Приложение

© А.В.Лебедев, Л.Н.
Фадеева, 2018 ISBN 978-5-600-02149-5
Приложение Ф. Фонд оценочных средств

Примеры вариантов контрольных и экзаменационных работ (2016/2017)
Контрольная работа № 1 по теории вероятностей
Вариант 1
1. Студенты группы из 18 человек проходили практику на трех фирмах по 5, 6 и 7 человек
соответственно. Из группы случайно выбраны 4 студента. Какова вероятность, что среди них
окажутся проходившие практику во всех трех фирмах?
2. Изделие имеет скрытые дефекты с вероятностью 0,1. В течение года выходит из строя 40%
изделий со скрытыми дефектами и 5% изделий без дефектов. Найти вероятность того, что
изделие имело скрытые дефекты, если оно вышло из строя в течение года.
3. Посетитель магазина совершает покупку с вероятностью 0,6. Какова вероятность, что из
600 посетителей сделают покупки от 350 до 380 человек?
4. Фирма делает скидку (в процентах), равную сумме двух последних цифр паспорта
заказчика. Найти математическое ожидание и среднее квадратическое отклонение стоимости
заказа, если его стоимость без скидки 2400 руб.
5. Пусть 100 клиентов обращается в 3 фирмы с вероятностями 50%, 30% и 20%
соответственно. Найти вектор математических ожиданий и ковариационную матрицу для
чисел клиентов, обратившихся в фирмы.
6. Вероятностная модель для дискретного пространства элементарных событий. Свойства
вероятности, теоремы сложения (с доказательством).
7. Теорема Пуассона (с доказательством). Условия применения.
8. Ковариация и ее свойства.
Вариант 2
1. В лифте, останавливающемся на 5 этажах (не считая того, где люди вошли), едут 7
человек. Какова вероятность того, что 4 человека выйдут на одном этаже, 2 – на другом, и 1
– еще на одном?
2. Среди покупателей магазина женщины составляют 70%, мужчины 20%, дети 10%. Найти
вероятность того, что среди 10 случайно выбранных покупателей окажутся покупатели всех
трех категорий.
3. Курс акции за день торгов может с вероятностью 0,5 подняться на один пункт, с
вероятностью 0,1 остаться неизменным и с вероятностью 0,4 опуститься на один пункт.
Найти вероятность, что за 6 дней торгов курс опустится на 2 пункта.
4. В каждую упаковку товара фирмы «ИКС» с вероятностями по 0,2 вкладывают одну из
букв И, К, С, а с вероятностью 0,4 ничего не вкладывают. Найти математическое ожидание и
дисперсию числа упаковок, сколько понадобится купить, чтобы собрать все буквы.
5. Определить, при каких значениях C матрица является ковариационной:
C  2 3 
  .
 3 C  6 
6. Вывести формулы числа сочетаний без повторений и гипергеометрической вероятности.
7. Независимость случайных событий.
8. Дискретный случайный вектор. Совместные и частные распределения.
Вариант 3
1. В каждой из упаковок товара фирмы "Лилия" равновероятно встречаются буквы Л, И, Я.
Какова вероятность получить достаточно букв, чтобы собрать название фирмы, купив 7
упаковок товара?
1
© А.В.Лебедев, Л.Н.Фадеева, 2018 ISBN 978-5-600-02149-5
2. Фирма нарушает закон с вероятностью 0,12. Аудитор обнаруживает нарушения (если они
есть) с вероятностью 0,96. Проведенная им проверка не выявила нарушений. Найти
вероятность, что на самом деле они есть.
3. Вероятность того, что в партии из 400 изделий имеется брак, составляет 86,5%. Найти
наивероятнейшее число бракованных деталей и вероятность, что оно не будет превышено.
4. Среди 9 деталей имеется 4 нужного размера. Детали извлекаются поочередно, пока не
достанут 2 нужного размера или не будет сделано 5 проб. Найти распределение числа
проверенных деталей, вычислить его математическое ожидание и построить график функции
распределения.
5. Случайный вектор приращений цен акций двух компаний имеет вектор математических
ожиданий (0,1; 0,2)T и ковариационную матрицу
 2 1
  .
 1 3
У Анны имеются 2 акции первой компании и 3 акции второй компании, у Беллы – 4 акции
первой компании и 1 акция второй компании. Найти вектор математических ожиданий и
ковариационную матрицу для случайного вектора приращений цен пакетов акций Анны и
Беллы. Вычислить коэффициент корреляции между приращениями цен пакетов акций.
6. Условные вероятности и их свойства. Вывести формулу полной вероятности.
7. Теоремы МуавраЛапласа (интегральная и локальная). Условия применения.
8. Дискретная случайная величина и ее числовые характеристики. Вывести математические
ожидания биномиальной и пуассоновской случайных величин.
Вариант 4
1. Найти вероятность того, что в 8-значном номере ровно 3 цифры совпадают, а остальные
различны (считаем, что номер может начинаться с нуля).
2. В первой урне 4 белых и 2 черных шара, во второй – 7 белых и 3 черных. Из первой урны
перекладывают один шар во вторую, затем из второй урны перекладывают один шар в
первую. Найти вероятность после этого вынуть из второй урны черный шар.
3. Каждый из 320 клиентов фирмы случайным образом обращается к одному из 8
менеджеров. В каких границах с вероятностью 90% лежит число клиентов отдельно взятого
менеджера?
4. Случайные приращения цен акций двух компаний за один день имеют дисперсии 4 и 9
соответственно, их коэффициент корреляции равен 0,25. Инвестор намеревается купить
акции. В каких долях следует разделить капитал при вложении в акции, чтобы
минимизировать риск (дисперсию)?
5. Проверить матрицу, является ли она ковариационной:
 3 4 2
 
 4 6 2 .
 2 2 2
 
6. Аксиоматика Колмогорова.
7. Вывести формулу наивероятнейшего числа успехов в испытаниях Бернулли.
8. Теорема о математическом ожидании суммы двух дискретных случайных величин (с
доказательством). Найти математическое ожидание геометрической случайной величины.
Вариант 5
1. Студент может добраться до факультета либо на автобусе с интервалом движения 8 минут,
либо на троллейбусе с интервалом движения 10 минут. Найти вероятность, что студенту,
пришедшему на остановку в случайный момент времени, придется ждать не более 5 минут.
2
2. Два аудитора проверяют 8 фирм (по 4 фирмы каждый), у двух из которых имеются
нарушения. Вероятность обнаружения нарушений первым аудитором равна 0,8, вторым –
0,9. Найти вероятность того, что все фирмы-нарушители будут выявлены.
3. Посетитель магазина совершает покупку с вероятностью 0,6. Какова вероятность, что из
600 посетителей сделают покупки ровно 350 человек?
4. В телеигре игроку задают вопросы. Если игрок отвечает неправильно, то он выбывает из
игры. Вероятность правильного ответа на первый вопрос равна 0,9, на второй – 0,4 , а на
третий – 0,2. Если игрок правильно отвечает на один вопрос, то получает 200 рублей, если
правильно отвечает на два, то получает 500 рублей, а если правильно отвечает на три, то
получает 1000 рублей. Найти распределение выигрыша, вычислить его математическое
ожидание и построить график функции распределения.
5. Совместное распределение случайных величин ξ и η задано таблицей
η
ξ
–2 1 3
1 0,1 0,2 0,2
2 0,1 0,1 0,3
Найти коэффициент корреляции.

