- •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.
Граничные теоремы теории вероятностей
56.Нервенство Чебышева и ее смысл.
Для любой случайной величины, имеющей математическое ожидание и дисперсию, справедливо неравенство Чебышева: ,
где а = М(Х), е > 0.
☺ Применим неравенство Маркова в форме к случайной величине , взяв в качестве положительного числа . Получим: .
Т.к. неравенство равносильно неравенству , а есть дисперсия случайной величины Х, то из неравенства получаем доказываемое неравенство. ☻
Учитывая, что события и противоположны, неравенство Чебышева можно записать и в другой форме: .
Неравенство Чебышева применимо для любых случайных величин. В форме оно устанавливает верхнюю границу, а в форме - нижнюю границу вероятности рассматриваемого события.
Неравенство Чебышева раскрывает вероятностный смысл числовых характеристик. Неравенство Чебышева имеет большое теоретическое значение, так как дает простую количественную оценку для вероятности отклонения случайной величины, с произвольным значением, от ее центра.
57. Теорема Чебышева и ее смысл.
Теорема. Если дисперсии n независимых случайных величин ограничены одной и той же постоянной, то при неограниченном увеличении числа n средняя арифметическая случайных величин сходится по вероятности к средней арифметической их математических ожиданий , т.е.
Или
☺ По условию , , где С - постоянное число.
Получим неравенство Чебышева в форме для средней арифметической случайных величин, т.е. для .
Найдем математическое ожидание М(Х) и оценку дисперсии D(Х):
;
.
(Здесь использованы свойства математического ожидания и дисперсии и, в частности, то, что случайные величины независимы, а следовательно, дисперсия их суммы равна сумме дисперсий.)
Запишем неравенство для случайной величины :
.
Т.к. по доказанному , то ,
Следовательно.
в пределе при n → ∞ величина стремится к нулю, и получим доказываемую формулу. ☻
Подчеркнем смысл теоремы Чебышева. При большом числе n случайных величин практически достоверно, что их средняя величина случайная, как угодно мало отличается от неслучайной величины, т.е. практически перестает быть случайной.
Следствие. Если независимые случайные величины имеют одинаковые математические ожидания, равные а, а их дисперсии ограничены одной и той же постоянной, то:
,
Или
58. Теорема Бернулли и ее смысл.
Под законом больших чисел в широком смысле понимается общий принцип, согласно которому, по формулировке академика Колмогорова, совокупное действие большого числа случайных факторов приводит (при некоторых весьма общих условиях) к результату, почти не зависящему от случая. Другими словами, при большом числе случайных величин их средний результат перестает быть случайным и может быть предсказан с большой степенью определенности.
Теорема. Частность события в n повторных независимых испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью p, при неограниченном увеличении числа n сходится по вероятности к вероятности р этого события в отдельном испытании:
Или
☺ Заключение теоремы непосредственно вытекает из неравенства Чебышева для частости события при n → ∞. ☻
Смысл теоремы Бернулли состоит в том, что при большом числе n повторных независимых испытаний практически достоверно, что частность (или статистическая вероятность) события m/n - величина случайная, как угодно мало отличается от неслучайной величины р - вероятности события, т.е. практически перестает быть случайной.
Теорема Бернулли является следствием теоремы Чебышева.