- •Классификация случайных событий. Классическое определение вероятности. Свойства вероятности события, непосредственный подсчет вероятности. Примеры.
- •Свойства вероятности события:
- •Статистическое определение вероятности события и условия его применимости. Пример.
- •Несовместные и совместные события. Сумма событий. Теорема сложения вероятностей (с доказательством).
- •Полная группа событий. Противоположные события. Соотношение между вероятностями противоположных событий (с выводом).
- •Зависимые и независимые события. Произведение событий. Понятие условной вероятности. Теорема умножения вероятностей (с доказательством).
- •Формулы полной вероятности и Байеса (с доказательством). Примеры.
- •Повторные независимые испытания. Формула Бернулли (с выводом). Примеры.
- •Локальная теорема Муавра-Лапласа, условия ее применимости. Свойства функции Дх). Пример.
- •Асимптотическая формула Пуассона и условия ее применимости. Пример.
- •Интегральная теорема Муавра-Лапласа и условия ее применимости. Функция Лапласа ф(х) и ее свойства. Пример.
- •Следствия из интегральной теоремы Муавра-Лапласа (с выводом). Примеры.
- •Математическое ожидание дискретной случайной величины и его свойства (с выводом). Примеры.
- •Дисперсия дискретной случайной величины и ее свойства (с выводом). Примеры.
- •Функция распределения случайной величины, ее определение, свойства и график.
- •Непрерывная случайная величина (нов). Вероятность отдельно взятого значения нсв. Математическое ожидание и дисперсия нсв.
- •Плотность вероятности непрерывной случайной величины, ее определение, свойства и график.
- •Случайная величина, распределенная по биномиальному закону, ее математическое ожидание и дисперсия. Закон распределения Пуассона.
- •Математическое ожидание и дисперсия числа и частости наступлений события в п повторных независимых испытаниях (с выводом).
- •Определение нормального закона распределения. Теоретико-вероятностный смысл его параметров. Нормальная кривая и зависимость ее положения и формы от параметров.
- •Функция распределения нормально распределенной случайной величины и ее выражение через функцию Лапласа.
- •Формулы для определения вероятности: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило «трехсигм».
- •Понятие двумерной (/7-мерной) случайной величины. Примеры. Таблица ее распределения. Одномерные распределения ее составляющих. Условные распределения и их нахождение по таблице распределения.
- •Ковариация и коэффициент корреляции случайных величин. Связь между екоррелированностью и независимостью случайных величин.
- •Понятие о двумерном нормальном законе распределения. Условные математические ожидания и дисперсии.
- •Неравенство Маркова (лемма Чебышева) (с выводом). Пример.
- •Неравенство Чебышева (с выводом) и его частные случаидля случайной величины, распределенной по биномиальному закону, и для частости события.
- •Теорема Чебышева (с доказательством), ее значение и следствие. Пример.
- •Закон больших чисел. Теорема Бернулли (с доказательством) и ее значение. Пример.
- •Неравенство Чебышева для средней арифметической случайных величин (с выводом).
- •Центральная предельная теорема. Понятие о теореме Ляпунова и ее значение. Пример.
- •Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда. Упрощенный способ их расчета.
- •Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность.
- •Оценка генеральной доли по собственно-случайной выборке. Несмещенность и состоятельность выборочной доли.
- •Оценка генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность выборочной средней.
- •Оценка генеральной дисперсии по собственно-случайной выборке. Смещенность и состоятельность выборочной дисперсии (без вывода). Исправленная выборочная дисперсия.
- •Понятие об интервальном оценивании. Доверительная вероятность и доверительный интервал. Предельная ошибка выборки. Ошибки репрезентативности выборки (случайные и систематические).
- •Формула доверительной вероятности при оценке генеральной средней. Средняя квадратическая ошибка повторной и бесповторной выборок и построение доверительного интервала для генеральной средней.
- •Определение необходимого объема повторной и бесповторной выборок при оценке генеральной средней и доли.
