- •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.
14. Определеие произведения событий. Что обозначает а*в, если а иВ совместимые.
Событие А называется зависимым от события В если его вероятность меняется в зависимости от того произошло событие В или нет.
Для независимых событий условная и безусловная вероятность совпадают.
Вероятность появления двух зависимых событий равна произведению вероятностей одного из них на вероятность другого вычисленную при условии, что первое событие имело место.
Р(А*В)=Р(А)*Р(В/А)=Р(В)*Р(В/А)
Вероятность произведения нескольких событий равна произведению вероятностей этих событий причем вероятность каждого следующего события вычисляется при условии, что все предыдущие имели место.
Р(А1;А2…Аn)=Р(А1)*Р(А2/А1)*…
*Р(Аn/А1,А2…Аn-1)
Теорема сложения вероятностей совместных событий
Вероятность суммы двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления.
Р(А)+Р(В)=Р(А)+Р(В)-Р(А*В)
Вероятность появления хотя бы одного события
Вероятность появления события А заключающееся в наступлении хотя бы одного из независимых совокупностей событий .А1,А2…Аn равна разности между единицей и произведением вероятности противоположных событий А1,А2…Аn
Р(А)=1-q1*q2*…*qn
Пр.: Два стрелка одновременно выстреливают в мишень. Вер-ть попадания для 1-го =0,6; для 2-го 0,8.; Найти: А)Вер-ть того что в мишени будет 1 пробоина. В)будет хотя бы одна пробоина. Реш.: В мишени будет 1 пробоина т.ит.т.к. 1-ый попал и 2-ой промахнулся, 1-ый промахнулся и 2-ой попал.
А=(В1В2+В1В2)=Р(В1В2)+Р(В1В2).
Используем терему для независ. вер-тей.
Р(В1)=0,6; Р(В1)=1-0,6=0,4; Р(В2)=0,8; Р(В2)=0,2.; Р(А)=0,60,2+0,40,8=0,44.
ХОТЯБЫ 1 => Р(с)=Р(А+D) {D-2-е попадание} P(D)=P(B1B2)=P(B1)P(B2)=
=0,60,8=0,48.; P(c)=0,92.
15. Что называют разницей событий. Примеры. Разностью событий A и B называется событие A-B, которое происходит тогда и только тогда, когда происходит A и не происходит B.
16. Сформулируйте теорему сложения вероятностей для несовместимых событий. Вероятность появления одного из двух несовместных событий, безразлично какого, равна сумме вероятностей этих событий:
Р (А + В) = Р (А) + Р (В).
Введем обозначения: n — общее число возможных элементарных исходов испытания; m1 — число исходов, благоприятствующих событию A; m2— число исходов, благоприятствующих событию В.
Число элементарных исходов, благоприятствующих наступлению либо события А, либо события В, равно m1 + m2. Следовательно,
Р (A + В) = (m1 + m2) / n = m1 / n + m2 / n.
Приняв во внимание, что m1 / n = Р (А) и m2 / n = Р (В), окончательно получим
Р (А + В) = Р (А) + Р (В).
Пример 1. В урне 30 шаров: 10 красных, 5 синих и 15 белых. Найти вероятность появления цветного шара.
Р е ш е н и е. Появление цветного шара означает появление либо красного, либо синего шара.
Вероятность появления красного шара (событие А)
Р (А) = 10 / 30 = 1 / 3.
Вероятность появления синего шара (событие В)
Р (В) = 5 / 30 = 1 / 6.
События А и В несовместны (появление шара одного цвета исключает появление шара другого цвета), поэтому теорема сложения применима.
Искомая вероятность
P (A + B) = P (A) + P (B) = l / 3 + l / 6 = l / 2.