6. Вывести формулы чисел размещений с повторениями и без повторений.
7. Приближенная формула вероятности отклонения относительной частоты от вероятности
(следствие интегральной теоремы МуавраЛапласа).
8. Дисперсия случайной величины и ее свойства (с доказательством). Найти дисперсию
пуассоновской случайной величины.
Вариант 6
1. Два человека приходят на место встречи независимо друг от друга случайным образом в
течение часа. Найти вероятность, что они встретятся, если первый ждет второго 10 минут, а
второй первого – 20 минут.
2. Агрофирма закупает куриные яйца в двух домашних хозяйствах. Яйца высшей
категории в продукции первого хозяйства составляют 50%, в продукции второго хозяйства –
30%. Всего высшую категорию имеют 46% яиц агрофирмы. Найти вероятность того, что
яйцо высшей категории, купленное у данной агрофирмы, окажется из первого хозяйства.
3. При визите страхового агента вероятность заключения договора составляет 20%. Найти
наивероятнейшее число заключенных договоров после 12 визитов и вероятность того, что их
будет заключено не больше найденного числа.
4. Вероятность изготовления бракованной детали на первом станке составляет 2%, на втором
– 4%. На первом станке было изготовлено 25 деталей, на втором 50 деталей. Найти
математическое ожидание и дисперсию числа бракованных деталей.
5. Совместное распределение случайных величин ξ и η задано таблицей:


1 2 3 4
1 0,15 0,05 0,25 0,05
2 0,30 0,10 0,05 0,05
Найти функцию регрессии  по .

6. Условные вероятности и их свойства. Вывести формулу Байеса.
7. Испытания Бернулли. Формула Бернулли (с доказательством).
8. Функция распределения случайной величины и ее свойства.
3
Контрольная работа № 2 по теории вероятностей
Вариант 1
1. Плотность случайной величины  равна
0, x  [2,5]
p ( x)   2
C ( x  4), x  [2,5].
Найти константу C, функцию распределения F (x) , вероятность P (3    6) ,
математическое ожидание M.
2. Пусть  равномерна распределена на отрезке [0,4], найти плотность   ln(2  3) .
3. Найти плотность распределения суммы независимых случайных величин  и , если они
равномерно распределены на отрезках [1,8] и [3,7] соответственно. Найти дисперсию суммы.
4. Совместная плотность распределения случайных величин  и  равна
p ( x, y )  C (2 x  y ) 2 , x  [0,1], y  [0,1].
Найти C и функцию регрессии  по .
5. Опыт страховой компании показывает, что страховой случай приходится в среднем на
каждый восьмой договор. С помощью неравенства Чебышева оценить, в каких границах
будет находиться число страховых случаев при 250 договорах с вероятностью не менее 0,9.
6. Плотность и функция распределения непрерывной случайной величины. Свойства
плотности (с доказательством).
7. Найти функцию распределения минимума n независимых показательно распределенных
случайных величин с параметром .
8. Нормальное распределение (плотность, функция распределения, графики, математическое
ожидание и дисперсия). Вычислить вероятность
 
P |   M | 2 D .
Вариант 2
0, x  [2,4]
p ( x)  
C ( x  3) , x  [2,4].
Найти константу C, функцию распределения F (x) , вероятность P( 2  9) , математическое
ожидание M.
2. Пусть  нормально распределена с параметрами a=2, =3, найти плотность   (  5)3 .
3. Работа состоит из двух частей, которые выполняются независимо и параллельно, время
выполнения первой части (в часах) равномерно распределено на отрезке [2,3], время
выполнения второй части равномерно распределено на отрезке [2,5]. Найти среднее время
выполнения работы.
4. Совместная плотность распределения случайных величин  и  равна
p ( x, y )  C (3x  y ) 2 , x  [0,1], y  [0,1].
Найти C и функцию регрессии  по .
5. Вес яблока имеет математическое ожидание 125 г и среднее квадратическое отклонение 55
г. Найти вероятность того, что в 40 кг окажется не менее 300 яблок.
6. Плотность функции от непрерывной случайной величины (с доказательством).
7. Центральная предельная теорема (формулировка).
8. Равномерное распределение (плотность, функция распределения, графики, математическое
 
P |   M | D .
4
Вариант 3
0, x  [1,3]
p ( x)   2
C (10  x ), x  [1,3].
Найти константу C, функцию распределения F (x) , вероятность P (|   2 | 1) ,
2. Пусть  равномерно распределена на отрезке [0,5], найти плотность   3  1 .
выполнения первой части равномерно распределено на отрезке [1,2], время выполнения
второй части равномерно распределено на отрезке [1,5]. Найти среднее время выполнения
работы.
4. Совместная функция распределения случайных величин  и  имеет вид
F ( x, y )  xy  (1   ) x 4 y 3 , x  [0,1], y  [0,1].
Найти промежуток возможных значений  и функцию регрессии  по .
5. Опыт страховой компании показывает, что страховой случай приходится в среднем на
каждый двенадцатый договор. С помощью неравенства Чебышева оценить количество
договоров, необходимое для того, чтобы с вероятностью не менее 95% доля страховых
случаев отличалась от вероятности не более чем на 0,01.
6. Формула свертки для непрерывных случайных величин (с доказательством).
7. Математическое ожидание и дисперсия непрерывной случайной величины.
Математическое ожидание функции от непрерывной случайной величины.
8. Показательное распределение (плотность, функция распределения, графики,
математическое ожидание и дисперсия). Вычислить вероятность
 
P |   M | 2 D .
Вариант 4
0, x  [3,8]
p ( x)  
C (9  x) , x  [3,8].
Найти константу C, функцию распределения F (x) , вероятность P (|   7 | 2) ,
2. Пусть  распределена показательно с параметром =2, найти плотность случайной
величины   5 (1  3 ) .
3. Найти плотность распределения суммы независимых случайных величин  и , если 
равномерно распределена на отрезке [1,7], а  показательно распределена с параметром
=1/2. Найти дисперсию суммы.
4. Совместная функция распределения случайных величин  и  имеет вид
F ( x, y )  (1   ) xy  x 2 y 5 , x  [0,1], y  [0,1].
Найти промежуток возможных значений  и функцию регрессии  по .
5. Кадровое агентство трудоустроило 400 специалистов. В каких границах с вероятностью
99% находилось общее число соискателей на работу, если каждый соискатель устраивается
на работу с вероятностью 0,25?
6. Условные распределения и условные математические ожидания непрерывных случайных
величин (с выводом формул).
7. Найти функцию распределения максимума n независимых равномерно распределенных
случайных величин на [a,b].
5


P |   M | D . 
Вариант 5
0, x  [3,7]
p ( x)   2
C ( x  3 x), x  [3,7].
2. Пусть  нормально распределена с параметрами a=4, =3, найти плотность   e3  2 .
3. Время прихода автобуса на остановку (в минутах) равномерно распределено на отрезке
[0,8]. Время прихода троллейбуса на остановку равномерно распределено на отрезке [0,12].
Автобус и троллейбус ходят независимо. Найти функцию распределения времени ожидания
транспорта и его математическое ожидание.
4. Случайная пара случайных величин (,) равномерно распределена в области A={(x, y):
|x|2, 0y5x}. Найти частные плотности  и , проверить случайные величины на
зависимость. Вычислить F(0,5) и M().
5. Время изготовления детали равномерно распределено на отрезке от 12 до 16 минут.
Изготовление скольких деталей за 30 часов можно гарантировать с вероятностью 98%?
6. Неравенства Маркова и Чебышева (с доказательством).
7. Условие независимости двух непрерывных случайных величин. Математическое
ожидание функции от двух непрерывных случайных величин.
математическое ожидание и дисперсия). Вычислить вероятность

P |   M | D . 
Вариант 6
0, x  [0,7]
p ( x)  
C ( x  1) , x  [0,7].
2. Пусть  распределена показательно с параметром =3, найти плотность случайной
величины   e5 2 .
показательно распределены с параметрами =1/3 и =1/4 соответственно. Найти дисперсию
суммы.
4. Случайная пара случайных величин (,) равномерно распределена в области A={(x, y):
|x|3, 0y4+x}. Найти частные плотности  и , проверить случайные величины на
зависимость. Вычислить F(2,6) и M().
5. В среднем 12% трудового населения региона – безработные. Оценить с помощью
неравенства Чебышева вероятность того, что уровень безработицы среди 3000 выбранных
жителей составит от 10 до 14%.
6. Закон больших чисел (с доказательством). Пример испытаний Бернулли.
6
7. Совместная функция распределения и плотность двумерной непрерывной случайной

величины. Свойства плотности.
 
