- •1. События и их классификация. Классическое определение вероятности
- •2. Элементы комбинаторики: перестановки, сочетания, размещения, правило умножения и правило сложения
- •3. Действия над событиями. Соотношения между событиями
- •4. Теорема сложения вероятностей несовместных событий.
- •5. Теорема сложения вероятностей совместных событий.
- •6. Частота события и ее свойства. Статистическое определение вероятности.
- •7. Условная вероятность. Теорема умножения вероятностей. Вероятность появления хотя бы 1 события
- •8. Формула полной вероятности. Формулы Байеса
- •9. Повторные независимые испытания. Формула Бернулли. Наивероятнейшее число появления события
- •10. Повторные независимые испытания. Формула Пуассона
- •11. Повторные независимые испытания. Локальная и интегральная теорема Лапласа
- •12. Понятие случайной величины и ее функции распределения. Свойства функции распределения
- •13. Дискретные случайные величины. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение, начальные и центральные моменты, асимметрия и эксцесс)
- •14. Биномиальный закон распределения
- •15. Распределение Пуассона
- •16. Непрерывные случайные величины. Плотность распределения. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение)
- •17. Равномерное распределение. Вероятность попадания случайной величины в заданный интервал
- •18. Показательное распределение. Вероятность попадания случайной величины в заданный интервал
- •Характеристики
- •19. Нормальное распределение. Вероятность попадания в заданный интервал нормальной случайной величины. Правило 3-х сигм
- •20. Функции случайных величин
- •21. Понятие системы случайных величин. Закон распределения двумерной случайной величины. Функция распределения двумерной случайной величины
- •22. Понятие о законе больших чисел. Неравенства Маркова и Чебышева
- •23. Теоремы Чебышева и Бернулли. Центральная предельная теорема
- •24. Цепи Маркова. Применение Марковских цепей в экономике
- •25. Выборочный метод. Основные понятия. Полигон и распределения. Эмпирическая функция распределения.
- •26. Оценка параметров по выборке. Понятие несмещённости, состоятельности и эффективности оценки
- •27. Основные характеристики генеральной и выборочной совокупностей
- •28. Связь между характеристиками генеральной и выборочной совокупностей.
- •29. Точечные и интервальные оценки. Доверительная вероятность и доверительный интервал.
- •30. Доверительный интервал для оценки мат.Ожидания нормального распределения
- •31. Понятие корреляционной зависимости. Корреляционная таблица. Линейная корреляция
- •32. Метод наименьших квадратов для определения параметров линейной регрессии
- •33. Статистическая гипотеза. Основные понятия
- •34. Уровень значимости и мощность критерия. Этапы проверки стат.Гипотезы
- •Этапы проверки статистических гипотез
- •35. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •36.Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
- •37. Основные понятия дисперсионного анализа
10. Повторные независимые испытания. Формула Пуассона
При больших n применение формулы Бернулли затруднительно из-за сложности вычисления факториалов. В этом случае используются приближенные формулы для вычисления вероятности того, что в n испытаниях событие появится m раз.
Рассмотрим 2 случая:
1. P – конечно
2. P―›0 или P―›1
Теорема Пуассона.Если в схеме Бернулли a , так что np = a (т.е. конечно), то (a<=10).
Замечания.
1. a = np – среднее число появления события a в n испытаниях.
2. a<=10.
11. Повторные независимые испытания. Локальная и интегральная теорема Лапласа
Локальная предельная теорема Муавра-Лапласса. Если m , а p – конечное число из интервала (0,1), то для каждого c>0 и <c, где справедливо , где
- плотность нормального распределения.
Интегральная предельная теорема Муавра-Лапласса. Если n , a p – конечное число из интервала (0,1), то равномерно по всем a и b справедливо
Замечания.
1. Функция Муавра-Лапласса нечетная, поэтому = -
2. Функция асимптотическая при z она быстро стремиться к 0.5.
(при z 5).
12. Понятие случайной величины и ее функции распределения. Свойства функции распределения
Случайная величина является функцией элементарного исхода. . Случайные величины бывают дискретные, непрерывные и другие. Для того, чтобы одинаковым способом характеризовать случайные величины различной природы вводится понятие функции распределения вероятности.
Опред. Вероятность того, что случайная величина примет значение меньшее x называется функцией распределения вероятности.
Функция распределения вероятностей является неслучайной величиной, вычисленной на основании закона функции распределения.
Опред. Дискретной называется случайная величина, которая принимает конечное или счетное множество значений.
Пусть xi – возможное значение случайной величины .
- вероятность этих значений.
Множество пар (xi, pi) называются законом распределения вероятностей дискретной случайной величины.
Обычно закон распределения изображается в виде таблицы
|
X1 |
X2 |
X3 |
X4 |
X5 |
P |
P1 |
P2 |
P3 |
P4 |
P5 |
Для полной вероятностной характеристики случайной дискретной величины необходимо знать ее закон распределения.
Опред. Непрерывной называется случайная величина, которая может принимать значения из некоторых промежутков.
Свойства функции распределения
1. , 0 , так как это вероятность.
2. F(x) –неубывающая функция.
Событие можно представить в виде суммы двух несовместных событий
Тогда ;
Следствия.
1. Вероятность попадания случайной величины в заданный интервал есть приращение функции распределения на этом интервале.
2. Вероятность принять одно фиксированное значение для непрерывной случайной величины равно 0. Пусть ;
3. Вероятность попадания непрерывной случайной величины в открытый или замкнутый промежуток одинакова.
Событие
4. F(x) непрерывна в точке слева в каждой точке
5.