- •1.Случайные события. Действия над событиями.
- •2.Классическое определение вероятности и ее свойства.
- •3.Аксиоматическое определение вероятности.
- •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 вероятностей и её свойства.
- •10. Плотность распределения вероятностей и её свойства.
- •11. Математическое ожидание и его свойства.
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты
- •15. Основные дискретные распределения случайных величин.
- •16. Равномерное и показательное распределение.
- •17. Нормальное 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. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26. Эмпирическая функция распределения.
- •27. Гистограмма и полигон.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •33. Распределение , Стьюдента и Фишера.
- •1. Распределение (хи-квадрат).
- •Распределение Фишера.
- •34 Проверка статистических гипотез.
- •36. Критерий согласия Пирсона.
- •38. Сравнение дисперсий двух нормальных выборок.
- •39.Сравнение средних двух нормальных выборок.
- •40. Дисперсионный анализ.
- •41. Парная регрессия.
- •42. Парный коэффициент корреляции, его свойства.
- •43. Проверка гипотез о достоверности коэффициента корреляции.
- •44. Нелинейная парная регрессия
3.Аксиоматическое определение вероятности.
Рассмотрим некоторое подмножество событий F, причем операции сложения, умножения и вычитания не выводят из F. Числовая функция P:F→R называется вероятностью, если выполнены следующие три аксиомы:
Аксиома 1. Каждому случайному событию А из F ставится в соответствие неотрицательное число, называемое вероятностью события Р(А).
Аксиома 2. Вероятность достоверного события равна 1.
P(Ω) = 1
Аксиома 3 (аксиома сложения). Если А и В несовместные события из F, т.е. АВ = Ø, то
Р(А + В) = Р(А) + Р(В).
Эта аксиома легко обобщается с помощью сочетательного свойства сложения на любое число событий. Если AlAj =Ø при j ≠i, то
Т.е. вероятность суммы попарно несовместных событий равна сумме вероятностей этих событий.
Эту аксиому называют теоремой сложения или правилом вероятностей.
4. Формулы комбинаторики. Гипергеометрическое распределение.
При подсчёта чисел m и n в ТВ используют формулы комбинаторики.
Комбинаторика – раздел математики, в котором изучаются задачи выбора элементов из заданного множества и расположения их в группы по заданным правилам, в частности о подсчете числа комбинаций, получаемых из элементов заданного конечного множества.
Пусть заданно множество, состоящее из n различных элементов.
Перестановками называются комбинации одних и тех же элементов, которые отличаются только порядком их расположения. Число перестановок из n элементов вычисляется по формуле:
Пример: сколькими способами можно рассадить 8 человек по восьми вагонам, если в каждый вагон сядет по одному человеку.
n=P8 =8!=40320
Размещениями называются комбинации, составленные из n элементов по m, которые различаются либо составом элементов, либо их расположением. Число размещений из n элементов по m вычисляется по формуле: .
Пример Кодовый замок составлен из 5 цифр. Сколько способов может быть для составления код, если все цифры разные.
Сочетанием называется комбинации, из n элементов по m, которые различаются только составом элементов. Число сочетаний из n элементов по m вычисляется по формуле:
Свойства сочетаний:
Урновая схема. Пусть в урне имеется N шаров, среди которых М белых, а остальные черные. Наудачу вытащили k шаров, найти вероятность того, что среди них l белых.
- формула гипергеометрического распределения.
5. Условная вероятность. Независимость событий.
Часто интересует вероятность того, что произойдёт событие А при условии, что некоторое событие В уже произошло. Такую вероятность называют условной и обозначают P(A/B).
Условной вероятностью события А при условии, что событие В уже произошло, называется отношение
. (1)
Аналогично, условной вероятностью события B при условии, что событие A уже произошло, называется
. (2)
Из формул (1) и (2) получим теорему умножения: (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:
Вероятность совместного появления нескольких произвольных событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже произошли:
События А и В называются независимыми, если вероятность произведения равна произведению вероятности этих событий. . (4)
Из (3) и (4) получим: .
Следовательно, для независимых событий условная и безусловная вероятности совпадают .
Для конечного числа независимых событий вероятность произведения равна произведению вероятностей каждого из событий: .