Вы находитесь на странице: 1из 4

1. Предмет и основные определения теории вероятностей.

Теория вероятности изучает закономерности, возникающие в случайных экспериментах.


Испытание (опыт, эксперимент) - осуществление некоторого определенного комплекса
условий, в которых наблюдается то или иное явление, фиксируется тот или иной результат.
Случайное событие (или просто событие) – исход испытания. Событие
называется достоверным, если в результате испытания оно обязательно должно произойти.
Событие называется невозможным, если в результате испытания оно вообще не может
произойти.

2. Полная группа несовместимых и противоположных событий, свойства их вероятности

Множество несовместных событий образуют полную группу событий, если в результате отдельно
взятого испытания обязательно появится одно из этих событий. Противоположные события - два
события называются совместными, если появление одного из них не исключает появление
другого в одном и том же испытании. Вероятность несовместных событий Теорема. Вероятность
суммы двух несовместных событий A и B равна сумме вероятностей этих событий: P (A + B) = P(A) +
P(B). Два события называются противоположными, если в данном испытании они несовместны и
одно из них обязательно происходит. Вероятности противоположных событий в сумме дают 1.
Если событие A может произойти с вероятностью p и опыт повторяют n раз, то вероятность, что
оно наступит хотя бы один раз, есть: 1 - q^n , где q = 1 - p.

3. Зависимые и не зависимые события. Условные и безусловные вероятности

Два события называются независимыми, если появление одного из них не изменяет вероятность
появления другого. События называются зависимыми, если одно из них влияет на вероятность
появления другого.

4. Теорема умножения вероятностей

Вероятность произведения двух событий равна произведению вероятностей одного из них на


условную вероятность другого, вычисленную при условии, что первое имело место

5. Теорема сложения вероятностей

Вероятность появления одного из двух 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 наступления

6. Случайные величины и случайные события. Дискретные и непрерывные случайные


величины

Случайная величина – это переменная, принимающая в результате испытаний то или иное


числовое значение. Случайные события обусловлены игнорированием слабых связей или
незнанием связей сильных. Дискретной случайной величиной называется случайная величина,
которая в результате испытания принимает отдельные значения с определёнными
вероятностями. Непрерывной случайной величиной называют случайную величину, которая в
результате испытания принимает все значения из некоторого числового промежутка.
7. Закон распределения случайной величины и способ его задания

Случайная величина распределена по нормальному закону распределения, если ее


плотность вероятности имеет вид: где а - математическое ожидание случайной величины σ -
среднее квадратическое отклонение. Закон распределениянепрерывной случайной величины
можно задать двумя аналитическими способами: 1) с помощью функции распределения
вероятностей  F(x); 2) с помощью плотности распределения вероятностей f(х).

8. Математическое ожидание случайной величины. Свойства математического


ожидания.

Математическое ожидание — одно из важнейших понятий в теории вероятностей,


означающее среднее значение случайной величины. Свойства математического ожидания
случайной величины: математическое ожидание произведения независимых случайных
величин равно произведению их математических ожиданий, Математическое ожидание
постоянной величины равно самой постоянной, Математическое ожидание алгебраической
суммы двух случайных величин равно алгебраической сумме их математических ожиданий,
Постоянный множитель можно выносить за знак математического ожидания

9. Дисперсия и среднее квадратическое отклонение случайной величины.

10. Математическое ожидание, дисперсия и среднее квадратическое отклонение


частоты и частности

Математическое ожидание — одно из важнейших понятий в теории вероятностей,


означающее среднее значение случайной величины. Дисперсия. Степень отклонения
случайной величины от ее математического ожидания называется дисперсией и обозначается
D(x) или Dx. Для дискретных случайных величин используются формулы: 1) дисперсия
случайной величины равна математическому ожиданию квадрата случайной величины минус
квадрат её математического ожидания. 2) дисперсия случайной величины равна сумме
квадратов отклонений отдельных значений случайной величины от её математического
ожидания, умноженных на вероятность этих значений.

11. Формула Бернулли. Биномиальное распределение. Наивероятнейшее число появления


события.

Формула Бернулли — формула в теории вероятностей, позволяющая находить вероятность


появления события. Биномиальное распределение в теории
вероятностей — распределение количества «успехов» в последовательности из n
независимых случайных экспериментов, таких, что вероятность «успеха» в каждом из них
постоянна и равна p. Наивероятнейшим числом появления события в независимых
испытаниях называется такое число , для которого вероятность,
соответствующая этому числу, превышает или, по крайней мере, не
меньше вероятности каждого из остальных возможных чисел появления события .
12. Формула Пуассона. Закон распределения вероятности редких событий.

Формула Пуассона Закон Пуассона , где λ равна среднему числу появления событий в
одинаковых независимых испытаниях, т. е. λ = n × p, где p – вероятность события при одном
испытании, e = 2,71828

13. Равномерное распределение.

Равномерное распределение вероятностей — общее название


класса распределений вероятностей, возникающего при распространении идеи
«равновозможности исходов» на непрерывный случай.

14. Непрерывные случайные величины. Дифференциация и интегральная функции их


распределения, их смысл и связь между ними.

Непрерывной случайной величиной называют случайную величину, которая в результате


испытания принимает все значения из некоторого числового промежутка. Число возможных
значений непрерывной случайной величины бесконечно. Производная от интегральной
функции распределения непрерывной случайной величины называется дифференциальной
функцией распределения этой случайной величины или дифференциальным законом
распределения

15. Вероятность попадания случайной величины в заданный интеграл. Вероятность


того, что непрерывная случайная величина примет точно заданное значение.

Вероятность того, что непрерывная случайная величина Х примет значение, принадлежащее


интервалу (a, b), равна определенному интегралу от плотности распределения, взятому в
пределах от a до b. Для любой непрерывной случайной величины верно
утверждение: вероятность того, что случайная величина примет определенное,
наперед заданное значение равна нулю.

16. Нормальное распределения. Плотность нормального распределения и ее свойства.


Функция распределения нормально распределенной случайной величины

Нормальное распределение— распределение вероятностей, которое в одномерном случае


задаётся функцией плотности вероятности, совпадающей с функцией Гаусса

Плотность вероятности стандартного нормального распределения часто


обозначается греческой буквой (фи). Нормальное распределение Для
программного генерирования нормально распределённых псевдослучайных величин
предпочтительнее использовать преобразование Бокса — Мюллера. Оно позволяет
генерировать одну нормально распределённую величину на базе одной равномерно
распределённой.
17. Локальная теорема Лапласа

Локальная теорема Лапласа. Если вероятность появления случайного события в каждом


испытании постоянна, то вероятность того, что в испытаниях событие наступит ровно раз,

приближённо равна:

18. Интегральная теорема Лапласа

Вероятность того, что в n независимых испытаниях, в каждом из которых вероятность


появления события равна p (0 < p < 1), событие наступит не менее k1 раз и не более k2 раз,
приближенно равна: Pn = (k1 ≤ k ≤ k2) ≈ Ф(x1)-Ф(x2)

19. Закон больших чисел. Теорема Бернулли

Закон больших чисел в форме Бернулли состоит в следующем: с вероятностью, сколь угодно


близкой к единице, можно утверждать, что при достаточно большом числе опытов частота
появления события А как угодно мало отличается от его вероятности

20. Предмет и основные задачи математической статистики

Статистика изучает количественную сторону массовых общественных явлений в неразрывной


связи с их качественной стороной или их содержанием. Статистика – наука, изучающая,
обрабатывающая и анализирующая количественные данные о самых разнообразных
массовых явлениях в жизни