вероятность заданного отклонения нормально распределенной случайной величины. Правило трех сигм.
- •41. Неравенство Маркова.
- •42. Неравенство Чебышева.
- •43. Закон больших чисел в форме Чебышева.
- •44. Генеральная и выборочная совокупности. Виды выборки. Способы отбора.
- •45. Статистическое распределение выборки. Полигон и гистограмма.
- •46. Эмпирическая функция распределения, ее свойства.
- •47. Статистические оценки параметров распределения. Несмещенные, эффективные и состоятельные оценки.
- •48. Выборочная дисперсия. Формула для вычисления дисперсии.
- •49. Точность оценки, доверительная вероятность, доверительный интервал.
- •50. Доверительный интервал для оценки математического ожидания нормального распределения при известном и неизвестном среднем квадратическом отклонении.
- •51. Функциональная, статистическая и корреляционная зависимости. Основные задачи теории корреляции.
- •52. Уравнение прямой линии регрессии.
- •53. Свойства выборочного коэффициента корреляции.
- •54. Статистическая гипотеза. Статистический критерий.
- •55. Ошибки первого и второго рода, уровень значимости.
- •56. Критическая область и область принятия гипотезы. Критические точки.
- •57. Методика вычисления теоретических частот нормального распределения для интервального ряда.
- •58. Методика вычисления теоретических частот нормального распределения для дискретного ряда.
- •59. Проверка гипотезы о нормальном распределении генеральной совокупности.
- •60. Проверка гипотезы о значимости коэффициента корреляции.
39. Вероятность попадания в заданный интервал нормальной случайной величины.
Найдем ф-ию распределения нормально распределенной СВ.
F(x)=ИНТЕГРАЛ(-беск до x)f(x)dx= ИНТЕГРАЛ(-беск до x)(1/СКО*SQR 2Пи)*e^-[(x-a)^2/2СКО^2].
Вводим замену (x-a)/СКО=u => x=a+СКО*u. dx=(a+СКО*u)^2du=СКОdu.
F(x)=ИНТЕГРАЛ(-беск до ((x-a)/СКО) ) (1/СКО*SQR 2Пи)*e^-((u^2)/2)*СКОdu=
(1/SQR 2Пи)*ИНТЕГРАЛ(-беск до 0) e^-((u^2)/2)du+(1/SQR 2Пи)*ИНТЕГРАЛ(0 до ((x-a)/СКО) ) e^-((u^2)/2)du=1/2+Ф((x-a)/СКО)
Пусть СВ Х принадлежит N(a; СКО^2), тогда
P(альфа<Х<бета)=Ф((бета-а)/СКО)- Ф((альфа-а)/СКО).
ДОК-ВО. P(альфа<Х<бета)=F(бета)-F(альфа)=[1/2+Ф((бета-a)/СКО)]-[1/2+Ф((альфа-a)/СКО)]= Ф((бета-а)/СКО)- Ф((альфа-а)/СКО).
40. Вероятность заданного отклонения нормально распределенной случайной величины. Правило трех сигм.
Пусть СВ Х принадлежит N(a; СКО^2), тогда
P(|x-M(X)|<E)=2Ф(Е/СКО).
ДОК-ВО. |x-M(X)|<E <=> |x-a|<E <=> -E<x-a<E <=> a-E<x<a+E.
P(|x-M(X)|<E)=P(a-E<x<a+E)=Ф((а+Е-а)/СКО)- Ф((а-Е-а)/СКО)=Ф(Е/СКО)- Ф(-Е/СКО)=2Ф(Е/СКО).
ПРАВИЛО трех сигм.
Пусть СВ Х принадлежит N(a; СКО^2), тогда
P(|x-M(X)|<3сигма)=2Ф(3)примерно=1
1-Ф(3)=0 (0,003). Если СВ распределена нормально, то абсолютная величина её отклонения от мат ожидания не превосходит утроенного среднего квадратического отклонения.
На практике правило 3х сигм применяют так: если распред-е изучаемой СВ неизвестно, но условие, указанное в приведенном правиле, выполняется, то есть основания предполагать, что изучаемая величина распределена нормально; в противном случае она не распред-на нормально.
41. Неравенство Маркова.
Если СВ принимает только неотрицательные значения и имеет М(Х), то для любого + числа А верно нер-во: P(x>A)<= M(X)/A.
ДОК-ВО. Расположим знач-я ДСВ в порядке возрастания. Часть значений (x1;xk) будет не более числа А, а другая часть значений от х(k+1) до xn будет больше А.
M(X)=x1p1+…+xk*pk+…+x(k+1)*p(k+1)+…+xn*pn.
Отбросим первые k слагаемых, получим нер-во: x(k+1)*p(k+1)+…+xn*pn<=M(X)
Заменим знач-я СВ на А: А*p(k+1)+…+А*pn<=M(X)
p(k+1)+…+*pn<=M(X)/A
P(x>A)<= M(X)/A
P(x<=A)>=1 - M(X)/A
42. Неравенство Чебышева.
Для любой СВ, имеющей M(X) и D(X), справедливо нер-во Чебышева:
P(|x-a|>E)<=D(X)/E^2, где a=M(X), E>0.
ДОК-ВО. Применим нер-во Маркова и СВ Х’=(x-a)^2
P((x-a)^2>A)<= M((x-a)^2)/A.
Заменим нер-во (x-a)^2>A равносильным ему нер-вом |x-a|>E, где Е^2=A.
M((x-a)^2)=D(X) с мат ожиданием = а
P(|x-a|>E)<=D(X)/E^2.
P(|x-a|<=E)>=1-D(X)/E^2
ЗАМЕЧАНИЕ. Для СВ Х, имеющей биномиальный з-н рапред-я с М(Х)=n*p и D(X)=npq, нер-во принимает вид P(|x<np|>E) <=npq/E^2
(|x1-np|) = |x2-np| = Е
np=M(X)
43. Закон больших чисел в форме Чебышева.
Если D(X) n независимых СВ ограничены одной и той же пост величиной, то при неограниченном увеличении числа n, сред арифметическая СВ сходится по в-ти к сред ариф их M(X) a1, a2, an
lim(n->беск)P( |(x1+x2+…+xn)/n-(a1+a2+…+an)/n| < E)=1.
или СУММАxi(i=1 n)/n p/n->беск СУММАai(i=1;n)/n
Замечание: стремление сред арифметического СВ к сред ариф-му их М(Х) следует понимать не как категор утвержд., а как утвержд., в-ть которого гарантир-ся с в-тью сколь угодно близкой к 1 при n -> беск.
P( |xср-M(xср)|>E)<=C/n*E^2
D(X)<=C, D(X^2)<=C,…, D(xn)<=C