- •1. Случайные события.
- •2. Классическое определение вероятности и ее свойства.
- •3.Аксиоматическое определенияе 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. Теорема Пуассона.
- •10. Плотность распределения вероятностей и ее свойства.
- •11. Математическое ожидание и его свойства.
- •Свойства м
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •2. Распределение Пуассона.
- •3. Геометрическое распределение.
- •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.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26.Эмпирическая функция распределения и её свойства.
- •27. Полигон и гистограмма.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •30.Стандартная ошибка точечной оценки
- •32. Доверительные интервалы.
- •33. Распределение х2 Стьюдента и Фишера.
- •34. Доверительные интервалы для оценки математического ожидания при известном .
- •35. Доверительные интервалы для оценки матожидания нормального распределения при неизвестном .
- •36. Проверка статистических гипотез.
- •37. Построение критической области.
- •38. Критерий согласия Пирсона.
- •40. Сравнение дисперсий двух нормальных выборок.
- •42. Дисперсионный анализ.
- •43. Парная регрессия.
- •44 .Парный коэффициент корреляции, его св-ва
- •45.Проверка гипотезы о достоверности выборочного коэффиц. Коррелеляции
- •46. Критерий Манна-Уитни.
4.Формулы комбинаторики. Гипергеометрическое распределение.
Пусть дано множество, состоящее из n различных элементов.
Перестановками называются комбинации, составленные из одних и тех же элементов, которые отличаются только порядком их следования. Число перестановок из n элементов вычисляется по формуле:
Pn =n!
Размещениями называются комбинации, составленные из n элементов по m (0 <m n) , которые различаются либо составом элементов, либо порядком их следования. Число размещений из n элементов по m вычисляется по формуле:
или
=n(n -1)(n -2) *...*(n -m +1).
Сочетаниями называются комбинации, составленные из n элементов по m (0 <m n) , которые различаются только составом элементов. Число сочетаний из n элементов по m вычисляется по формуле:
Свойства сочетаний:
1. =1, так как по определению 0!=1.
2. = n.
3. =
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 (маленькая L) белых.
Эта формула называется гипергеометрическим распределением.
5. Условная вероятность. Независимость событий.
Условная вероятность- вероятность появления события А после того, как некоторое событие В уже произошло. P(A/B) вычисляется по формуле
Аналогично, условной вероятность события B при условии, что событие A уже произошло, называется
. теорема умножения: 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.
Для независимых событий получим:
.
Следовательно, для независимых событий условная и безусловная вероятности совпадают
.
Для конечного числа независимых событий вероятность произведения равна произведению вероятностей каждого из событий:
.
6. Формула полной вероятности. Формула Байеса.
Рассмотрим пример: Имеется три одинаковые урны: в первой урне два белых и один черный шар; во второй – три белых и один черный; в третьей – два белых и два черных. Кто то выбирает наугад одну из урн и вынимает из нее один шар. Нужно найти вероятность того, что вытянутый шар белый(вероятность события А).
Проведение опыта возможно только в условиях исключающих друг друга гипотез (в нашем примере это случайный выбор любой из трех урн):
H1, H2,…, ( )
Рассматривая некоторое событие А, которое может появиться только вместе с одной из гипотез. Условные вероятности по каждой из гипотез заданы: Р(А/Н1), Р(А/Н2)… Р(А/Нn).
Затем представим А как сумму n несовместных событий:
A= Н1 A+ Н2 A + Нn A = НiA
По правилу сложения вероятностей несовместных событий получаем:
Р(А)=Р(НiА)
А по правилу умножения:
Р(НiА)=Р(Нi) Р(А/Нi).
И откуда формула полной вероятности:
. Таким образом вероятность события А в опыте с гипотетическими условиями вычисляется как сумма произведений вероятностей каждой гипотезы на условную вероятность события при этой гипотезе. Она применяется в тех случаях, когда опыт со случайным исходом распадается на два этапа: 1-учитываются условия опыта; 2-его результат.
Иногда интересует, как перераспределятся вероятности гипотез, после того, как событие А уже произошло: .
По теореме умножения:
Р(А/Нj)= Р(А)Р(Нj/А)= Р(Нj) Р(А/Нj),
.
Подставляя в знаменатель формулу полной вероятности, получим формулу Байеса:
.