- •1. Правила комбинаторики.
- •2. Основные комбинаторные соединения: перестановки, размещения, сочетания.
- •3. Испытание. Событие. Классификация событий.
- •4. Понятие вероятности события. Классическое определение вероятности и его свойства.
- •5. Относительная частота события. Статистическое определение вероятности.
- •6. Геометрическое определение вероятности.
- •7. Алгебра событий.
- •8. Условная вероятность.
- •9. Теоремы умножения вероятностей.
- •10. Теоремы сложения вероятностей.
- •11. Вероятность появления хотя бы одного события.
- •12. Формула полной вероятности.
- •13. Вероятности гипотез. Формула Бейеса.
- •14. Схема независимых испытаний Бернулли.
- •15. Формула Бернулли.
- •16. Локальная теорема Муавра-Лапласа.
- •17. Формула Пуассона.
- •18. Интегральная теорема Лапласа.
- •19. Наивероятнейшее число появления события.
- •20. Вероятность отклонения относительной частоты от постоянной вероятности.
- •21. Понятие и виды случайных величин.
- •22. Ряд распределения. Многоугольник распределения.
- •23. Функция распределения.
- •24. Вероятность попадания случайной величины на заданный участок.
- •25. Плотность распределения.
- •26. Числовые характеристики случайных величин.
- •27. Математическое ожидание, мода, медиана.
- •28. Дисперсия. Среднее квадратическое отклонение.
- •29. Моменты. Асимметрия и эксцесс.
- •30. Биномиальное распределение.
- •31. Пуассоновское распределение.
- •32. Геометрическое распределение.
- •33. Гипергеометрическое распределение.
- •34. Равномерное распределение.
- •35. Нормальное распределение.
- •36. Показательное распределение.
- •37. Распределение Пирсона.
- •38. Распределение Стьюдента.
- •39. Распределение Фишера.
- •40. Понятие системы двух случайных величин.
- •41. Функция и плотность распределения системы.
- •42. Законы распределения отдельных величин, входящих в систему.
- •43. Условные законы распределения.
- •44. Числовые характеристики системы двух случайных величин.
- •45. Корреляционный момент. Коэффициент корреляции.
- •46. Закон больших чисел и центральная предельная теорема (цпт).
- •47. Неравенство Чебышева. Теорема Чебышева.
- •48. Теоремы Бернулли и Пуассона.
- •49. Массовые случайные явления и цпт.
- •50. Характеристические функции. Цпт для одинаково распределенных слагаемых.
- •1. Задачи математической статистики.
- •2. Генеральная совокупность. Типы выборок и способы отбора.
- •3. Вариационные ряды.
- •4. Эмпирическая функция распределения.
- •5. Полигон и гистограмма.
- •6. Точечные оценки.
- •7. Генеральная и выборочная средние.
- •8. Генеральная и выборочная дисперсии.
- •9. Метод моментов.
- •10. Метод наибольшего правдоподобия.
- •11. Интервальные оценки.
- •12. Доверительные интервалы для параметров нормального распределения.
- •13. Доверительные интервалы для вероятности биномиального распределения.
- •14. Доверительные интервалы для параметра распределения Пуассона.
- •15. Метод произведений для вычисления выборочной средней и выборочной дисперсии.
- •16. Метод сумм для вычисления выборочной средней и выборочной дисперсии.
- •17. Функциональная, статистическая и корреляционная зависимости.
- •18. Линейная корреляция.
- •19. Криволинейная корреляция.
- •20. Выборочный коэффициент ранговой корреляции Спирмена.
- •21. Выборочный коэффициент ранговой корреляции Кендалла.
- •22. Виды статистических гипотез.
- •23. Ошибки I и II рода.
- •24. Уровень значимости и мощность критерия.
- •25. Проверка гипотез о равенстве средних двух нормально распределенных генеральных совокупностей.
- •26. Проверка гипотез о равенстве дисперссий двух нормально распределенных генеральных совокупностей.