P |   M | 2 D .
Экзаменационная работа по теории вероятностей
Вариант 1
1. Из 12 проданных за неделю телевизоров 8 имеют скрытые дефекты. Найти вероятность
того, что среди выбранных наудачу 4 телевизоров (из числа проданных за неделю) окажется
не более 2 со скрытыми дефектами.
2. Среди клиентов турфирмы 30% берет путевки в Грецию, 10% – в Испанию, остальные
едут в другие страны. Какова вероятность, что среди 7 случайно выбранных клиентов
окажется хотя бы один, кто едет в Грецию, и хотя бы один, кто едет в Испанию?
3. Фирма делает скидку (в процентах), равную половине от последней цифры паспорта
заказчика. Найти математическое ожидание и среднее квадратическое отклонение стоимости
заказа, если его стоимость без скидки 1500 руб.
0, x  [1,3]
p ( x)   2
C ( x  4), x  [1,3].
математическое ожидание M, плотность   (  1)3 .
равномерно распределены на отрезках [2,3] и [1,7] соответственно. Найти дисперсию суммы.
6. Теоремы МуавраЛапласа (локальная и интегральная) и следствия. Теорема Пуассона (с
доказательством).
7. Плотность и функция распределения непрерывной случайной величины. Свойства
плотности (с доказательством).
ожидание и дисперсия).
Вариант 2
1. В лифте, останавливающемся на 8 этажах (не считая того, где люди вошли), едут 6
человек. Какова вероятность того, что 3 человека выйдут на одном этаже, 2 на другом, и 1
еще на одном?
2. Из урны, где было 6 белых и 3 черных шара, переложен вынутый наудачу шар в урну,
содержащую 4 белых и 2 черных шара. После этого из второй урны был вынут шар,
оказавшийся белым. Найти вероятность, что сначала был переложен черный шар.
3. В каждую упаковку товара фирмы «ИКС» с вероятностями по 0,1 вкладывают одну из
букв И, К, С, а с вероятностью 0,7 ничего не вкладывают. Найти математическое ожидание и
дисперсию числа упаковок, сколько понадобится купить, чтобы собрать все буквы.
0, x  [2,4]
p ( x)   3
C ( x  7), x  [2,4].
математическое ожидание M, плотность   16   3 .
выполнения первой части (в часах) равномерно распределено на отрезке [2,4], время
7
выполнения второй части равномерно распределено на отрезке [1,5]. Найти среднее время
выполнения работы.
6. Вероятность противоположного события. Теоремы сложения вероятностей (с
доказательствами). Независимость событий.
7. Закон больших чисел (с доказательством). Центральная предельная теорема
(формулировка).
ожидание и дисперсия). Вывести формулу дисперсии.
Вариант 3
1. 6 клиентов обращаются к 3 менеджерам независимо и равновероятно. Найти вероятность
того, что к одному из менеджеров обратится больше клиентов, чем к двум другим вместе
взятым.
2. Два аудитора проверяют 14 фирм (по 7 каждый), у трех из которых имеются нарушения.
Первый аудитор обнаруживает нарушения с вероятностью 0,7; второй – с вероятностью 0,9.
Найти вероятность того, что все фирмы-нарушители будут выявлены.
3. Случайные приращения цен акций двух компаний за один день имеют дисперсии D=1 и
D=9 соответственно, коэффициент корреляции равен 0,2. Инвестор намеревается купить
акции. В каких долях следует разделить капитал, чтобы минимизировать риск (дисперсию)?
0, x  [0,2]
p ( x)   2
C (8  x ), x  [0,2].
Найти константу C, функцию распределения F (x) , вероятность P(1    3) ,
математическое ожидание M, плотность   ln(  4) .
5. Стержень длиной 16 см ломают в случайной точке, равномерно распределенной по его
длине. Найти среднюю длину большей части.
6. Условная вероятность. Полная группа событий. Формула полной вероятности и формула
Байеса (с доказательствами).
7. Формула свертки для непрерывных случайных величин (с доказательством).
математическое ожидание и дисперсия). Вывести формулу математического ожидания.
Вариант 4
1. Найти вероятность того, что в 9-значном номере 5 цифр совпадают, а остальные различны
(считаем, что номер может начинаться с нуля).
2. Курс акции за день может подняться на один пункт с вероятностью 0,5, опуститься с
вероятностью 0,4, либо остаться неизменным с вероятностью 0,1. Найти вероятность того,
что за 5 дней торгов курс поднимется на 3 пункта.
3. В телеигре игроку задают вопросы. Если игрок отвечает неправильно, то он выбывает из
игры. Вероятность правильного ответа на первый вопрос равна 0,9, на второй – 0,6, а на
третий – 0,2. Если игрок правильно отвечает на один вопрос, то он получает 250 рублей,
если правильно отвечает на два, то он получает 500 рублей, а если правильно отвечает на три
– то получает 1000 рублей. Найти распределение выигрыша, вычислить его математическое
ожидание и построить график функции распределения.
0, x  [3,3]
p ( x)  
C ( x  5) , x  [3,3].
Найти константу C, функцию распределения F (x) , вероятность P(1    5) ,
математическое ожидание M, плотность    3  8 .
8
5. Время прихода автобуса на остановку (в минутах) равномерно распределено на отрезке

[0,4]. Время прихода троллейбуса на остановку равномерно распределено на отрезке [0,5].
Время прихода трамвая на остановку равномерно распределено на отрезке [0,6]. Все виды
транспорта ходят независимо. Найти среднее время ожидания транспорта.
6. Дискретное пространство элементарных событий. Классическое определение вероятности.
Простые и сложные события. Аксиоматика Колмогорова (определения).
7. Условные распределения и условные математические ожидания непрерывных случайных
величин (с выводом формул).
8. Распределение Бернулли (смысл, вероятности, математическое ожидание и дисперсия).
Вывести формулы математического ожидания и дисперсии.
Вариант 5
1. 7 клиентов случайным образом обращаются в 3 фирмы равновероятно. Найти вероятность
того, что во все фирмы обратится разное число клиентов (включая, возможно, ноль).
2. Фирма нарушает закон с вероятностью 0,3. Аудитор обнаруживает нарушения (если они
есть) с вероятностью 0,8. Проведенная им проверка не выявила нарушений. Найти
вероятность, что на самом деле они есть.
3. Случайные приращения цен акций двух компаний за один день имеют дисперсии D=4 и
D=1 соответственно, коэффициент корреляции равен 0,3. Инвестор намеревается купить
акции. В каких долях следует разделить капитал, чтобы минимизировать риск (дисперсию)?
0, x  [1,1]
p ( x)  
C (2  x) , x  [1,1].
математическое ожидание M, плотность   1 (  2) 2 .
показательно распределены с параметрами =1/2 и =1/3 соответственно. Найти дисперсию
суммы.
6. Независимые испытания Бернулли. Формула Бернулли и неравенство для
наивероятнейшего числа успехов (с доказательствами).
7. Совместная функция распределения и плотность двумерной непрерывной случайной
величины. Свойства совместной плотности, связь с частными. Формула математического
ожидания функции от двух случайных величин.
8. Распределение Пуассона (смысл, вероятности, математическое ожидание и дисперсия).
Вывести формулу математического ожидания.
Вариант 6
1. Группа из 24 студентов пишет контрольную из 4 вариантов (по 6 человек в каждом).
Найти вероятность того, что среди случайно выбранных 5 студентов окажутся писавшие
каждый вариант.
2. Агрофирма закупает куриные яйца в двух домашних хозяйствах. Яйца высшей
категории в продукции первого хозяйства составляют 40%, в продукции второго хозяйства –
20%. Всего высшую категорию имеют 36% яиц агрофирмы. Найти вероятность того, что
яйцо высшей категории, купленное у данной агрофирмы, окажется из второго хозяйства.
3. Вероятность изготовления бракованной детали на первом станке составляет 3%, на втором
– 5%. На первом станке было изготовлено 20 деталей, на втором 40 деталей. Найти
математическое ожидание и дисперсию числа бракованных деталей.
0, x  [1,5]
p ( x)  
C (6  x) , x  [1,5].
9
Найти константу C, функцию распределения F (x) , вероятность P (2    3) ,

