- •Основные понятия и теоремы теории вер-тей
- •1.Что изучает теория вер-тей
- •2.Что наз. Событием? Какие события достоверными, невозможными, случайными
- •6. Какие события называются единственно возможными. Приведите примеры
- •7. Какое множество событий образует полную группу событий? Приведите пример. Чему равняется сумма вер-тей событий, образующих группу?
- •8. Сформулируйте классическое определение вероятности. Приведите пример.
- •9. Какие события наз. Достоверными и невозможными. Какими могут быть вероятности достоверного и невозможного события. Примеры
- •10. Формула, по которой вычисляется вер-ть.Может ли быть вер-ть больше 1.Бывает ли вер-ть отрицательной.
- •11. Статическое определение вероятности
- •12. Что называют статистической устойчивостью событий. Прибли-жается ли относ. Частота событий к его вероятности при увеличении числа испытаний? Почему? Пример.
- •14. Определеие произведения событий. Что обозначает а*в, если а иВ совместимые.
- •17. Сформулируйте теорему сложения вероятностей для совместных событий.
- •18. Какие события называют независимыми. Дайте определение независимых в совокуности событий.
- •19. Что называют условной вероятностью события. Приведите примеры.
- •20.Теорема умножени вероятностей для зависимых событий
- •21.Теорема умножени вероятностей для независимых событий
- •22. Чему равна вероятность появления в результате испытаний хотя бы одного из независимых в совокупности событий
- •23. Запишите формулу полной вер-ти.Какое свойство должны иметь гипотезы в формуле полной вероятности.
- •24. Запишит формулу Бейеса. Какое ее предназначение?
- •Повторение независимых испытаний
- •25. Запишите формлу Бернулли. Какое ее предназначение?
- •26. Как находят наивероятнейшее число наступления событий?
- •27. Локальная теорема Муавра-Лапласа в каких случаях ее применяют.
- •28. Перечислите свойства функции Лапласа φ(х).
- •29 В чем заключаеся интегралная теорема Муавра – Лапласа. В каких случаях ее применяют.
- •30. Перечислите свойства функции Лапласа ф(х).
- •31. Сформулируйте теорему Пуассона. Как найти параметр λ?
- •Случайные величины
- •32. Опрделение сучайной величиы. Примеры непрерывных и дискретных случайных величин.
- •33. Закон распределения дискретной случайной величины.
- •34. Ряд распределения. Определение многоугольника распределения.
- •35. Какая функция наз. Интегральным законом распред-я случ. Величины. Сформул-те свойства этой функии.
- •36. Какая функция наз. Дифференциальной функцией распред-я случ. Величины. Сформул-те свойства этой функии.
- •37. Определение матемтического ожидания дискретной и непрерывной случ величины.
- •38. Свойства математического ожидания.
- •39. Определение дисперсии и среднего квадрат-го отклонения дискретной и непрерывной случ. Величины.
- •40. Сформулируйте св-ва дисперсии.
- •41 Определение начального и центрального моментов k-го порядка. Каковы простейшие соотношения между ними.
- •42.Определение моды и медианы.
- •43. Какой закон распределения называют биномиальным.
- •44. Какой формулой определяется закон распределения Пуассона?
- •45. Какой формулой определяется равномерный закон распределения. Запишите формулу функции распределения для равномерного закона распределения и постройте ее график.
- •46. Какой дифференциальной функцией распределения случ. Величины определяется нормальный закон распределения. Объясните содержание параметров, кот. Входят в выражение этой функции.
- •47. Как влияют математичекое ожидание и дисперсия на форму нормальной кривой.
- •48. Формула для вычисления вер-ти того, что случайная величина кот. Подлежит норм. Закону распред., принимает значения из интервала (a, b)
- •49. Сформулируйте првило трех сигм.
- •Системы случайных величин
- •50.Определение понятия системы случайных величин.
- •51. Закон распределения и функция распределения двух случ величин.
- •53. Закон распределения отдельной сл. Величины, кот. Входит в систему. Условный закон распределения
- •54. Численные характеристики системы двух случайных величин. Математ. Ожидание и дисперсия.
- •55. Численные характеристики системы двух случайных величин. Кореляционный момент. Коэффициент корреляции.
