- •9. Формула Бернулли и Пуассона.
- •10. Локальная и интегральная теоремы Муавра-Лапласа.
- •11. Способы задания закона распред-ния дискретных св. Их св-ва.
- •12. Способы задания закона распред-ния непрерывных св. Св-ва.
- •29. Закон больших чисел. Неравенство Маркова.
- •30. Закон больших чисел. Неравенство Чебышева.
- •31. Закон больших чисел. Теорема Чебышева.
- •32. Закон больших чисел. Теорема Бернулли.
- •43. Стат. Гипотеза. Общая схема её проверки. Ошибки 1 и 2 рода.
- •17. Тип.Зр непр.Случ.Величин. Равномерный закон распределения.
- •18. Тип.Зр непр. С.В. Показательный закон распред-ия.
- •19. Тип. Зр непр. С.В. Нормальный закон распределения.
- •20. Точные законы распред. С.В. Распред-е Пирсона (хи-квадрат).
- •37. Общие сведения о выборочном методе.
- •38. Точечная оценка параметров распред-ия. Требования к ф-иям выборки.
- •39. Понятие интервальной оценки параметров распред. Доверит. Интервал для неизвестного мат. Ожидания.
- •5. Совместные и несовместные события. Теорема слож-ия вер-тей.
- •7.Полная группа событий. Формула полной вероятности.
- •6. Зависимые и независ. События. Теорема умножения вер-тей.
- •8.Формула Байеса переоценки вер-тей гипотез. Её практич. Значение.
- •25. Плотность вер-ти двумерной с.В.
- •26. Условные законы распределения двумерной с.В.
- •27.Числовые характер-ки двумерной с.В.
- •28. Ковариация и коэффициент корреляции.
- •2. Относительная частота события (очс). Теорема Бернули.
- •3.Классич. Опред-ие вер-ти события. Формулы комбинаторики.
- •4. Геометрическое определение вероятности события.
- •23. Понятие двумерной дискретной св и таблица её распред-ия.
- •24. Функция распред-ия двумерной с.В.
- •41.Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Вер-ти для умеренно больших выборок.
- •13. Математич. Ожидание случайных величин. Основные свойства.
- •14. Дисперсия случайных величин. Основные свойства.
- •15. Тип. Законы распред-ия дискрет. C.В. Бином. Закон распред-ия.
- •16. Тип. Законы распред-ия дискретных с.В. Распред-ие Пуассона.
- •34. Интегральная предельная теорема. Теорема Ляпунова.
- •35. Предмет мат. Статистики. Осн. Функция мат. Статистики.
- •36. Основные понятия математической статистики.
- •42. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Вер-ти для малых выборок.
- •45. Проверка гипотезы о равенстве средних двух совокупностей при известных дисперсиях.
- •44. Проверка гипотезы о равенстве средних двух совокупностей при неизвестных дисперсиях.
- •46. Проверка гипотезы о равенстве дисперсий двух совокупностей.
- •45. Проверка гипотезы о равенстве средних двух совокупностей при известных дисперсиях.
- •44. Проверка гипотезы о равенстве средних двух совокупностей при неизвестных дисперсиях.
- •46. Проверка гипотезы о равенстве дисперсий двух совокупностей.
- •47. Гистограмма распред-ия.
- •48. Проверка гипотезы о соответствии эмпирич. Закона распред-ия теоретич.
- •39. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для неизвест. Мат. Ожидания.
- •40. Понятие интерв-ной оценки параметров распред-ия. Доверит. Интервал для дисперсии.
2. Относительная частота события (очс). Теорема Бернули.
ОЧС- это отношение числа экспериментов, в кот. событие сост-лось к общему числу проведенных экспериментов.
, где W(А)- ОЧС, m - число экспер-тов,в кот событие А состоялось, n - это общее число экспертов.
Под стат. определением вер-ти события А понимают его относит-ную частоту, т.е. , где Р*(А) - представляет собой оценку (приближенное значение) вер-ти события А.
Теорема Бернулли: Относит-ная частота события сходится по вер-ти к истинному значению вер-ти события с ростом числа экспертов.
Стат опред-ние вер-ти применимо при выполнении 3-х условий:
1.Должны сущ-вать возм-ности многократного воспроизв-ния экспер-тов на предмет наступления события А.
2.События должны обладать так называемой стат. устойчивостью осн. закономерностей.
3.Число проводимых экспериментов должно быть невелико.
3.Классич. Опред-ие вер-ти события. Формулы комбинаторики.
Исходы эксперимента наз-ся равновозможными, если вер-ти их наступления равны м/у собой.
Опр. Вер-ти событий, эксперименты кот. можно разложить на равновозможные исходы, равны отношению числа благоприятствующих исходов к общему числу возможных исходов.
, где m - это число благоприятных событий А, n - общее число возможных исходов.
Исход наз-ся благоприятствующим событию А, если его появление влечет появление события А.
Формулы комбинаторики: 1) Сочетаниями из n элементов по m наз. соединения, состоящие из m элементов и отличающихся друг от друга составом элементов. Число сочетаний равно числу способов выбора соединений из m элементов из общего числа n элементов.
2) Размещениями из n элементов по m наз. соединения, состоящие из m элементов и отличающиеся друг от друга либо составом, либо порядком их следования.
3) Перестановками из n элементов наз. соединения, состоящие из n элементов и отличающиеся друг от друга порядком следования элементов.
4)Если в сочетании из n эл-тов по m некот. эл-ты повторяются, то их наз. сочетанием с повторением:
5)Если в размещениях из n эл-тов по m некот. эл-ты повторяются, то их наз. размещение с повторением:
4. Геометрическое определение вероятности события.
Согласно геометрич. схеме опред-ия вер-ти. Вер-ть события, эксперимент по воспроизведению кот. можно разложить на бесконечное число равно возможных исходов, равна отшению меры благоприятствующей данному событию области к мере всей области. , где m(G) – мера благоприятствующей обл.
m(S) – мера всей обл.
В кач-ве меры может выступать длина отрезка, площадь фигуры или объем тела.
В обл. S появл. случайная точка. Внутри обл. S выделяются замкнутые обл. G1, G2 и G3, тогда вер-ть того, что случайная точка обл. S окажется в замкнутых обл. равна:
21.Точные законы распред-ия С.В. Распред-ие Стьюдента.
К точным относятся законы распред-ия непрерывных С.В, в формуле плотности распред-ия вер-тей кот. присутствуют только точные значения параметров, но никак ни значения определяемых по статистич. данным.
Пусть мы имеем С.В. V, распределенную по закону с n степенями свободы. Также задана С.В. Z, распределенная по закону Гаусса. С.В. V и Z независимы. Сконструируем из них новую С.В. T по формуле:
Получившийся в результате исследования закон распределения величины T получил название распред-ие Стьюдента. Ф-ия плотности этого распред-ия имеет вид:
Параметр n обозначает число степеней свободы.
22.Точные законы распред-ия С.В. Распред-ие Фишера-Снедекора.
К точным относятся законы распред-ия непрерывных С.В, в формуле плотности распред-ия вер-тей кот. присутствуют только точные значения параметров, но никак ни значения определяемых по статистич. данным.
Пусть две независим. С.В. U и V распределены по закону со степенями свободы k1 и k2 соответственно. Из этих величин конструируется новая С.В. .
И сследования закона распред-ия С.В. F показало, что ф-ия плотности этого распред-ия имеет вид:
Всегда f(x) > 0