 1
математическое ожидание M, плотность   e .
5. Найти плотность распределения суммы независимых случайных величин  и , если 
равномерно распределена на отрезке [2,0], а  показательно распределена с параметром
=1/5. Найти дисперсию суммы.
6. Математическое ожидание и дисперсия дискретной случайной величины, их свойства (с
доказательствами).
7. Неравенства Маркова и Чебышева (с доказательством).
8. Геометрическое распределение (смысл, вероятности, математическое ожидание и
дисперсия). Вывести формулу математического ожидания.
Контрольная работа № 1 по математической статистике
Вариант 1
1. Получение оценок методом максимального правдоподобия и свойства оценок (без
доказательства).
2. Доказать несмещённость и состоятельность выборочного среднего как оценки
математического ожидания.
3. Найти дисперсии исправленной и неисправленной выборочных дисперсий в случае
нормального распределения.
4. Для распределения F(x)=(x/)7, 0xθ, построить несмещенную оценку параметра  на
основе xmax и доказать ее сверхэффективность.
5. Найти оценку максимального правдоподобия для параметра α гамма-распределения (при
известном ).
6. Ежедневный спрос на некоторый товар имеет равномерное распределение на отрезке [a,b].
За период наблюдения спрос составлял в среднем 181 кг с исправленной выборочной
дисперсией 147 кг2. С помощью метода моментов оценить, сколько потребуется товара,
чтобы удовлетворить ежедневный спрос с вероятностью 90%.
Вариант 2
1. Вычислить математическое ожидание и дисперсию бета-распределения.
2. Теорема РаоФрешеКрамера (без доказательства), ее использование для исследования
эффективности.
3. Доказать несмещенность и состоятельность исправленной выборочной дисперсии и
состоятельность неисправленной выборочной дисперсии как оценок теоретической
дисперсии.
4. Доказать эффективность оценки максимального правдоподобия параметра 
показательного распределения p(x)=(1/)ex/ , x0.
5. Найти оценку методом моментов для параметра  распределения F(x)=x(7+x)/8, 0x1,
>0.
6. В поселке Девяткино все жители имеют доход не менее 90 тыс. руб в месяц. Выборочное
исследование дало средний доход 180 тыс. руб. В предположении, что случайная величина
дохода имеет распределение Парето F(x)=1(x0/x), xx0, где x0=90 (тыс. руб.), оценить
параметр  методом моментов и долю жителей с доходами свыше 270 тыс. руб.
Вариант 3
1. Свойства несмещённости и состоятельности. Эмпирическая функция распределения.
Доказать несмещенность и состоятельность эмпирической функции распределения как
оценки теоретической функции распределения (в любой точке).
10
2. Распределения хи-квадрат, Стьюдента и Фишера: определения, характеристики (кроме

Фишера), графики. Определить, к чему сходится распределение Фишера при m.
3. Построить оценку математического ожидания, эффективную в классе линейных
несмещенных оценок, в случае неравноточных наблюдений. Вычислить ее дисперсию.
4. Доказать эффективность оценки методом максимального правдоподобия параметра =1/p
для геометрического распределения с вероятностью успеха p.
5. Найти оценки методом моментов для параметров α и  гамма-распределения.
6. Прибор состоит из двух блоков: основного и резервного. Если основной блок выходит из
строя, то включается резервный. Времена службы блоков показательно распределены со
средними значениями 1 и 2. Выборочные испытания приборов показали средний срок
службы 45 часов и среднее квадратическое отклонение 40 часов. Оценить средние времена
службы основного и резервного блоков методом моментов в предположении, что 1>2.
Вариант 4
1. Точечные оценки параметров. Несмещенность, состоятельность, эффективность оценок.
Теорема Слуцкого (с доказательством). Асимптотическая нормальность оценок.
2. Бета и гамма-распределения: определения, свойства, характеристики, графики.
3. Пусть имеется две независимые случайные выборки объемов n1 и n2 из общей нормальной
генеральной совокупности N(а, 2) c исправленными выборочными дисперсиями s21 и s22.
Построить эффективную оценку (в классе всех линейных несмещенных оценок) для
дисперсии 2. Найдите дисперсию этой оценки.
4. Доказать эффективность оценки методом моментов вероятности успеха p распределения
Бернулли с числом испытаний N в каждом наблюдении.
5. Найти оценку максимального правдоподобия для параметра  распределения Вейбулла
3
F ( x)  1  e x , x0, >0.
6. Известно, что некоторая работа занимает время, состоящее из постоянного периода и
случайной задержки, распределенной показательно. Хронометраж рабочего времени показал,
что работа занимает в среднем 50 минут со средним квадратическим отклонением 20 минут.
С помощью метода моментов оценить время, за которое работа будет выполнена с
вероятностью 95%.
Вариант 5
1. Бета и гамма-функции: определения и свойства. Вычислить центральные моменты
2. Доказать несмещённость и состоятельность выборочного среднего как оценки
математического ожидания
3. Доказать, что если Mˆn   и Dˆn  0 , то ˆn  состоятельная оценка θ.
4. Для равномерного распределения на отрезке [0,θ] построить несмещенную оценку
параметра  на основе xmax и доказать ее сверхэффективность.
5. Найти оценку методом максимального правдоподобия для параметра  распределения
Парето F(x)=1(/x)2, x.
6. Известно, что доля возвратов по кредитам банка имеет распределение F(x)=x, 0x1.
Наблюдения показали, что в среднем она составляет 90%. С помощью метода моментов
оценить параметр  и вероятность того, что доля возвратов опустится ниже 65%.
Вариант 6
1. Теорема Фишера и ее следствия (с доказательствами).
2. Теорема РаоФрешеКрамера, ее использование для исследования эффективности.
3. Доказать, что исправленная выборочная дисперсия является асимптотически эффективной
оценкой неизвестной дисперсии для нормального распределения.
11
4. Найти оценку методом моментов для параметра θ распределения Парето F(x)=1(/x)7,