- •Граничные теоремы теории вероятностей
- •56.Нервенство Чебышева и ее смысл.
- •57. Теорема Чебышева и ее смысл.
- •58. Теорема Бернулли и ее смысл.
- •59. Центральная предельная теорема теории вероятностей для одинаково распределенных случайных величин. Формулировка и смысл.
- •Основні поняття математичної статистики
- •Предмет математичної статистики. Що називається статистичною сукупністю?
- •Визначення генеральної й вибіркової сукупностей. Наведіть приклади.
- •Який статистичний метод називається вибірковим методом?
- •Що розуміється під репрезентативністю вибіркової сукупності? Помилки репрезентативності і їхні види.
- •Що таке емпірична функція розподілу?
- •Які числові характеристики відображають центральну тенденцію? Середня арифметична і її властивості.
- •Які числові характеристики відображають мінливість? Поняття коефіцієнта варіації.
- •Які числові характеристики відображають мінливість? Дисперсія і її властивості.
- •Запишіть формули, за якими обчислюються середня арифметична, дисперсія, середнє квадратичне відхилення, асиметрія й ексцес.
- •Перевірка статистичних гіпотез
- •3. Теорія статистичної оцінки
- •Яка величина розуміється під статистичною оцінкою параметра ?
- •Які оцінки називаються незміщеними, зміщеними? Наведіть приклади.
- •Які оцінки називаються незміщеними, зміщеними? Наведіть приклади. Чи є вибіркова дисперсія незміщеною оцінкою генеральної дисперсії ? Який дріб називають поправкою Бесселя?
- •Яка оцінка називається ефективною? Яка оцінка називається спроможною?
- •Що називається довірчим інтервалом або інтервальною оцінкою параметра ? Що визначає довірча ймовірність ?
- •Запишіть довірчий інтервал для генеральної середньої якщо відомо величину .
- •Випадкові процеси
- •1.Определение случайного процесса. Примеры случайных процессов.
- •2.Поняття перерізу випадкового процесу. Приклади, смисл. Представлення випадкового процесу за допомогою перерізів.
- •3. Поняття реалізації випадкового процесу. Сімейство реалізацій. Приклади.
- •4. Поняття математичного сподівання випадкового процесу.
- •5. Поняття дисперсії випадкового процесу.
- •6. Класифікація випадкових процесів за часом. Класифікація випадкових процесів за станами.
59. Центральная предельная теорема теории вероятностей для одинаково распределенных случайных величин. Формулировка и смысл.
Центральная предельная теорема представляет собой группу теорем, посвященных установлению условий, при к-ых возникает нормальный закон распределения Простейший вариант Центральной предельной теоремы (ЦПТ) теории вероятностей таков.
Центральная предельная теорема (для одинаково распределенных слагаемых). Пусть X1, X2,…, Xn, …– независимые одинаково распределенные случайные величины с математическими ожиданиями M(Xi) = m и дисперсиями D(Xi) = , i = 1, 2,…, n,… Тогда для любого действительного числа х существует предел
где Ф(х) – функция стандартного нормального распределения.
Эту теорему иногда называют теоремой Линдеберга-Леви.
ЦПТ имеет огромное значение для применений теории вероятностей в естествознании и технике. Ее действие проявляется там, где наблюдаемый процесс подвержен влиянию большого числа независимых случайных факторов, каждый из которых лишь ничтожно мало изменяет течение процесса. Наблюдатель, следящий за состоянием процесса в целом, наблюдает лишь суммарное действие этих факторов. Эта схема поясняет также исключительное место, которое нормальное распределение занимает среди других вероятностных распределений.
ЦПТ дает возможность аппроксимировать распределение сумм независимых с.в. нормальным распределением, чем часто пользуются на практике. В связи с этим, очень важным является вопрос о том, насколько быстро допредельное выражение в ЦПТ приближается к .
Основні поняття математичної статистики
Предмет математичної статистики. Що називається статистичною сукупністю?
Математична статистика-розділ математики, присвячений математичним методам систематизації,обробки і використанню статистичних даних для наукових і практичних висновків.