- •Статистическая гипотеза и статистический критерий. Ошибки 1-го и 2-го рода. Уровень значимости и мощность критерия. Принцип практической уверенности.
- •Построение теоретического закона распределения по опытным данным. Понятие о критериях согласия.
- •Критерий согласия х2-Пирсона и схема его применения.
- •Функциональная, статистическая и корреляционная зависимости. Различия между ними. Основные задачи теории корреляции.
- •Линейная парная регрессия. Система нормальных уравнений для определения параметров прямых регрессии. Выборочная ковариация. Формулы для расчета коэффициентов регрессии.
- •Упрощенный способ:
- •Оценка тесноты связи. Коэффициент корреляции (выборочный), его свойства и оценка достоверности.
Несовместные и совместные события. Сумма событий. Теорема сложения вероятностей (с доказательством).
Два события называются совместимыми, если появление одного из них не исключает появление другого в одном и том же испытании.
2 события называются несовместимыми, если появление одного из них исключает появление другого в одном и том же испытании.
Суммой событий А и В называется событие С = А + В, состоящее в наступлении по крайней мере одного из событий А или В. Аналогично суммой конечного числа событий А1, А2, ..., Аk называется событие А = А1+А2 + ... + Аk, состоящее в наступлении хотя бы одного из событий Аi, (i = 1, ..., k). Из определения следует, что А + В = В + А. Справедливо также и сочетательное свойство. Однако А + А = А (а не 2А).
Теорема сложения вероятностей:
Теорема. Вероятность суммы конечного числа несовместных событий равна сумме вероятностей этих событий: Р(А + В + ... + К) = Р(А) + Р(В) + ... + Р(К).
□ Докажем теорему для схемы случаев, рассматривая сумму двух событий.
Пусть в результате испытания из общего числа n равновозможных и несовместных (элементарных) исходов испытания (случаев) событию А благоприятствует ml случаев, а событию В m2 случаев (рис. 1.4).
Согласно классическому определению .
Т.к. события А и В несовместные, то ни один из случаев, благоприятствующих одному из этих событий, не благоприятствует другому (рис. 1.4). Поэтому событию А+В будет благоприятствовать ml + m2 случаев. Следовательно, ■
Следствие 1. Сумма вероятностей событий, образующих полную группу, равна 1:
P(A) + P(B) + … + P(K) = 1.
□ Если события А,В,…,К образуют полную группу, то они единственно возможные и несовместные.
Т.к. события А,В,…,К – единственно возможные, то событие А + В + … +К, состоящее в появлении в результате испытания хотя бы одного из этих событий, является достоверным, то его вероятность = 1:
Р(А + В + … + К) = 1.
Т.к. события А,В,…,К – несовместные, к ним применима теорема сложения:
Р(А + В + … + К) = Р(А) + Р(В) + … + Р(К) = 1.■
Следствие 2. Сумма вероятностей противоположных событий = 1:
□ Утверждение следует из того, что противоположные события образуют полную группу. ■
Полная группа событий. Противоположные события. Соотношение между вероятностями противоположных событий (с выводом).
Несколько событий образуют полную группу событий если в результате опыта обязательно появится хотя бы одно из них. Это означает, что в результате испытания должно произойти 1 и только 1 из этих событий.
Частным случаем событий, образующих полную группу, являются противоположные события. 2 несовместимых события из которых 1 должно обязательно произойти называются противоположными. Событие противоположное событию А обозначают .
Доказательство теоремы о полной группе событий
1) Т.к. появление одного из событий полной группы достоверно, а вероятность достоверного события = 1, то Р (A1 + A2 + ... + An) = 1.
2) Любые 2 события полной группы несовместны, поэтому можно применить теорему сложения: Р (А1 + А2 + ... + Аn) = Р (A1) + Р (A2) + ... + Р (Аn).
3) Сравнивая (1) и (2), получим Р (А1) + Р (А2) + ... + Р (Аn) = 1.