x, и вычислить ее эффективность.
5. Найти оценку максимального правдоподобия для параметра  равномерного
распределения на отрезке [4, 2+4], >2.
6. Трое исследователей провели независимые выборочные обследования доходов населения.
Первый определил средний годовой доход 3000 у.е. cо средним квадратическим
отклонением 1=120 у.е., второй – 3700 у.е. с 2=60 у.е., третий – 3500 у.е. с 3=180 у.е.
Построить наиболее точную оценку среднего годового дохода и найти ее среднее
квадратическое отклонение.
Контрольная работа № 2 по математической статистике
Вариант 1.
1. Основные понятия в проверке гипотез: основная и альтернативная гипотезы, критерий и
статистика критерия, ошибки первого и второго рода, уровень значимости и мощность
критерия.
2. Построить асимптотический доверительный интервал для неизвестного параметра  при
известном , если случайная величина имеет гамма-распределение (методом
функционального преобразования).
3. За последние 25 лет годовой рост цены актива составлял в среднем 11% с выборочным
средним квадратическим отклонением 8%. Найти доверительный интервал с надежностью
99% для цены актива в конце года, если в начале года она равна 200 денежным единицам.
Использовать нормальное приближение.
4. Фирма разослала 250 рекламных каталогов и получила 50 заказов. Можно ли утверждать
на уровне значимости 10%, что эффективность рекламы возросла, если раньше она
составляла 15%?
5. В городах Бусино и Гусино проведены выборочные обследования доходов жителей. По
выборкам из 200 человек получено, что в Бусино средний доход 17490 рублей с выборочным
средним квадратическим отклонением 250 рублей, в Гусино средний доход 17500 рублей с
выборочным средним квадратическим отклонением 100 рублей. Можно ли утверждать на
уровне значимости 1%, что в Бусино живут в среднем беднее, чем в Гусино?
6. Генеральная совокупность распределена нормально с неизвестным средним a и известной
дисперсией, равной 16. По выборке объема 100 постройте наиболее мощный критерий для
проверки нулевой гипотезы a=1 против альтернативной гипотезы a=2 на уровне значимости
5%. Найдите мощность критерия.
Вариант 2
1. Критерий отношения правдоподобия. Теорема НейманаПирсона. Применение к гипотезе
о среднем для нормального распределения.
2. Построить асимптотический доверительный интервал для параметра θ распределения
N(θ,θ3).
3. Известно, что наполняющая машина работает со средним квадратическим отклонением
веса упаковки 0,7 г. Сколько упаковок товара нужно взвесить, чтобы получить средний вес с
точностью до 0,2 г c надежностью 90%?
4. В книжном магазине проведено исследование продаж нового романа писателя Бородачева.
В течение 16 рабочих дней роман продавался ежедневно в среднем по 67 экземпляров с
выборочным средним квадратическим отклонением 17 экземпляров. Можно ли утверждать
на уровне значимости 5%, что этот роман расходится лучше, чем предыдущий роман автора,
если тот продавался в среднем по 58 экземпляров в день?
5. В течение 125 рабочих дней в фирму А обращалось в среднем 90 клиентов в день, в фирму
Б – 70. Есть ли основания утверждать на уровне значимости 5%, что фирма Б менее
12
популярна, чем фирма А, если числа клиентов в день имеют известные дисперсии 150 и 100
соответственно?
дисперсией, равной 4. По выборке объема 36 постройте критерий отношения правдоподобия
для проверки нулевой гипотезы a=3 против альтернативной гипотезы a=4 на уровне
значимости 5%. Найдите объем выборки, необходимый для достижения мощности 0,9.
Вариант 3
1. Проверка гипотез о среднем и дисперсии для одной нормальной выборки.
2. Построить асимптотический доверительный интервал для параметра  равномерного
распределения на отрезке [0,] (использовать оценку  методом моментов).
3. Фирма разослала 289 рекламных каталогов и получила 60 заказов. Построить
доверительный интервал для эффективности рекламы (вероятности заказа по каталогу) с
надежностью 95%.
4. Старая наполняющая машина работала со средним квадратическим отклонением веса
упаковки 0,9 г. Были проведены испытания новой машины. По выборке 30 упаковок товара
получено выборочное среднее квадратическое отклонение 0,4 г. Можно ли утверждать на
уровне значимости 5%, что для новой машины среднее квадратическое отклонение меньше?
5. За последние 10 лет выборочная дисперсия годовой доходности актива А составила 0,16,
актива Б – 0,24. Можно ли утверждать на уровне значимости 5%, что вложения в актив Б
более рискованны, чем в А (т.е. дисперсия там больше)?
дисперсией, равной 16. По выборке объема 100 постройте наиболее мощный критерий для
проверки нулевой гипотезы a=1 против альтернативной гипотезы a=2 на уровне значимости
5%. Найдите мощность критерия.
Вариант 4
1. Проверка гипотез о среднем и дисперсии для двух нормальных выборок.
2. Построить асимптотический доверительный интервал для параметра  распределения
Пуассона.
3. Импортер упаковывает чай в пакеты. Известно, что наполняющая машина работает со
средним квадратическим отклонением, равным 0,24 г. Выборка 16 пакетов показала средний
вес 101 г. Найти доверительный интервал для среднего веса пакета с вероятностью 99%.
4. Средний дневной объем продаж фирмы составлял 4100 единиц. После реорганизации
выборочный средний объем продаж за 25 рабочих дней составил 4020 единиц с выборочным
средним квадратическим отклонением 40 единиц. Можно ли утверждать на уровне
значимости 1%, что объём продаж упал?
5. Для проверки качества изделий, изготовленных двумя заводами, взяты выборки из 100
изделий первого и 250 изделий второго. В них оказалось по 10 и 20 бракованных изделия
соответственно. Можно ли утверждать на уровне значимости 10%, что вероятность
изготовления брака на обоих заводах одинакова?
Вариант 5
1. Понятие доверительного интервала. Точные доверительные интервалы для параметров
2. Построить асимптотический доверительный интервал для неизвестного параметра  при
известном , если случайная величина имеет гамма-распределение.
13
3. В деревне Кошкино проведено выборочное исследование доходов. По выборке из 16

человек получен выборочный средний доход 16600 рублей с выборочным средним
квадратическим отклонением 200 рублей. Построить доверительный интервал для среднего
дохода с надежностью 99%.
4. Среднее время сборки изделия было 60 мин. При испытаниях нового метода сборки по
выборке из 25 изделий получено выборочное среднее время сборки 50 мин. с выборочным
средним квадратическим отклонением 9 мин. Можно ли утверждать на уровне значимости
5%, что среднее время сборки сократилось?
5. Проведено исследование батареек фирм "Винтик" и "Шпунтик". По выборке из 9 батареек
фирмы "Винтик" получен средний срок службы 240 часов с выборочным средним
квадратическим отклонением 15 часов, по выборке из 16 батареек фирмы "Шпунтик" –
средний срок службы 260 часов с выборочным средним квадратическим отклонением 13
часов. Можно ли утверждать на уровне значимости 10%, что в среднем срок службы
батареек этих двух фирм одинаков?
Вариант 6
1. Понятие асимптотического доверительного интервала. Методы построения.
2. Построить асимптотический доверительный интервал для параметра p геометрического
распределения (методом подстановки).
3. Проведены испытания новой машины, упаковывающей товар в пакеты. По выборке из 25
пакетов получено выборочное среднее квадратическое отклонение веса 0,8 г. Построить
доверительный интервал с надежностью 95% для дисперсии веса пакета при упаковке
машиной.
4. В книжном магазине проведено исследование продаж нового романа писателя Бородачева.
В течение 25 рабочих дней роман продавался ежедневно в среднем по 60 экземпляров с
выборочным средним квадратическим отклонением 15 экземпляров. Можно ли утверждать
на уровне значимости 5%, что этот роман расходится лучше, чем предыдущий роман автора,
если тот продавался в среднем по 55 экземпляров в день?
5. В течение 100 рабочих дней в фирму А обращалось в среднем 70 клиентов в день, в фирму
Б – 80. Есть ли основания утверждать на уровне значимости 5%, что фирма Б более
популярна, чем фирма А, если числа клиентов в день имеют известные дисперсии 150 и 174
соответственно?
значимости 5%. Найдите мощность критерия.
Экзаменационная работа по математической статистике
Вариант 1
1. Распределения хи-квадрат, Стьюдента и Фишера: определения, свойства, графики,
числовые характеристики (матожидание и дисперсия (кроме Фишера)). Определить, какое
распределение имеет величина 2, если  имеет распределение Стьюдента с n степенями
свободы.
2. Теорема НейманаПирсона.
3. Найти оценку максимального правдоподобия для параметра  распределения вида
F(x)=exp{(θ/x)5}, x>0, >0.
14
4. Ежедневный спрос на некоторый товар имеет равномерное распределение на отрезке [a,b].