Предмет математичної статистики становлять прийоми й способи наукового аналізу даних, що відносяться до масових явищ з метою визначення характеристик, що узагальнюють ці дані, виявлення статистичних закономірностей , стійких взіємозвязків і тенденцій розвитку досліджуваних явищ і процесів.
Множина однорідних об’єктів що підлягають статистичному вивченню -статистична сукупність.Окремі об’єкти –одиниці сукупності.Їч кількість-обєм сукупності.
Визначення генеральної й вибіркової сукупностей. Наведіть приклади.
Вибіркова сукупність – та частина об’єктів що відібрана для безпосереднього вивчення з генеральної сукупності.
Вибіркова сукупність належить генеральній сукупності,яка маже мати як скінченний так і нескінченний об’єм.
Например, если из 1000 деталей от обрано для обследования 100 , то обьем генеральной совокупности N=1000, а обьем выборки n=100;
Який статистичний метод називається вибірковим методом?
ВЫБОРОЧНЫЙ МЕТОД — метод статистического наблюдения, при котором изучаются не все, а случайно отобранные единицы исследуемой совокупности
Що розуміється під репрезентативністю вибіркової сукупності? Помилки репрезентативності і їхні види.
Репрезентативність –властивість вибірки адекватно й вирогідно відтворювати характеристики генеральної сукупності.
Помилка репрезентативності(помилка вибірки) різниця між даними генеральної і вибіркової сукупності.
Помилки репрезентативності поділяються на
Випадкові:результат дій різних випадкових факторів ,виникають в силу того що вибірка неповно відтворює всю генеральну сукупність
Систематичні:виникають у наслідок порушення правил відбору одиниць сукупності.
Визначення варіаційного ряду. Види варіаційних рядів.
Варіаційний ряд частот-ранжируваний ряд варіантів і відповідних їм частот.
Варіаційний ряд-дискретній, якщо будь-які його варіанти відрізняються на деяку величину ,інтервальний якщо варіанти можуть відрізнятись на як завгодно малу величину.
Поняття варіанта. Як обчислюються й що означають частота та відносна частота варіанта?
Різні значення ознаки що спостерігається у елементів сукупності називаються варіантами(V1,V2,…,Vk), числа які показують скільки разів зустрічається варіант-частотами варіантів.(f1,f1,…,fk)
Відносна частота –відношення частоти до загальної кількості елементів вибірки Wi=ki/n; i=1,2,…,k
Поняття варіанта. Як обчислюються й що означають накопичена частота та накопичена відносна частота варіанта?
Різні значення ознаки що спостерігається у елементів сукупності називаються варіантами, числа які показують скільки разів зустрічається варіант-частотами варіантів.
Накопичена частота варіанта показує скільки елементів вибірки мають значення ознаки менше або рівне значенню цього варіанту.
fjc=f1+f2+…+fj
Накопичена відносна частота варіанта Wcj=W1+W2+…+Wj
Назвіть способи графічного зображення варіаційних рядів.
Полигон частот-ломаная ,отрезки которой соединяют точки (x1,n1) , (x2,n2),…,(xk,nk), где xi-варианты выборки ni – соответствующие им частоты.
Полигоном относительных частот называвют ломаную , отрезки которой соеиняют точки (x1;w1), (x2;w2),…,(xk;wk), где xi-варианты выборки и wi- соответствующие им относительные частоты.
При непрерывном распределении признака весь интервал, в котом заключены все наблюдаемые значения признака, разбивают на ряд частичных интервалов длины h и находят ni-сумму частот вариант, попавших в i-й вариант. Гистограммой частот называют ступенчатую фигуру , состоящую из прямоугольников , основаниями которых служат частичные интервалы длины h, а высоты равны отношению ni/hi(плотность частоты). Площадь частичного i-ого прямоугольника равна h(ni/h)=ni- сумме частот вариант , попавших в i–й интервал.Площадь гистограммы частот равна сумме всех частот , т.е. обьему выборки.
Гистограммой относительных частот называют ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат частичные интервалы длины h, а высоты равны отношению wi/h(плотность относительной частоты). Площадь частичного i-го прямоугольника равна h(wi/h)=wi- относительной частоте вариант, попавших в i-й интервал. Площадь гистограммы относительных частот равна сумме всех относительных частот, т.е. еденице.