- •1. Понятие случайного эксперимента. Пространство элементарных событий. Достоверное и невозможное событие.
- •Пространство элементарных событий.
- •2. Операции над событиями (сумма, разность, произведение). Совместные и несовместные события. Противоположное событие. Совместные и несовместные события.
- •Операции над событиями (сумма, разность, произведение).
- •3. Свойства операций над событиями.
- •4. Алгебра и сигма-алгебра событий.
- •5. Классическое определение вероятности события.
- •6. Статистическое определение вероятности события.
- •Аксиоматическое построение теории вероятностей.
- •7. Геометрические вероятности.
- •8. Понятие о полной группе событий.
- •9. Формула сложения вероятностей для совместных и несовместных событий
- •10. Условная вероятность. Формула умножения вероятностей. Независимость событий.
- •Формула умножения вероятностей.
- •Независимость событий.
- •11. Формула полной вероятности.
- •12. Формула Байеса
- •13. Основные понятия комбинаторики. Правила суммы и произведения. Перестановки, размещения, сочетания и формулы для их вычисления.
- •Правила суммы и произведения.
- •14. Схема независимых испытаний Бернулли. Наивероятнейшее число наступления событий в схеме Бернулли.
- •15. Теорема Пуассона.
- •16. Локальная теорема Муавра –Лапласа.
- •17. Интегральная (глобальная) теорема Муавра – Лапласа.
- •18. Случайная величина и ее функция распределения. Свойства функции распределения.
- •19. Непрерывные и дискретные случайные величины.
- •Закон распределения дискретной случайной величины.
- •20. Математическое ожидание случайной величины и его свойства. Математическое ожидание характеризует среднее ожидаемое значение случайной величины, т.Е. Приближенно равно ее среднему значению
- •21. Дисперсия случайной величины и ее свойства.
- •23. Биномиальное распределение, его математическое ожидание и дисперсия.
- •24. Распределение Пуассона, его мат. Ожидание и дисперсия
- •25. Равномерное распределение, его мат. Ожидание и дисперсия.
- •26. Показательное распределение, его мат.Ожидание и дисперсия.
- •27. Нормальное распределение. Свойства функции Гаусса
- •Свойства функции Гаусса.
- •28. Функция Лапласа и ее свойства. Вероятность попадания нормальной случайной величины в заданный интервал.
- •Функция Лапласа и ее свойства.
- •29. Отклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- •30. Совместная функция распределения двух случайных величин. Независимые случайные величины. Мат. Ожидание и дисперсия независимых случайных величин.
- •Свойства совместной функции распределения двух случайных величин
- •Независимые случайные величины
- •Для независимых случайных величин справедливы соотношения
- •31. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины и ее свойства.
- •Свойства двумерной плотности вероятности
- •32. Корреляционный момент и коэффициент корреляции.
- •Выборочный метод и его основные понятия. Случайная выборка, объем выборки.
- •34. Вариационный ряд для дискретных и непрерывных случайных величин. Полигон и гистограмма.
- •35. Эмпирическая функция распределения и ее свойства.
- •36. Статистические оценки параметров распределения. Состоятельность и несмещенность статистических оценок.
- •37. Выборочные среднее и дисперсия.
- •38. Надежность и доверительный интервал.
- •39. Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- •40. Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии.
- •41. Доверительный интервал для оценки среднего квадратического отклонения нормального распределения.
- •42. Проверка статистических гипотез. Нулевая и альтернативная гипотезы, статистический критерий. Ошибки первого и второго рода.
- •43. Этапы проверки статистической гипотезы.
- •44. Критерий согласия Пирсона о виде распределения.
- •45. Понятие о регрессионной зависимости случайных величин. Парная и множественная регрессии.
- •46. Выборочные уравнения регрессии.
- •47. Линейная регрессия. Нахождение коэффициентов линейной регрессии методом наименьших квадратов.
- •48. Понятие о множественной линейной регрессии.
- •49. Корреляционная матрица.
- •54. Нелинейная регрессия. Логарифмическая, обратная, степенная, и показательные модели нелинейной регрессии.
- •55. Понятие о цепях Маркова. Однородные цепи Маркова. Переходные вероятности. Матрица перехода.
- •56. Равенство Маркова. Расчет вероятностей состояния системы с использованием матрицы перехода.
- •57. Понятие о цепях Маркова с непрерывным временем.
- •58. Уравнения Колмогорова. Финальные вероятности цепей Маркова с непрерывным временем.
- •59. Понятие о схеме гибели и размножения. Расчет вероятностей состояний.
- •60. Понятие о системах массового обслуживания.
8. Понятие о полной группе событий.
Множество
попарно несовместных событий называют
полной группой
событий, если
при любом исходе случайного эксперимента
непременно наступает одно из событий,
входящих в это множество. Другими
словами, для полной группы событий
выполнены следующие условия:
появление одного из событий данного множества в результате испытания является достоверным событием, т.е. событие
;
события и
(
)
попарно несовместны и
– событие невозможное при любых
,
т.е.
.
Простейшим примером полной группы событий является пара противоположных событий и .
Сумма вероятностей событий полной группы равна единице:
.
9. Формула сложения вероятностей для совместных и несовместных событий
Два события называются совместными, если появление одного из них не исключает появление другого.
Два события называются несовместными, если они не могут произойти вместе при одном и том же испытании.
Вероятность
суммы конечного числа несовместных
событий
равна сумме вероятностей этих событий:
Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления:
.
Вероятность
суммы двух
несовместных
событий равна сумме вероятностей этих
событий:
.
Вероятность суммы n совместных событий может быть рассчитана по формуле
10. Условная вероятность. Формула умножения вероятностей. Независимость событий.
Условной
вероятностью события
,
называется вероятность события А
вычисляемая при условии, что событие
уже
наступило и обозначается
.
В
тех случаях, когда вероятность события
рассматривается при условии, что имели
место два других события
и
,
используется условная вероятность
относительно произведения событий
и
:
.
Формула умножения вероятностей.
Вероятность произведения двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную при условии, что первое событие произошло:
.
Вероятность произведения конечного числа событий равна произведению их условных вероятностей относительно произведения предшествующих событий:
.
Независимость событий.
Если при наступлении события вероятность события не меняется, то события и называются независимыми.
Теорема: Вероятность совместного появления двух независимых событий и (произведения и ) равна произведению вероятностей этих событий.
.
События называются попарно независимыми, если независимы любые два из них.
События называются независимыми, если независимы каждые два из них и независимы каждое событие и все возможные произведения остальных.
Вероятность произведения конечного числа независимых событий равна произведению вероятностей этих событий.
.
11. Формула полной вероятности.
Пусть
событие
может произойти только с одним из
несовместных событий
,
образующих полную группу. Например, в
магазин поступает одна и та же продукция
от трех предприятий и в разном количестве.
Вероятность выпуска некачественной
продукции на этих предприятиях различна.
Случайным образом отбирается одно из
изделий. Требуется определить вероятность
того, что это изделие некачественное
(событие
).
Здесь события
– это выбор изделия из продукции
соответствующего предприятия.
В
этом случае вероятность события
можно рассматривать как сумму произведений
событий
.
По
теореме сложения вероятностей несовместных
событий получаем
.
Используя теорему умножения вероятностей,
находим
.
Полученная формула называется формулой полной вероятности.