За период наблюдения спрос составил в среднем 300 кг с исправленной выборочной
дисперсией 500 кг2. С помощью метода моментов оценить, сколько потребуется товара,
чтобы удовлетворить ежедневный спрос с вероятностью 99%.
5. Фирма разослала 625 рекламных каталогов и получила 72 заказа. Построить
доверительный интервал для эффективности рекламы (вероятности заказа по каталогу) с
надежностью 95%.
6. В городах Машино и Дашино проведены выборочные обследования доходов жителей. По
выборкам из 200 человек получено, что в Машино средний доход 17130 рублей с
выборочным средним квадратическим отклонением 270 рублей, в Дашино средний доход
16980 рублей с выборочным средним квадратическим отклонением 350 рублей. Можно ли
утверждать на уровне значимости 10%, что в Машино живут в среднем богаче, чем в
Дашино?
Вариант 2
1 Что такое эмпирическая функция распределения? Докажите, что она есть несмещеная и
состоятельная оценка теоретической функции распределения (в фиксированной точке).
2. Применение критерия НейманаПирсона к проверке гипотезы о математическом
ожидании для нормального распределения (c доказательством, для a1>a0).
3. Найти оценку методом моментов для параметра α распределения вида F(x)=x3(1+xα)/2,
0x1, α>0.
4. Трое исследователей провели независимые выборочные обследования доходов населения.
Первый определил средний доход 4050 у.е. со средним квадратическим отклонением σ1=120
у.е., второй – 4150 у.е. с σ2=100 у.е., третий – 4250 у.е. с σ3=90 у.е. Построить наиболее
точную оценку среднего годового дохода и найти ее среднее квадратическое отклонение.
5. За 100 рабочих дней в магазин в среднем обращалось 529 покупателей в день. Известно,
что число покупателей в день описывается распределением Пуассона. Построить
асимптотический доверительный интервал для среднего числа покупателей в день с
надежностью 95% (методом функционального преобразования).
6. Проведено исследование батареек фирм "Белка" и "Стрелка". По выборке из 10 батареек
фирмы "Белка" получен средний срок службы 467 часов с выборочным средним
квадратическим отклонением 18 часов, по выборке из 15 батареек фирмы "Стрелка" –
средний срок службы 452 часа с выборочным средним квадратическим отклонением 12
часов. Можно ли утверждать на уровне значимости 10%, что в среднем срок службы
батареек этих двух фирм одинаков?
Вариант 3
1. Выведите формулу для мощности критерия Неймана-Пирсона для проверки гипотезы о
математическом ожидании для нормального распределения (c доказательством, для a1>a0).
2. Сформулируйте критерии согласия Пирсона и Колмогорова
3. Найти оценку методом максимального правдоподобия для параметра  распределения
Лапласа: p(x)=(/2)exp{|x|}, >0.
4. Известно, что доля возвратов по кредитам в банке имеет распределение F(x)=xβ, 0≤х≤1.
Наблюдения показали, что в среднем она составляет 80%. С помощью метода моментов
оценить параметр β и вероятность, что доля возвратов опустится ниже 70%.
5. Анализ выборки из 400 заказов в интернет-магазине показал, что в среднем делается по 1,8
покупки. Известно, что число покупок в заказе имеет геометрическое распределение.
Построить доверительный интервал для его математического ожидания  с надежностью
95% (методом подстановки).
6. Старая наполняющая машина работала со средним квадратическим отклонением веса
упаковки 0,8 г. Были проведены испытания новой машины. По выборке из 25 упаковок
товара получено выборочное среднее квадратическое отклонение 0,5 г. Можно ли
15
утверждать на уровне значимости 5%, что для новой машины среднее квадратическое
отклонение меньше?
Вариант 4
1. Докажите, что несмещённая выборочная дисперсия есть несмещенная и состоятельная
оценка теоретической дисперсии
2. Проверка гипотез о вероятности успеха в испытаниях Бернулли для одной и двух выборок
(с доказательством).
3. Найти оценку максимального правдоподобия для параметра  равномерного
распределения на отрезке [6,2+9], >3.
4. В поселке Полтинниково все жители имеют доход не менее 50 тыс. руб. в месяц.
Выборочное исследование показало средний доход 200 тыс. руб. В предположении, что
случайная величина дохода имеет распределение Парето F(x)=1–(x0/x)α, х  х0, где х0=50 (тыс.
руб.), оценить параметр α методом моментов и долю жителей с доходами свыше 400 тыс.
руб.
5. Проведены испытания новой машины, упаковывающей товар в пакеты. По выборке из 25
пакетов получено выборочное среднее квадратическое отклонение веса 0,7 г. Построить
доверительный интервал с надежностью 95% для среднего квадратического отклонения веса
пакета при упаковке машиной.
6. В прошлом году средняя зарплата жителей города Матрешкино составляла 15740 руб. В
этом году выборка из 400 человек показала, что средняя зарплата составляет 15760 руб. при
выборочном среднем квадратическом отклонении 240 руб. Можно ли на уровне значимости
10% утверждать, что средняя зарплата жителей города увеличилась?
Вариант 5
1. Теорема Фишера и ее следствия (с доказательствами).
2. Понятие асимптотического доверительного интервала. Методы построения
асимптотических доверительных интервалов (с обоснованием).
3. Найти оценку методом максимального правдоподобия для распределения Пуасона и
доказать ее эффективность в классе линейных несмещённых оценок
случайной задержки, распределенной показательно. Выборочный хронометраж рабочего
времени показал, что работа занимает как минимум 33 минуты, а в среднем – 47 минут. С
помощью метода максимального правдоподобия оценить параметры и время, за которое
работа будет выполнена с вероятностью 95%.
5. В деревне Плюшкино проведено выборочное исследование доходов. По выборке из 16
человек получен выборочный средний доход 19720 рублей с выборочным средним
квадратическим отклонением 230 рублей. Построить доверительный интервал для среднего
дохода с надежностью 90%.
6. Фирма разослала 900 рекламных каталогов и получила 126 заказов. Можно ли утверждать
на уровне значимости 5%, что эффективность рекламы повысилась, если в прошлом году
фирма получила 99 заказов (при том же объеме рассылки)?
Вариант 6
1. Докажите, что выборочное среднее есть несмещённая и состоятельная оценка
теоретического математического ожидания.
2.Понятие доверительного интервала. Точные доверительные интервалы для параметров
нормального распределения (с доказательством).
3. Найти оценку методом максимального правдоподобия для параметра  распределения
Вейбулла вида F(x)=1exp{x5}, x>0, >0.
случайной задержки, распределенной показательно. Выборочный хронометраж рабочего
16
времени показал, что работа занимает в среднем 38 минут со средним квадратическим

отклонением 11 минут. С помощью метода моментов оценить параметры и вероятность, что
работа будет закончена за час.
5. В выборке из 625 изделий средний срок службы составил 2000 часов. Известно, что срок
службы изделия имеет показательное распределение. Построить асимптотический
доверительный интервал для среднего срока службы с надежностью 90% (методом
функционального преобразования).
6. Средний дневной объем продаж фирмы составлял 840 единиц. После реорганизации за 25
рабочих дней выборочный средний объем продаж составил 860 единиц с выборочным
средним квадратическим отклонением 45 единиц. Можно ли утверждать на уровне
значимости 10%, что реорганизация привела к увеличению среднего объема продаж?
ТЕСТЫ1
Тесты по теории вероятностей
1. Комбинаторика
Размещением m элементов из n называется

А. упорядоченный набор n элементов из множества, содержащего m элементов
Б. упорядоченный набор m элементов из множества, содержащего n элементов
В. неупорядоченный набор m элементов из множества, cодержащего n элементов
Г. операция перемены мест m элементов во множестве, содержащем n элементов
Сочетанием m элементов из n называется

А. упорядоченный набор n элементов из множества, содержащего m элементов
Б. неупорядоченный набор n элементов из множества, содержащего m элементов
В. упорядоченный набор m элементов из множества, содержащего n элементов
Г. неупорядоченный набор m элементов из множества, содержащего n элементов
Формула для числа сочетаний без повторений m элементов из n имеет вид

n!
А.
m!
n!
Б.
m!(n  m)!
n!
В.
( n  m)!
Г. ни один из приведенных ответов не верен
Формула для числа размещений без повторений m элементов из n имеет вид

А. n! / m!
Б. m/n
В. n! /(n  m)!
n!
Г.
m!(n  m)!
Формула для числа разбиений на группы имеет вид

N!
А.
n1 !...nk !
1
Разделы тестов не обязательно соотвествуют разделам и главам книги.
17
N!
Б.
n1 ! ...  nk !
N
В.
n1  ...  nk
Г. N /(n1...nk )
Формула для числа размещений без повторений m элементов из n имеет вид

n!
А.
m ! n  m  !
Б. mn
В. nm
n!
Г.
 n  m !
Формула для числа размещений (с повторениями) m элементов из n имеет вид
А. mn
Б. nm
В. m m n
Г. n !/(n  m)!
2. Классическая вероятность
Каково классическое определение вероятности?