- •27. Проверка гипотезы о нормальном распределении генеральной совокупности по критерию Пирсона.
- •28. Проверка гипотезы о значимости выборочного коэффициента корреляции.
- •29. Проверка гипотезы о значимости выборочного коэффициента ранговой корреляции Спирмена.
- •30. Проверка о значимости выборочного коэффициента ранговой корреляции Кендалла.
- •31. Проверка гипотезы о показательном распределении генеральной совокупности.
- •32. Проверка гипотезы о распределении генеральной совокупности по биномиальному закону.
- •33. Проверка гипотезы о равномерном распределении генеральной совокупности.
- •34. Проверка гипотезы о распределении генеральной совокупности по закону Пуассона.
15. Формула Бернулли.
Если проводится несколько испытаний, причем вероятность появления события A в каждом испытании не зависит от исходов других испытаний, то такие испытания называют независимыми относительно события A.
Пусть проводится n независимых испытаний, в каждом из которых возможно только два исхода: либо событие A появится, либо нет.
Условимся считать, что вероятность события A в каждом испытании одна и та же и равна p.
Тогда вероятность ненаступления события A в каждом испытании так же постоянна и равна 1-p=q
Выше описанная совокупность условий называется схемой независимых испытаний Бернулли.
Теорема
1. Если
вероятность p
наступления события A
в каждом из независимых испытаний
постоянна, то вероятность Pn(K)
того, что в n
независимых испытаниях событие A
появится ровно k
раз, вычисляется по формуле
.
16. Локальная теорема Муавра-Лапласа.
Если
в схеме Бернулли число n велико,а
число p отлично
от 0 и 1, тогда:
17. Формула Пуассона.
Если число испытаний n достаточно велико, а вероятность появления события A в каждом испытании постоянна и равна p, причем p<0,1 , то применение формулы Муавра-Лапласа становится невозможным.
Теорема 1. Если вероятность p появления события A в каждом испытании стремится к нулю при неограниченном увеличении числа испытаний, причем произведение np сохраняет постоянное значение, т. е. np=a, то вероятность Pn(k) того, что в n независимых испытаниях событие A появится k раз удовлетворяет предельному равенству:
Строго
говоря, условие теоремы 2:
при
,
нарушает исходные предпосылки в схеме
независимых испытаний Бернулли, в
которой p=const.
Однако, если вероятность p
постоянна и достаточно мала, а число n
испытаний велико, причем произведение
a=np
незначительно, то из предельного
равенства можно записать приближенную
формулу Пуассона:
18. Интегральная теорема Лапласа.
Теорема Интегральная теорема Лапласа Если вероятность р наступления события А в каждом испытании постоянна и отлична от нуля и единицы, то вероятность Pn(k1, k2) того, что событие А появится в п испытаниях от k1 до k2 раз, приближенно равна определенному интегралу:
19. Наивероятнейшее число появления события.
Наивероятнейшим числом k0 наступления события A в n независимых испытаниях называется число, вероятность которого, Pn(k0) по крайней мере не меньше вероятностей Pn(k) вычисленных для всех остальных k.
Наивероятнейшее число k0 - наступления события A в n независимых испытаниях находится из неравенства
Т.
к.
,
то обязательно найдется хотя бы одно
целое число k0,
удовлетворяющее неравенству (1). Если
обе части неравенства (1) – дробные
числа, то k0
- единственное целое число, расположенное
между данными дробями.
Если число np-q - целое, то наивероятнейших чисел будет два: k0 и K0+1
Если число np - целое, то наивероятнейшее число k0=np.
20. Вероятность отклонения относительной частоты от постоянной вероятности.
Вероятность отклонения относительной частоты
события
(n –
общее число испытаний, m –
число появлений события в n испытаниях)
от постоянной вероятности p этого
события при большом числе испытаний
и 0<p<1 приближенно
описывается формулой
,
где
–
произвольная константа;
–
функция Лапласа,
.
Если
из четырех величин –
–
три известны, то четвертую находят из
приведенной выше формулы.
