- •1.Основные понятия теории вероятностей. Классическое, статистическое и геометрическое определения вероятности. Основные понятия тв.
- •Статистическое определение вероятности
- •Геометрическое определение вероятности
- •2. Алгебраические операции над событиями. Отношение м/д событиями. Аксиоматическое определение вероятности события. Отношение м/д событиями
- •Аксиоматическое определение вероятностей события
- •3.Основные свойства вероятностей. Правило сложения вероятностей. Условные вероятности. Теорема умножения вероятностей. Независимые события.
- •4.Формула полной вероятности. Формула Байеса.
- •5.Повторение испытаний. Формула Бернулли.
- •6.Локальная и интегральная теоремы Лапласа.
- •7. Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях.
- •8. Наивероятнейшее число появлений события при повторных испытаниях по схеме Бернулли.
- •9. Случайные величины. Закон распределения вероятностей. Биноминальное распределение. Геометрическое распределение.
- •10. Распределение Пуассона.
- •11. Функция распределения св и ее свойства.
- •12. Непрерывные св. Равномерный закон распределения.
- •13 Показательный закон распределения. Нормальный закон распределения.
- •14 Многомерные случайные величины. Ф-ция распределения многомерной случайной величины, её свойства.
- •15 Двумерные непрерывные св. Плотность распределения вероятностей двумерной св, её свойства
- •16 Двумерные св. Условные законы распределения.
- •17 Независимые случайные величины. Критерий независимости.
- •18 Функции случайных величин, их законы распределения.
- •19.Числовые характеритики св.
- •20.Моменты распределения одномерной св.
- •21.Ковариация и коэффициент линейной корреляции 2 св, их свойства.
- •22.Условное мат ожидание
- •23. Двумерное нормальное распределение. Условие независимости некоррелированных св.
- •24.Теорема об условных распределениях компанент двумерной нормально распределенной св.
- •25 Характеристические функции случайных величин, их свойства. Примеры
- •26. Неравенства Маркова и Чебышева.
- •27. Теорема Чебышева. Теорема Маркова.
- •28. Центральная предельная теорема.
- •29. Теорема Ляпунова. Интегральная теорема Лапласса.
- •30. Распределение выборки. Эмпирическая функция распределения.
- •33. Оценка дисперсии случайной величины.
- •34. Неравенство Рао-Крамера. Следствие для несмещенной оценки
- •35. Эффективная оценка мат. Ожидания нормальной распределенной величины.
- •36. Асимптотически эффективные и сверх эффективные оценки. Теорема о состоятельности оценки.
- •37. Условные законы распределения. Условное мат. Ожидание.
- •38.Достаточные статистики. Критерий факторизации
- •39.Теорема Колмагорова – Блекуэлла.
- •41. Метод моментов
- •42. Распределение….
- •43. Распределение Стьюдента.
- •44. Теоремы о случайной величине, имеющей распределение Стьюдента.
- •45. Распределение Фишера. Теорема о случайной величине, имеющей распределение Фишера
- •46 Доверительный интервал для мат. Ожидания нормально распределенной с.В.( -неизвестно)
- •47 Доверительный интервал для мат. Ожидания нормально распределенной с.В.( -известно)
- •48 Доверительный интервал для дисперсии нормально распределеннной с.В.
- •55 Проверка гипотезы о равенстве двух дисперсий нормально распределенный с.В.
Аксиоматическое определение вероятностей события
Пусть F- σ-алгебра подмножеств множества Ω. Вероятностью P(A) наз-ся числовая функция определённая для всех А и удовлетворяющая 3-м условиям:
P(A)
P(Ω)=1
если причём для , то P( )=
Т.обр. вероятность – неотрицательная, нормированная и σ-аддитивная функция мн-в принадлежащих σ-алгебре F.
Свойства:
P( )=0
P(A)=1-P( )
A B => P(A) P(B)
P(A+B)=P(A)+P(B)-P(A*B)
P(A+B) P(A)+P(B)
P(A)
Тройку { Ω ,F,P}, удовлетворяющую аксиомам 1-3 наз-ют вероятностным пространством случайного эксперимента.
3.Основные свойства вероятностей. Правило сложения вероятностей. Условные вероятности. Теорема умножения вероятностей. Независимые события.
Свойства вероятностей:
P(A) P(A)
P(Ω)=1
Событие А+В наз-ют суммой событий А и В, если считается, что А+В происходит когда происходит одно из событий.
Произведение А*В-событие состоящее в том, что происходит и событие А и событие В.
Событие А и В наз-ся несовместными, если они не могут произойти одновременно. Если А и В несовместные события, то имеет место следующее равенство P(A+B)=P(A)+P(B).
Общий случай: для произвольных А и В имеет место формула P(A+B)=P(A)+P(B)-P(A*B). Эта формула соответствует предыдущей: если А и В несовместные события, А*В не содержит ни одного элементарного исхода P(A*B)=0. Пусть А произвольное событие, тогда ч/з будем обозначать событие противоположно событию А, а состоит в том, что А не произошло.
P(A)=1-P( )
А+ =
P(А+ )=P( )=1
Если среди событий любые 2 несовместны, то P(
Доказывается методом индукции на основании равенства для 2-х несовместных событий P(A+B)=P(A)+P(B)-P(A*B)
+B=A* +B* +A*B
P( +B)=P(A* +B* +A*B)=P(A* )+P(B* )+P(A*B)={P(A* )=P(A)-P(A*B); P(B* )=P(B)-P(A*B)}=P(A)+P(B)-P(A*B)
Пусть А и В, С несовместные события
P(A+B+C)=P(A)+P(B)+P(C)-P(A*B)-P(B*C)-P(C*A)+P(A*B*C)
P( )=
Условная вероятность P(A|B) события А при условии, что произошло событие В. Она определяется формулой
P(A|B)= (*) P(B) в случае классического определения вероятности.
P(A|B)= . Из формулы (*) следует P(A*B)=P(B)*P(A|B)
Теорема умножения вероятностей: Пусть произвольные события, тогда имеет место P( )=P( )*P( )*P( )*…*P( )
Опр. События А и В наз-ся независимыми, если условная вероятность P(A|B)=P(A) и P(В|А)=P(В), P(A) , P(B)
Теорема1:Если А и В независимы, то P(A*B)=P(А)* P(В) (**).
Теорема2:Если А и В таковы, что P(A*B)=P(А)* P(В), то А и В независимы(P(A) , P(B) )
Теорема3:Если А,В,С взаимно – независимые события, то P(A*B*С)=P(А)* P(В)* P(С)
P(A|B)= P(A|С)= P(A|B*С)= P(A)
4.Формула полной вероятности. Формула Байеса.
Опр.События образуют полную группу, если они попарно – несовместны ( ) и
Теорема: Пусть образуют полную группу событий, тогда для любого события А выполняется P(A)=P( )*P(A| )+P( )* P(A| )+…+P( )*P(A| )
Док-во:
A* =A
A= в этой сумме события несовместны, несовместны.
P(A)= ={по теореме умножения}=
Пусть образуют полную группу событий. Требуется найти условную вероятность
Эта формула Байеса.
События А, наз-ся гипотезами