А. P ( A) | A | / |  |
Б. P( A) равна 1, если А произошло, и 0, если А не произошло
В. P (  m)  C nm p m q nm
Г. P(  m)  pq m1
В определение классического вероятностного пространства входит условие:

А. исходы равновероятны
Б. исходы независимы
В. испытания заканчиваются одним из двух исходов
Г. все приведенные выше ответы верны
Вероятность события – это

А. его частота в серии из n испытаний
Б. число всех благоприятных исходов
В. численная мера возможности события
Г. элемент пространства элементарных событий
В случае дискретного вероятностного пространства событием называется

А. элемент вероятностного пространства
Б. количество благоприятных исходов
В. результат случайного эксперимента
Г. подмножество вероятностного пространства
Вероятностное пространство – это

А. множество всех исходов эксперимента
18
Б. множество, элементы которого можно перечислить

В. область n-мерного вещественного пространства
Г. множество, все элементы которого равновероятны
В классической вероятностной модели

А. имеется два возможных исхода
Б. элементарные события равновероятны
В. элементарных событий бесконечное число
Г. элементарные события независимы
3. Операции над событиями
События А и В называются несовместными, если

А. P ( AB )  P ( A) P ( B )
Б. P ( AB )  1
В. A  B  o
Г. A  B  o
События А и В называются независимыми, если

А. P ( A  B )  P ( A)  P ( B ) ;
Б. P ( AB )  0
В. P ( AB )  P ( A) P ( B )
Г. A B  
Объединение событий А и B произошло, если

А. произошли и А, и B
Б. произошло А или B
В. произошло ровно одно из событий А и B
Г. произошло А и не произошло B
Пересечение событий A и В произошло, если

А. произошли и А, и B
Б. произошло А или B
В. произошло ровно одно из событий А и B
Г. произошло B и не произошло A.
К числу формул де Моргана относится равенство

А. A  
Б. A B  B  A
В. A  ( B  C )  ( A  B)  C
Г. A B  A B
К числу формул де Моргана относится равенство

А. A  ( B  C )  ( A  B)  C
Б. A B  A  B
В. A B  B A
Г. A  A
4. Основные формулы теории вероятностей
19
Формула полной вероятности имеет вид:

А. P ( AB )  P ( A | B ) P ( B )
n
Б. P( A)  k 1 P( H k | A) P( H k )
n
В. P( A)  k 1 P( A | H k ) P( H k )
Г. P ( H k | A)  P ( A | H k ) P ( H k ) / P ( A)
Теорема умножения вероятностей имеет вид

А. P ( AB )  P ( A | B ) P ( B )
Б. P( AB )  P ( A) P ( B )
В. P ( AB )  P ( B | A) P ( B )
Г. P( A) P( B )  P( A | B ) P( B | A)
События А и B независимы, если

А. P( AB)  0
Б. P( A | B)  P( B )
В. P( AB )  P ( A) P ( B )
Г. А и B не пересекаются.
Формула Байеса имеет вид

А. P ( AB )  P ( A | B ) P ( B )
n
Б. P( A)  k 1 P( A | H k ) P( H k )
В. P( H k | A)  P( A | H k ) P( H k ) / P( A)
n
Г. P ( H k | A)  P ( A | H k ) P ( H k ) /  j 1 P ( H j | A) P ( H j )
Теорема сложения вероятностей (в общем случае) имеет вид

А. P ( A  B )  P ( A)  P ( B )
Б. P( A  B)  P( A)  P( B)  P( AB)
В. P ( A  B )  P ( A)  P ( B )  P ( AB )
Г. P( A  B)  P( A | B) P( B)
Условная вероятность P( A | B ) события А при условии В равна

А. P( A) / P ( B )
Б. P( B ) / P ( A)
В. P( AB) / P( A)
Г. P( AB) / P( B )
Какое из свойств условной вероятности НЕ верно?

А. P( A | B ) P ( B )  P ( B | A) P ( A)
Б. P( A | B )  1  P( A | B)
В. P( A | B )  0, если A  B  o
Г. P( A | B )  1, если A  B
Пусть событие А может произойти совместно с некоторыми событиями (гипотезами) H i .

Какое условие нужно для применения формулы полной вероятности?
А. события H i образуют полную группу событий
20
Б. события H i независимы
В. события H i содержат в себе один из двух исходов
Г. все приведенные ответы верны
В условии теоремы Байеса

А. гипотезы независимы;
Б. гипотезы образуют полную группу;
В. гипотезы равновероятны;
Г. гипотезы – это элементарные события.
Формула сложения для совместных событий имеет вид

А. P ( A  B )  P ( A)  P ( B )  P ( AB ) ;
Б. P ( A  B )  P ( A)  P ( B ) ;
В. P ( AB )  P ( A | B ) P ( B ) ;
Г. P ( A)  P ( A | H1 ) P ( H1 )  ...  P ( A | H k ) P ( H k ) .
События образуют полную группу, если

А. они несовместны и независимы
Б. они независимы и равновероятны
В. хотя бы одно из них обязательно происходит
Г. они несовместны и хотя бы одно из них обязательно происходит
События А и В несовместны, если

А. P( AB)  P( B)
Б. P( AB)  P( A) P( B )
В. P( AB)  0
Г. P( A  B)  P( A) P( B )
Условная вероятность события A при условии B равна

А. P( AB) / P( B)
Б. P( A) / P( B )
В. P( AB) / P( A)
Г. P ( AB ) / P ( AB )
5. Испытания Бернулли
Свойством испытаний Бернулли является следующее:

А. все исходы испытаний равновероятны
Б. испытания заканчиваются одним из двух исходов
В. вероятность успеха определяется результатом одного произвольного испытания
Г. все приведенные выше ответы верны
Вероятность того, что в n испытаниях Бернулли произойдет m успехов, равна

А. pq m1
Б. pnqm
21
m! m nm
В. p q
n!
n!
Г. p m q nm
m!(n  m)!
Наиболее вероятное число успехов m  в схеме Бернулли определяется по формуле

А. np  p  m  np  p
Б. np  q  m  np  p
В. np  q  m  np  q
Г. np  p  m  np  q
Наивероятнейшее число успехов в схеме Бернулли может принимать

А. всегда одно значение
Б. одно или два значения
В. одно значение или не существует
Г. всегда два значения
Формула Бернулли для вероятности m успехов в n испытаниях имеет вид

А. Cmn p m (1  p )n
Б. Cmn p m (1  p )n
В. Cmn p m (1  p ) n  m
Г. Cnm p m (1  p ) n  m
6. Случайные величины и распределения
Случайная величина называется дискретной, если она

А. зависит от случая
Б. принимает конечное или счетное число значений
В. равна числу успехов в схеме Бернулли
Г. задается своей функцией распределения
Случайная величина распределена по Пуассону, если

А. ее закон распределения имеет вид P (  k )  k e  
Б. ее плотность p( x)   e x , x  0
В. ее закон распределения имеет вид P (  k )  p k q nk
Г. ее закон распределения имеет вид P (  k )  k e   / k!
Какое из перечисленных ниже свойств справедливо для дискретной случайной величины  ,

принимающей значения x1  ...  xn :
n
А. D  k 1 xk2 P(  xk )
Б. P(  xk )  P (  xk 1 )
n
В.  k 1
P (  xk )  1
Г. все приведенные ответы верны.
22
Случайная величина распределена по Бернулли, если

А. ее закон распределения имеет вид P(  m)  Cnm p m q nm
Б. ее закон распределения имеет вид P(  m)  p m q nm
В. ее закон распределения имеет вид P(  m)  pq m1
Г. ее плотность p(m)  Cnm p m q n  m
Случайная величина распределена по показательному закону, если

