- •Основные понятия и теоремы теории вер-тей
- •1.Что изучает теория вер-тей
- •2.Что наз. Событием? Какие события достоверными, невозможными, случайными
- •6. Какие события называются единственно возможными. Приведите примеры
- •7. Какое множество событий образует полную группу событий? Приведите пример. Чему равняется сумма вер-тей событий, образующих группу?
- •8. Сформулируйте классическое определение вероятности. Приведите пример.
- •9. Какие события наз. Достоверными и невозможными. Какими могут быть вероятности достоверного и невозможного события. Примеры
- •10. Формула, по которой вычисляется вер-ть.Может ли быть вер-ть больше 1.Бывает ли вер-ть отрицательной.
- •11. Статическое определение вероятности
- •12. Что называют статистической устойчивостью событий. Прибли-жается ли относ. Частота событий к его вероятности при увеличении числа испытаний? Почему? Пример.
- •14. Определеие произведения событий. Что обозначает а*в, если а иВ совместимые.
- •17. Сформулируйте теорему сложения вероятностей для совместных событий.
- •18. Какие события называют независимыми. Дайте определение независимых в совокуности событий.
- •19. Что называют условной вероятностью события. Приведите примеры.
- •20.Теорема умножени вероятностей для зависимых событий
- •21.Теорема умножени вероятностей для независимых событий
- •22. Чему равна вероятность появления в результате испытаний хотя бы одного из независимых в совокупности событий
- •23. Запишите формулу полной вер-ти.Какое свойство должны иметь гипотезы в формуле полной вероятности.
- •24. Запишит формулу Бейеса. Какое ее предназначение?
- •Повторение независимых испытаний
- •25. Запишите формлу Бернулли. Какое ее предназначение?
- •26. Как находят наивероятнейшее число наступления событий?
- •27. Локальная теорема Муавра-Лапласа в каких случаях ее применяют.
- •28. Перечислите свойства функции Лапласа φ(х).
- •29 В чем заключаеся интегралная теорема Муавра – Лапласа. В каких случаях ее применяют.
- •30. Перечислите свойства функции Лапласа ф(х).
- •31. Сформулируйте теорему Пуассона. Как найти параметр λ?
- •Случайные величины
- •32. Опрделение сучайной величиы. Примеры непрерывных и дискретных случайных величин.
- •33. Закон распределения дискретной случайной величины.
- •34. Ряд распределения. Определение многоугольника распределения.
- •35. Какая функция наз. Интегральным законом распред-я случ. Величины. Сформул-те свойства этой функии.
- •36. Какая функция наз. Дифференциальной функцией распред-я случ. Величины. Сформул-те свойства этой функии.
- •37. Определение матемтического ожидания дискретной и непрерывной случ величины.
- •38. Свойства математического ожидания.
- •39. Определение дисперсии и среднего квадрат-го отклонения дискретной и непрерывной случ. Величины.
- •40. Сформулируйте св-ва дисперсии.
- •41 Определение начального и центрального моментов k-го порядка. Каковы простейшие соотношения между ними.
- •42.Определение моды и медианы.
- •43. Какой закон распределения называют биномиальным.
- •44. Какой формулой определяется закон распределения Пуассона?
- •45. Какой формулой определяется равномерный закон распределения. Запишите формулу функции распределения для равномерного закона распределения и постройте ее график.
- •46. Какой дифференциальной функцией распределения случ. Величины определяется нормальный закон распределения. Объясните содержание параметров, кот. Входят в выражение этой функции.
- •47. Как влияют математичекое ожидание и дисперсия на форму нормальной кривой.
- •48. Формула для вычисления вер-ти того, что случайная величина кот. Подлежит норм. Закону распред., принимает значения из интервала (a, b)
- •49. Сформулируйте првило трех сигм.
- •Системы случайных величин
- •50.Определение понятия системы случайных величин.
- •51. Закон распределения и функция распределения двух случ величин.
- •53. Закон распределения отдельной сл. Величины, кот. Входит в систему. Условный закон распределения
- •54. Численные характеристики системы двух случайных величин. Математ. Ожидание и дисперсия.
- •55. Численные характеристики системы двух случайных величин. Кореляционный момент. Коэффициент корреляции.
- •Граничные теоремы теории вероятностей
- •56.Нервенство Чебышева и ее смысл.
- •57. Теорема Чебышева и ее смысл.
- •58. Теорема Бернулли и ее смысл.
- •59. Центральная предельная теорема теории вероятностей для одинаково распределенных случайных величин. Формулировка и смысл.
- •Основні поняття математичної статистики
- •Предмет математичної статистики. Що називається статистичною сукупністю?
- •Визначення генеральної й вибіркової сукупностей. Наведіть приклади.
- •Який статистичний метод називається вибірковим методом?
- •Що розуміється під репрезентативністю вибіркової сукупності? Помилки репрезентативності і їхні види.
- •Що таке емпірична функція розподілу?
- •Які числові характеристики відображають центральну тенденцію? Середня арифметична і її властивості.
- •Які числові характеристики відображають мінливість? Поняття коефіцієнта варіації.
- •Які числові характеристики відображають мінливість? Дисперсія і її властивості.
- •Запишіть формули, за якими обчислюються середня арифметична, дисперсія, середнє квадратичне відхилення, асиметрія й ексцес.
- •Перевірка статистичних гіпотез
- •3. Теорія статистичної оцінки
- •Яка величина розуміється під статистичною оцінкою параметра ?
- •Які оцінки називаються незміщеними, зміщеними? Наведіть приклади.
- •Які оцінки називаються незміщеними, зміщеними? Наведіть приклади. Чи є вибіркова дисперсія незміщеною оцінкою генеральної дисперсії ? Який дріб називають поправкою Бесселя?
