- •1. Случайные события. Действия над событиями
- •2. Классическая вероятность и ее св-ва.
- •4. Формулы комбинаторики, гипергеометрическое распределение.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •9. Функция распределения вероятности и ее свойства.
- •10. Плотность распределения вероятности и ее свойства.
- •11. Математическое ожидание и его свойства.
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции Ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26. Эмпирическая функция распределения.
- •27. Полигон и гистограмма.
- •29. Точечное оценивание.
- •31. Доверительные интервалы.
- •32. Распределение х Стьюдента и Фишера.
- •33. Доверительные интервалы для оценки математического ожидания при известном .
- •34. Доверительные интервалы для нормального распределения при неизвестном .
- •35. Проверка статистических гипотез.
- •36. Построение критической области.
- •37. Критерий согласия Пирсона.
- •38. Вычисление теоретических частот для нормального распределения.
- •39. Cравнние дисперсий двух нормальных выборок.
- •40. Критерий Стьюдента
- •41. Дисперсионный анализ.
- •42. Парная регрессия.
- •43. Парный коэффициент корреляции.
- •44. Проверка гипотез о достоверности коэффициента корреляции.
5. Условная вероятность. Независимость событий.
Определение 1 Условной вероятностью события А при условии, что событие В уже произошло называется
P(A/B)=P(AB)/P(B), P(B)>0 (3.1)
Аналогично, условной вероятностью события B при условии, что событие A уже произошло называется
P(B/A)= P(AB)/P(A), P(A)>0 (3.2)
Из формул следует теорема умножения:
P(AB)=P(A)P(B/A)=P(B)P(A/B) (3.3)
Вероятность произведения двух произвольных событий равна произведению вероятности одного из событий на условную вероятность второго, при условии, что первое уже произошло.
Распространим теорему умножения на конечное число событий
P(A1 A2 Ak)=P(A1)P(A2/A1)*…*P(Ak/A1A2 …Ak-1)
Определение 2 События А и В называются независимыми, если вероятность произведения равна произведению вероятности этих событий.
P(AB)=P(A)P(B) (3.4)
Сравнивая (3.3) и (3.4) получим, что для независимых событий условные и безусловные вероятности совпадают.
P(A/B)=P(A)
Для конечного числа независимых событий вероятность произведения равна произведению вероятностей.
P(A1A2…Ak)=P(A1)P(A2)…P(AK)
6. Формула полной вероятности. Формула Байеса.
Пусть событие А может произойти только с одним из n несовместных событий H1…Hn, образующих полную группу, т.е. Нi * Нj= Ø, i j, Н1+… +Нn=Ω.
События А*Hiи A*Hj являются несовместными.
Применяя теорему умножения к каждому слагаемому получим формулу полной вероятности.
События H1, H2,…, Hn часто называют гипотезами.
Иногда интересует как перераспределяется вероятность гипотез, после того как событие А произошло P(Hi/A)
По теореме умножения вероятность произведения этих двух событий равна
П одставляя в знаменатель формулу полной вероятности получим формулу Байеса:
7. Схема независимых испытаний Бернулли.
Пусть производится n независимых испытаний в каждом из которых возможно только 2 исхода. Событие А или появится или не появится.
Обозначим вероятность появления события А – p, не появления – q.
Под элементарным событием в схеме Бернулли принимается последовательность наступления или ненаступления события А в n испытаниях
А={1}, ={0}. Тогда элементарный исход имеет вид (1,0,…, 1)
Найдем вероятность того, что в n испытаниях событие появится ровно m раз.
Пример: Найдем сначала вероятность, что из 3 студентов 2 сдадут экзамен при том, что вероятность сдачи у каждого p.
Решение: n=3, m=2. При этом возможны следующие элементарные исходы
(1,1,0); (0,1,1); (1,0,1).
Вероятность каждого элементарного исхода одинакова и равна p2q.
Таким образом вероятность того, что из 3 испытаний событие p появится 2 раза
P3(2)=3p2q.
Д ля произвольных m и n вероятность одного элементарного исхода равна pmqn-m . Число таких элементарных исходов равно числу способов разместить m единиц по n местам, а это по определению число сочетаний m элементов по n. Получим формулу Бернулли (5.1)
Ч асто интересует появление события А не ровно m раз, а от k1 до k2.
При изменении n от 0 до m, вероятность в формуле Бернулли сначала растет, а затем убывает. Тогда можно указать такое число (m0), при кот. вероятность будет наибольшей. При этом m0 называется наивероятнейшим.
Можно показать, что m0 вычисляется по формуле: m0=np-q.
Если m0 - не целое число, то его округляют до ближайшего целого с избытком, если m0- целое, то наивероятнейших чисел два:
m`0=np-q и m`0=np-q+1