- •Случайные события, их виды.
- •Классическое определение вероятности, ее свойства.
- •Относительная частота, ее свойства.
- •Суммирование вероятностей несовместимых событий.
- •Полная группа событий, противоположные события.
- •Условная вероятность. Теорема умножения вероятностей для зависимых событий.
- •Независимые события. Теорема умножения вероятностей для независимых событий.
- •Независимые события. Вероятность появления хотя бы одного события.
- •Формула полной вероятности.
- •Формула Байеса.
- •Независимые испытания. Формула Бернулли, свойства формулы.
- •Сложение вероятностей для совместимых событий.
- •Локальная теорема Лапласа.
- •Интегральная теорема Лапласа.
- •Случайные величины. Виды случайных величин. Формы законов распределения случайных величин.
- •Ряды распределения. Многоугольник распределения.
- •Функция распределения. Ее свойства.
- •Плотность распределения и ее свойства.
- •Математическое ожидание (м(х)) дискретных случайных величин. Его свойства.
- •Дисперсия (d(X)) случайной дискретной величины. Ее свойства. Среднеквадратическое отклонение σ(х).
- •Взаимно независимые случайные величины, которые имеют одинаковый
- •Числовые характеристики непрерывных случайных величин.
- •Начальные центральные и теоретические моменты.
- •Биномиальный закон распределения.
- •Распределение Пуассона.
- •Равномерный закон распределения.
- •Показательный закон распределения.
- •Нормальный закон распределения. Форма нормальной кривой. Влияние параметров на форму.
- •Числовые характеристики нормального закона распределения. Моменты нормального закона распределения.
- •Функции распределения. Нормальный закон.
- •Нормальный закон распределения, вероятность попадания в заданный интервал.
- •Симметрия икСес. ( χ )
- •Нормальный закон распределения. Вычисление вероятности заданного отклонения. Правило 3х сигм.
- •Закон Больших Чисел. Неравенство Чебышева, обобщенная теорема Чебышева. Теорема Маркова
- •Закон Больших Чисел. Теорема Бернулли и Пуассона.
- •Центральная Предельная Теорема.
- •Задачи математической статистики. Выборочный метод.
- •Дискретный вариационный ряд.
- •Интервальный вариационный ряд.
- •Графическое изображение вариационных рядов. Полигон частот и гистограмма.
- •Эмпирическая функция распределения. Ее свойства.
- •4 2,43,44. Точечные оценки. Свойства точечных оценок.
- •Метод максимальной правдоподобности для дискретных случайных величин.
- •Метод максимальной правдоподобности для непрерывных случайных величин.
- •Получение методом максимальной правдоподобности точечных оценок параметров показательного закону распределения.
- •Получение методом максимальной правдоподобности точечных оценок параметров нормального закону распределения.
- •Точечные центральные эмпирические моменты.
- •Метод моментов.
- •Законы распределения χ2 (хи квадрат), tct (Стьюдента), Fф (Фишера).
- •Распределение , d(выборки) нормальной генеральной совокупности.
- •Интервальное оценивание. Постановка задачи.
- •Доверительный интервал для м(х) нормальной совокупности, если среднеквадратичное отклонение σ(х) известно.
- •Доверительный интервал для м(х) нормальной совокупности, если среднеквадратичное отклонение σ(х) неизвестно.
- •Доверительный интервал для дисперсии нормальной совокупности.
- •Статистическая проверка гипотезы. Основные понятия. Н0 и н1, критерии проверки гипотезы. Критическая точка. Критическая область и область принятия гипотезы. Основной принцип проверки гипотез.
- •Виды критических областей. Построение критических областей.
- •(*) Общая схема статистической проверки гипотез.
- •Критерий согласия χ2 Пирсона.
- •Критерий согласия Колмогорова.
- •Проверка гипотез про равенство математического ожидания м(х) нормальной совокупности гипотетическому значению, если среднеквадратическое отклонение σ(х) известно.
- •Проверка гипотез про равенство математического ожидания м(х) нормальной совокупности гипотетическому значению, если среднеквадратическое отклонение σ(х) неизвестно.
- •Проверка гипотез про равенство математического ожидания d(х) нормальной совокупности гипотетическому значению.
-
Условная вероятность. Теорема умножения вероятностей для зависимых событий.
Если при вычислении вероятности события никаких других ограни
чений, кроме условий S, не налагается, то такую вероятность называют безусловной; если же налагаются и другие дополнительные условия, то вероятность события называют
условной.
Условной вероятностью РА (В) называют вероятность события В, вычисленную в предположении, что событие А уже наступило.\
Теорема умножения:
Вероятность
совместного появления двух событий
равна произведению вероятности одного
из них на условную вероятность другого,
вычисленную в предположении, что первое
событие уже наступило:
![]()
Доказательство.
По определению условной вероятности,
Отсюда
![]()
Следствие. Вероятность совместного появления нескольких событий равна произведению вероятности одного из них на условные вероятности всех остальных, причем вероятность каждого последующего события вычисляется в предположении, что все предыдущие события уже появились:
![]()
где
—вероятность
события
,
вычисленная в предположении, что события
наступили.
В частности, для трех событий
![]()
-
Независимые события. Теорема умножения вероятностей для независимых событий.
Пусть вероятность события В не зависит от по явления события А.
Определение:
Событие В называют независимым от события А, если появление события А не изменяет вероятности события В, т. е. если условная вероятность события В равна его
безусловной
вероятности:
![]()
Теорема умножения:
Для
независимых событий теорема умножения
имеет вид:
![]()
т. е. вероятность совместного появления двух независимых событий равна произведению вероятностей этих событий. Это равенство принимают в качестве определения не зависимых событий.
Следствие:
Вероятность
совместного появления нескольких
событий, независимых в совокупности,
равна произведению вероятностей этих
событий:
![]()
Два события называют независимыми, если вероятность их совмещения равна произведению вероятностей этих событий; в противном случае события называют зависимыми.
Несколько событий называют попарно независимыми, если каждые два из них независимы. Например, события А, В, С попарно независимы, если независимы события А и В, А и С, В и С.
Несколько событий
называют независимыми
в совокупности
(или просто независимыми), если независимы
каждые два из них и независимы каждое
событие и все возможные произведения
остальных. Например, если события
,
независимы в совокупности, то независимы
события
Из сказанного следует, что если события
независимы в совокупности, то условная
вероятность появления любого события
из них, вычисленная в предположении,
что наступили какие-либо другие события
из числа остальных, равна его безусловной
вероятности.
-
Независимые события. Вероятность появления хотя бы одного события.
Пусть вероятность события В не зависит от по явления события А.
Определение:
Событие
В называют независимым от события А,
если появление события А не изменяет
вероятности события В, т. е. если условная
вероятность события В равна его
безусловной вероятности:
![]()
Теорема:
Вероятность
появления хотя бы одного из событий
независимых
в совокупности, равна разности между
единицей и произведением, вероятностей
противоположных событий
:
![]()
Доказательство:
Обозначим
через А событие, состоящее в появлении
хотя бы одного из событий
„.
События
„
(ни одно из событий не наступило)
противоположны, следовательно, сумма
их вероятностей равна единице:
![]()
Отсюда, пользуясь теоремой умножения, получим:
![]()
Или:
![]()
Частный
случай. Если
события
имеют
одинаковую вероятность, равную р, то
вероятность появления хотя бы одного
из этих событий
![]()