- •Яка оцінка називається ефективною? Яка оцінка називається спроможною?
- •Що називається довірчим інтервалом або інтервальною оцінкою параметра ? Що визначає довірча ймовірність ?
- •Запишіть довірчий інтервал для генеральної середньої якщо відомо величину .
- •Випадкові процеси
- •1.Определение случайного процесса. Примеры случайных процессов.
- •2.Поняття перерізу випадкового процесу. Приклади, смисл. Представлення випадкового процесу за допомогою перерізів.
- •3. Поняття реалізації випадкового процесу. Сімейство реалізацій. Приклади.
- •4. Поняття математичного сподівання випадкового процесу.
- •5. Поняття дисперсії випадкового процесу.
- •6. Класифікація випадкових процесів за часом. Класифікація випадкових процесів за станами.
48. Формула для вычисления вер-ти того, что случайная величина кот. Подлежит норм. Закону распред., принимает значения из интервала (a, b)
Вероятность попадания случайной величины Х, распределенной по нормальному закону, в интервал , равна ,
Где , ; ( Функция распределения случайной величины Х, распределенной по нормальному закону, выражается через функцию Лапласа Ф(х) по формуле: ).
□ Учитывая, что вероятность есть приращение функции распределения на отрезке и учитывая формулу получим:
.
49. Сформулируйте првило трех сигм.
При рассм нормального закона распределения выделяется важный частный случай, известный как правило трех сигм. Запишем в-ть того что отклонение нормально распределенной случайной величины от математического ожидания меньше заданной величины D:
Если принять D = 3s, то получаем с использованием таблиц значений функции Лапласа:
Т.е. в-ть того что случайная величина отклонится от своего мат\ожидания на величину, большую чем утроенное среднее квадратичное отклонение, практически равна нулю. Это правило называется правилом трех сигм.На практике считается, что если для какой – либо сл\величины выполняется правило трех сигм, то эта сл\величина имеет нормальное распределение.
Системы случайных величин
50.Определение понятия системы случайных величин.
Очень часто результат испытания характеризуется не одной Случ.Велич. а некоторой системой случайных величин , которую называют также многомерной (n-мерной) случайной величиной или случайным вектором Х = ( ). Приведем примеры многомерных случайных величин.
Успеваемость выпускника вуза характеризуется системой n случайных величин - оценками по различным дисциплинам, проставленными в приложении к диплому.
Погода в данном месте в определенное время суток может быть охарактеризована системой случайных величин: - температура; - влажность; - давление; - скорость ветра и т.п.
Любая СВ (i = 1,2,...,n) есть функция элементарных событий ω, входящих в пространство элементарных событий Ω ( ). Поэтому и многомерная случайная величина есть функция элементарных событий ω:
т.е. каждому элементарному событию ω ставится в соответствие несколько действительных чисел , которые приняли случайные величины в результате испытания. В этом случае вектор х = ( ) называется реализацией случайного вектора Х = ( ).
Случайные величины , входящие в систему, могут быть как дискретными (см. выше пример 1), так и непрерывными (пример 2).
51. Закон распределения и функция распределения двух случ величин.
Н аиболее полным описанием многомерной СВ является закон ее распределения. При конечном множестве возможных значений многомерной СВ такой закон может быть задан в форме таблицы (матрицы), содержащей всевозможные сочетания значений каждой из одномерных случайных величин, входящих в систему, и соответствующие им вероятности. Так, если рассматривается двумерная дискретная случайная величина (X,Y), то ее двумерное распределение можно представить в виде таблицы (матрицы) распределения (табл. 5.1), в каждой клетке (i,j) которой располагаются вероятности произведения событий .
Так как события (i = 1,2,...,n; j = 1,2,...,m), состоящие в том, что СВ Х примет значение , а СВ Y - значение , несовместны и единственно возможны, т.е. образуют полную группу, то сумма их вероятностей равна единице, т.е.:
Функцией распределения системы двух сл\в наз ф-я двух аргументов F(x, y), равная в-ти совместного выполнения двух неравенств X<x, Y<y.
Свойства функции распределения системы двух сл\в:
1) Если один из аргументов стремится к плюс бесконечности, то ф-я распр системы стремится к ф-ии распр одной сл\в, соответствующей другому аргументу.
2) Если оба аргумента стремятся к бесконечности, то ф-я распр системы стремится к 1.
3) При стремлении одного или обоих аргументов к минус бесконечности ф-я распр стремится к 0.
4) Ф-я распр является неубывающей функцией по каждому аргументу.
5) В-ть попадания случайной точки (X, Y) в произвольный прямоугольник со сторонами, параллельными координатным осям, вычисляется по формуле:
52.П лотность совместного распределения вероятностей непрерывной двумерной случ. величины.
Плотность совместного распределения вероятностей непрерывной двумерной случайной величины ( , ) – это вторая смешанная частная производная от функции распределения :
.
Геометрически эту функцию можно истолковать как поверхность, которую называют поверхностью распределения.
Зная плотность совместного распределения , можно найти функцию распределения по формуле:
что непосредственно следует из определения плотности распределения двумерной непрерывной случайной величины ( , ).
Плотность совместного распределения вероятностей можно рассматривать как предел отношения вероятности попадания случайной точки в прямоугольник (с вершиной в точке и сторонами и ) к площади этого прямоугольника, когда обе стороны этого прямоугольника стремятся к нулю.
Действительно, вероятность попадания случайной точки ( , ) в прямоугольник с вершинами , , и равна:
Применив к правой части теорему Лагранжа, получим:
где ; . Отсюда: