- •Елементи комбінаторики. Основні формули комбінаторики. Біном н’ютона.
- •Перестановка
- •Размещение
- •Комбинация (Сочетание)
- •2.Визначення ймовірності (класичне, статичне). Види подій. Дії з випадковими подіями.
- •Вероятность достоверного события равна 1
- •Вероятность невозможного события равна 0.
- •3. Теореми множення, додавання ймовірностей. Формула повної ймовірності подій. Ймовірність гіпотез (формула Бейєса).
- •4.Ймовірність гіпотез. Повторення випробувань. Теорема Бернуллі.
- •5. Дискретні випадкові величини. Розуміння про закон та функції розподілу ймовірностей дискретних випадкових величин.
- •6.Числові характеристики дискретних випадкових величин. Математичне сподівання, властивості математичного сподівання.
- •Среднее квадратное отклонение
- •7.Дисперсія, властивості дисперсії. Знаходження дисперсії.
- •8.Дисперсія дискретної випадкової величини. Вивід властивості дисперсії про дисперсії різниці.
- •9.Числові характеристики дискретної випадкової величини. Виведеня розрахункової формули дисперсії.
- •Среднее квадратное отклонение
- •10.Числові характеристики дискретної випадкової величини. Виведення властивості про винесення постійного множника за знак дисперсії.
- •Среднее квадратное отклонение
- •11.Числові характеристики дискретної випадкової величини. Визначення початкового та центрального моментів.
- •Среднее квадратное отклонение
- •12.Вивід розрахункових формул центральних моментів через початкові.
- •13.Неперервні випадкові величини. Функція розподілу, її властивості.
- •Значение ф-и распределения принадлежат отрезку [0;1].
- •F(X) – неубывающая ф-я.
- •Вероятность того, что случайная величина примет значение, заключенное в интервале (а,в) равна приращению f(X) в этом интервале.
- •14.Щільності розподілу ймовірностей неперервної випадкової величини. Ймовірностний зміст щільності розподілу.
- •15.Числові характеристики непреривної випадкової величини.
- •16.Запис розрахункових формул центральних моментів через початкові для непреривної випадкової величини.
- •17.Нормальний розподіл, нормальна крива, її властивості. Нормальний розподіл та знаходження координат точок естремума нормального закону розподілу.
- •Исследуем функцию на екстремум:
- •18.Нормальний розподіл, нормальна крива, її властивості. Знаходження точок перегибу нормального закону розподілу.
- •Исследуем функцию на екстремум:
- •19.Нормальний розподіл, нормальна крива, її властивості. Вплив параметрів aі на нормальну криву.
- •Исследуем функцию на екстремум:
- •Исследуем функцию на точки перегиба (2-ая производная)
- •20.Нормальний розподіл, нормальна крива, її властивості. Асиметрія та ексцес.
- •Исследуем функцию на екстремум (первая производная):
- •Исследуем функцию на точки перегиба (2-ая производная)
- •21.Поняття про систему кількох випадкових величин. Закон розподілу ймовірностей дискретної двомірної випадкової величини.
- •22.Задачі математичної статистики. Вибірковий метод. Генеральна та вибіркова сукупність.
- •Графічне подання рядів розподілу. Полігон та гістрограма.
- •24.Генеральна середня, вибіркова середня. Обчислення генеральних середньої та дисперсії, вибіркових середньої та дисперсії.
- •25.Характеристики варіаційного ряду: мода, медіана, розмах варіювання, коефіціент варіації.
- •26.Методи розрахунку збірних характеристик вибірки. Умовні варіанти.
- •27.Метод множень, метод сум для обчислення вибіркової середньої та дисперсії.
- •28.Побудова нормальної кривої та дослідницькими даними.
- •29.Вибіркові рівняння регресії. Пошук параметрів вибіркового рівняння прямої лінії середньоквадратичної регресії по незгрупованим данима.
- •30.Знаходження вибіркового рівняння регресії.
3. Теореми множення, додавання ймовірностей. Формула повної ймовірності подій. Ймовірність гіпотез (формула Бейєса).
Теоремы сложения вероятностей
Теорема 1. Вероятность появления одного из двух несовместимых событий, безразлично какого, равна сумме вероятности этих событий.
Доказательство.
Введем обозначение, пусть:
n- общее число исходов;
m1 — число исходов благоприятствующих событию А;
m2 — число исходов благоприятствующих событию В;
Тогда по определению действия над событиями, число исходов благоприятствующим появлению либо события А, либо событию В равно
m1+m2.
По классическому определению вероятности, вероятность события(А+В) будет равна числу благоприятствующих исходов к числу общих исходов.
Следствие:
Вероятность появления одного из нескольких попарно несовместных событий, безразлично каких, равна сумме вероятностей этих событий.
Теорема 2. Сумма вероятностей событий, образующую полную группу равна 1.
Доказательство.
Так как по определению событий образующих полную группу, появление одно их них обязательно произойдет, а это значит что оно достоверно, а вероятность достоверного события равна 1.
- попарно несовместимы, по этому к ним нужно применить теорему 1.(сложения)
Теорема 3. Сумма вероятностей противоположных событий равна 1.
Доказательство.
Согласно определению противоположных событий, образующих полную группу,
а по теореме 2(сложения) сумма их вероятностей равна 1.
. Теоремы Умножения вероятностей
События называют независимыми если наступление одного из них не зависит от того, произошло или не произошло другое.
Теорема 1
Вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий.
P(A*B)=P(A)*P(B)
Теорема 2
Вероятность совместного появления двух зависимых, равна произведению вероятности одного из них на условную вероятность другого.
Условной вероятностью события А называется вероятность события В, вычисленная при предположении, что событие A наступило.
Вероятность суммы совместных событий равна сумме вероятностей без вероятности их совместного появления.
P(A+B)=P(A)+P(B)-P(A-B)
А) не зависимые события
P(A+B)=P(A)+P(B)-P(A)*P(B)
В) зависимые
P(A+B)=P(A)+P(B)-P(A)*PA(B)
Формула полной вероятности.
Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий B1, B2, …Bn, образующих полную группу, равна сумме произведения вероятностей этих событий на соответствующию условную вероятность события А.
Р(А)=Р(В1)*РВ1(А)+ Р(В2)*РВ2(А)+…+ Р(Вn)*РВn(А)
Формула Бейеса:
Позволяет находить вероятность выбранной гипотезы , при условии, что основное событие А уже наступило.
4.Ймовірність гіпотез. Повторення випробувань. Теорема Бернуллі.
Формула полной вероятности.
Вероятность события А, которое может наступить лишь при условии появления одного из несовместных событий B1, B2, …Bn, образующих полную группу, равна сумме произведения вероятностей этих событий на соответствующию условную вероятность события А.
Р(А)=Р(В1)*РВ1(А)+ Р(В2)*РВ2(А)+…+ Р(Вn)*РВn(А)
Формула Бейеса:
Позволяет находить вероятность выбранной гипотезы , при условии, что основное событие А уже наступило.
Формула Бернулли:
Применяется в том случае, если производится испытание, при которых вероятность появления события А в каждом испытании не зависит от исходов других испытаний, то вероятность такого события можно вичислить по формуле Бернулли (события с малой вероятностью появления при большом числе испытаний)
, где q=1-p