- •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.
Дисперсія двв та його властивості. Середнє квадратичне відхилення.
Дисперсия – это числовая характеристика дискретной случайной величины.
Дисперсия дискретной случайной величины есть математическое ожидание квадрата отклонения случайной величины от её математического ожидания: D(X) = (x1 - M(X))2p1 + (x2 - M(X))2p2 + ... + (xn- M(X))2pn = x21p1 + x22p2 + ... + x2npn - [M(X)]2
Свойства дисперсии. 1) Дисперсия постоянной величины равна нулю: D(С) = 0 2) Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат: D(СХ) = С2 · D(Х) 3) Дисперсия суммы (разности) независимых случайных величин равна сумме дисперсий слагаемых: D(Х1 ± Х2 ± ... ± Хn) = D(Х1) + D(Х2) + ... + D(Хn)
Среднее квадратическое отклонение дискретной случайной величины, оно же стандартное отклонение или среднее квадратичное отклонение есть корень квадратный из дисперсии: σ(X) = √D(X)
В частности, если с.в. задана своей плотностью вероятности на каком-либо отрезке, то и интеграл вычисляем на этом отрезке.
Дисперсия непрерывной случайной величины вычисляется по формуле:
Относительно пределов интегрирования - то же самое.
Среднее квадратическое отклонение непрерывной случайной величины, оно же стандартное отклонение или среднее квадратичное отклонение есть корень квадратный из дисперсии: σ(X) = √D(X)
Математичне сподівання та дисперсія біномного розподілу двв.
Набір P (k)( k=0,1…, n) називають біномним розподілом.
Біноміальний закон розподілу Імовірності в цьому законі визначаються за формулою m = 0,1,2, …, n. Закон справджується для схеми незалежних повторних випробувань, у кожному з яких подія Анастає з імовірністю р. Частота настання події А має біноміальний закон розподілу. Числові характеристики розподілу: Означення. Випадкова величина називається дискретною, якщо множина її можливих значень є скінченною або зліченною.Дискретною випадковою величиною (ДВВ) називають таку величину, яка може приймати відокремлені ізольовані одне від одного числові значення (їх можна пронумерувати) з відповідними ймовірностями.
Математичним сподівання Х називають число, яке дорівнює сумі добутків можливих значень Х на відповідні їм імовірності. М(Х) або mX —математичне сподівання ДВВ.
Якщо Х приймає нескінченну кількість значень, то .
Дисперсія Х — це число, яке дорівнює математичному сподіванню квадрата відхилення в.в. від її математичного сподівання. — дисперсія величини Х.
Обчислення дисперсії для ДВВ:
Означення. Середнім квадратичним відхиленням випадкової величиниХ називається корінь квадратний із дисперсії D X .
24.Диференціальна функція розподілу неперервної випадкової величини, її властивості та ймовірносний смисл.
Диференціальною функцією розподілу або щільністю ймовірностей неперервної випадкової величини називають функцію , яка дорівнює похідній першого порядку від її інтегральної функції розподілу: .
Теорема. Ймовірність того, що неперервна випадкова величина набуде будь-яке значення з проміжку обчислюється за формулою
Наслідок. Функцію розподілу випадкової величини визначають через її функцію щільності таким чином:
.
Умову нормування через функцію щільності записують таким чином: .
Якщо неперервна випадкова величина визначена лише на проміжку то умова формування має вигляд .