- •1. Предмет комбінаторики. Правила суми і добутку. Перестановки без повторення . Перестановки з повтореннями.
- •2.Розміщення без повторення. Розміщення з повтореннями.
- •5. Трикутник Паскаля, біном Ньютона. Число всіх підмножин множини.
- •6.Комбінації з повтореннями.
- •7. Формули включень та виключень; вміти записати для 2 і 3.
- •8.Простір елементарних подій. Операції над подіями. Класичне означення ймовірності. Статистичне означення ймовірності.
- •9.Теорема додавання ймовірностей для несумісних подій. Теорема додавання ймовірностей для сумісних подій.
- •10.Залежні та незалежні події, умовна ймовірність.
- •11.Теорема множення для двох випадкових подій. Теорема множення для довільних випадкових подій.
- •12.Попарно залежні та незалежні у сукупності події. Приклад Бернштейна.
- •13.Геометричні ймовірності. Задача про зустріч. Задача Бюффона.
- •14. Ймовірність появи хоча б однієї випадкової події. Задача про товсту монету.
- •15.Формула повної ймовірності. Формула Бейеса.
- •1.Формула повної ймовірності
- •16. Формула Бернулі. Найймовірніше число “успіхів” у схемі Бернулі.
- •17.Теорема Пуассона
- •18. Локальна теорема Муавра-Лапласа. Функція Гаусса.
- •19. Інтегральна теорема Муавра-Лапласа. Функція Лапласа.
- •20.Поняття випадкової величини. Функція розподілу. Приклади. Властивості функцій розподілу.
- •21.Закон розподілу дискретної випадкової величини. Математичне сподівання двв та його властивості.
- •Дисперсія двв та його властивості. Середнє квадратичне відхилення.
- •Математичне сподівання та дисперсія біномного розподілу двв.
- •24.Диференціальна функція розподілу неперервної випадкової величини, її властивості та ймовірносний смисл.
- •25. Відшукання інтегральної функції неперервної випадкової величини за відомою диференціальною функцією. Доведення рівності та її геометричний зміст.
- •26.Числові характеристики неперервної випадкової величини.
- •27. Нормальний закон розподілу, його параметри та графік. Зв’язок між функцією розподілу нормального закону та функцією Лапласа.
- •28.Ймовірність попадання нормально розподіленої величини в заданий інтервал.
- •29. Правило трьох сигм.
- •30. Поняття про закон великих чисел. Нерівності Чебишева.
- •31.Мода та медіана, квантилі.
- •32.Рівномірний розподіл та його числові характеристики.
- •Показниковий розподіл та його числові характеристики.
- •34. Закон розподілу Пуассона
- •35.Геометричний розподіл та його числові характеристики.
- •36. Початкові та центральні моменти. Асиметрія та ексцес.
- •37.Приклади: асиметрія показникового розподілу; асиметрія розподілу Пуассона.
- •Розподіл Пуассона
- •38.Теорема Чебишова.
- •39.Теорема Бернуллі
- •40. Центральна гранична теорема.
- •Классическая формулировка ц.П.Т.
- •41. Випадковий процес та його характеристики.
- •42.**Ланцюгі Маркова
- •Формальне визначення Послідовність дискретних випадкових величин називається ланцюгом Маркова (з дискретним часом), якщо
- •43.**Марківський випадковий процес. Потоки подій.
- •**Пуассонівський випадковий процес.
- •45. Поняття про генеральну сукупність та вибірку. Емпірична формула розподілу.
- •46. Вибіркові характеристики. Варіаційний ряд, таблиці частот, гістограма.
- •47.Полігон частот. Статистичне та інтервальне оцінювання параметрів розподілу.
- •48. Вибіркове середнє, вибіркова дисперсія. Інтервальні оцінки параметрів розподілу.
- •49.Надійні межі для математичного сподівання у випадку нормального розподілу.
- •50.Статистична гіпотеза та загальна схема її перевірки. Критерій Пірсона.
31.Мода та медіана, квантилі.
Модой называется значение признака, которое соответствует максимальной точке теоретической кривой распределений.
Мода представляет наиболее часто встречающееся значение. Мода применяется в коммерческой практике для изучения покупательского спроса и регистрации цен.
Медиа́на — возможное значение признака, которое делит ранжированную совокупность (вариационный ряд выборки) на две равные части: 50 % «нижних» единиц ряда данных будут иметь значение признака не больше, чем медиана, а «верхние» 50 % — значения признака не меньше, чем медиана.
Медиана является важной характеристикой распределения случайной величины и так же, как математическое ожидание, может быть использовано для центрирования распределения.
Медиана определяется для широкого класса распределений (например, для всех непрерывных), а в случае неопределённости, естественным образом доопределяется (см. ниже), в то время как математическое ожидание может быть не определено (например, у распределения Коши).
Квантиль —Квантилі відсікають в межах ряду певну частину його членів. Тобто, квантиль (термін використаний вперше Кендалом в 1940 г.) розподілення значень - це таке число xp, що значення p-ї частини сукупності менше або рівне xp. Наприклад, квантиль 0.25 (також називається 25-м процентилем або нижнім квартилем) змінної - це таке значення (xp), що 25% (p) значень змінної попадають нижче даного значення
Нехай маємо ймовірнісний простір , і — ймовірнісна міра, що задає розподіл деякої випадкової величини . Нехай зафіксовано . Тоді -квантилем (або квантилем рівня ) розподілу називається число , таке що
.
32.Рівномірний розподіл та його числові характеристики.
Якщо ймовірність потрапляння випадкової величини на інтервал пропорційна до довжини інтервалу і не залежить від розташування інтервалу на осі, то вона має рівномірний закон розподілу.
Випадкова величина ξ рівномірно розподілена на відрізку [a, b]
Щільність рівномірного закону розподілу має вид:
.
Функція розподілу рівномірного закону розподілу має вид: .
Математичне сподівання та дисперсія рівномірного закону розподілу дорівнюють
Функція щільності ймовірності рівномірного розподілу задає однакову ймовірність для всіх значень, що лежать між мінімальним та максимальним значеннями змінної.
Показниковий розподіл та його числові характеристики.
Показниковий (експоненціальний) розподіл, коли випадкова величина має густину розподілу у вигляді:
, де - параметр розподілу.
Випадкова величина Х з таким законом розподілу часто зустрічається в прикладних питаннях теорії ймовірності, особливо в теорії масового обслуговування.
Знайдемо інтегральну функцію розподілу:
, тобто .
Наведемо графіки функцій і :
Знайдемо числові характеристики показникового розподілу:
а) математичне сподівання;
тобто ;
б) дисперсія:
в) середнє квадратичне відхилення: .
Отже, .