А. ее закон распределения имеет вид P (  k )  k e   / k! ;
2
Б. ее плотность p ( x)  (1 / 2 )e  x /2
;
 x
В. ее плотность p( x)  e, x  0;
Г. ее функция распределения F ( x)  e x при x  0
Случайная величина называется непрерывной, если

А. она непрерывно изменяется
Б. она принимает бесконечно много значений
В. ее функция распределения равна интегралу от плотности
Г. ее функция распределения непрерывна
Случайная величина распределена равномерно, если

А. ее закон распределения имеет вид P(  k )  pq k 1
Б. ее значения равномерно распределены по прямой
В. ее плотность p ( x )  1 /(b  a ), x  [ a, b]
Г. ее закон распределения имеет вид P (  x )  1 /( b  a ), x  [ a , b ]
Случайная величина – это

А. набор вероятностей, зависящих от случая
Б. числовая функция, заданная на вероятностном пространстве
В. случайный исход эксперимента
Г. набор случайных событий, отвечающих заданному условию
Случайная величина распределена по геометрическому закону, если

А. ее плотность p( x)  p(1  p ) x1 при x  0
Б. ее закон распределения имеет вид P(  m)  (1  p ) m1 p при m1
В. ее закон распределения имеет вид P(  m)  (1  p) m1 при m1
Г. ее плотность p( x)  ex при x  0
Случайная величина распределена по нормальному закону, если ее плотность равна

2 2
А. p ( x )  (e  ( x  a ) / 2 ) / 2 ;
2
/ 2
Б. p ( x )  (e  ( x  a ) ) / 2 2 ;
/ 2
В. p ( x )  (e  ( x  a ) ) / 2 2 ;
2
/ 2 2
Г. p ( x )  (e  ( x  a ) ) / 2 2 .
Если случайная величина  распределена равномерно на отрезке [0, n] , то

А. ее закон распределения P(  k )  n 1 при k  1,..., n ;
23
Б. ее плотность p( x)  n 1 при x  [0, n] ;

В. ее математическое ожидание равно n ;
Г. ее плотность p ( x)  x при x  [0, n] .
7. Функции распределения и плотность
Какое свойство НЕ обязательно является свойством функции распределения?

А. F (x) не убывает
Б. lim F ( x )  1
x  
В. P(a    b)  F (b)  F (a )
Г. F (x) непрерывна
Какое из перечисленных ниже свойств НЕ является свойством функции плотности p (x) ?

x
А. P (  x )   p ( x ) dx

Б. lim p ( x)  1
x  
В. p( x)  0 ;

Г. P (  x)   p ( x ) dx
x
Пусть  – непрерывная случайная величина с плотностью p (x) и функцией распределения

F (x) . Какое из следующих свойств верно?
А. P(a    b)  F (b)  F (a )
Б. P(a    b)  p (b)  p (a )
В. P(a    b)  p (a )  p (b)
Г. P (a    b)  ( F (a )  F (b)) / 2
Какое свойство функции распределения непрерывной случайной величины  может не

выполняться в некоторых точках x ?
А. F ( x)  0
Б. F ( x)  p ( x)
В. 1  F ( x)  P(  x)
x
Г. F ( x)   p(t )dt

Плотность случайной величины обладает свойством


А.  p( x)dx  0

Б. lim p ( x )  0
x 

В.  p ( x)dx  1

Г. p(b)  p(a)  0
Для непрерывной случайной величины  с плотностью p и ф.р. F

a
А. P(a   )   p(t )dt

24

Б. P(a   )   F (t )dt
a
В. P(a    b)  F (b)  F (a)

Г. P(a    b)  F (b)  F (a)  p(b).
Если случайная величина  имеет плотность p , а дифференцируемая функция f возрастает

и имеет обратную функцию g , то плотность f ( ) равна
А. p( f ( y )) g '( y)
Б. p( g ( y )) f '( y)
В. p( g ( y )) g '( y )
Г. p( g ( y))(1/ f ( y )) '
Какая функция НЕ может совпадать с функцией распределения ни на каком отрезке:

А. sin(1 x)
Б. 2  arctg x
В. 1  x2
Г. ex

А. ex  1
Б. x ( x  2)
В. ln( x  1)
Г. x  10

А. cos x
Б. 3  arctg x
2
В. e x
Г. x9

А. 1 cos x
Б. x2  1
В. sin x
Г. ln( x  3)
8. Числовые характеристики
Дисперсию дискретной случайной величины можно найти по формуле

А. D  M (  M )
Б. D  cov( , M )
2
В. D  M (  M )
Г. ни один из ответов не верен.
Математическое ожидание произвольной дискретной случайной величины определяется по

формуле
25

А.  x p( x) dx

Б.  k
pk
В.  k
xk pk
1
Г. ( x1  ...  xn )
n
Какое свойство НЕ всегда справедливо для дисперсии:

А. Dc  0
Б. D (   )  D  D
В. D  M 2  (M ) 2
Г. D  cov( ,  )
Математическое ожидание абсолютно непрерывной случайной величины находится по

формуле

А.  p( x) dx


Б.  x p( x) dx

В.  p k k
Г. xp k k k
Дисперсия абсолютно непрерывной случайной величины равна


А. D   ( x  M ) 2 dx


Б. D   ( x  M ) 2 p( x) dx


В. D   ( x  x ) 2 p( x) dx

1 
Г. D   ( x  x ) 2 dx
n  
Какое свойство НЕ выполняется для независимых случайных величин  ,  ?

А. cov( , )  0
Б. D(   )  D  D
В. M ( )  M M
Г. D( )  D D
Дисперсия дискретной случайной величины равна

А. D  k ( xk  M ) 2
Б. D  k ( xk  M ) 2 pk
1
В. D   ( xk  x ) 2
n k
1
Г. D   ( xk  x ) 2
n 1 k
Математическое ожидание и дисперсия показательной случайной величины с параметром 

равны соответственно
26
А.  и
Б.  и 2
В. 1/  и 1/ 
Г. 1/  и 1/  2
Математическое ожидание дискретной случайной величины находится по формуле

А.  P(  xk )
k
Б.  x P(  x )
k
k k
В.  kP(  x )
k
k
Г.  x P(  x )
k
k k
Математическое ожидание и дисперсия пуассоновской случайной величины с параметром

 равны соответственно
А.  и
Б.  и 2
В. 1/  и 1/ 
Г. 1/  и 1/  2
Математическое ожидание и дисперсия случайной величины   N (a, 2 ) равны

А. aи 
Б. aи 2
В. 2и a
Г. 0 и 2
Какое свойство математического ожидания НЕ всегда выполнено?

А. M  2  ( M  )2
Б. M   M  M
В. M (   )  M   M
Г. если   0 , то M   0
9. Ковариация и корреляция
Какое из свойств НЕ является свойством ковариации?

А. cov(c , )  cov(c ,  ) ;
Б. cov(   ,  )  cov( , )  cov( ,  )
В. cov( , )  0 для независимых  ,
Г. cov(c ,  )  c 2 cov( ,  )
Ковариация случайных величин  и  равна

А. M 
Б. M   M  M
27
В. ( M   M  M  ) /( D D )
Г. ( M   M  M ) / D D
Какое свойство коэффициента корреляции  справедливо?

А. если   1 , то случайные величины независимы
Б. если   0 , то случайные величины независимы
В. если   1 , то случайные величины линейно зависимы
Г. если   0 , то случайные величины линейно зависимы
Для случайных величин  и  справедливо неравенство

А. cov( , )  D D
Б. cov 2 ( , )  D  D
В. cov 2 ( , )  D(   )
Г. cov( , )  D D .
Какое из свойство ковариации НЕ всегда выполнено?

А. cov(1   2 , )  cov(1 , )  cov( 2 , )
Б. cov( ,  )  D
В. cov( , c )  c cov( , )
Г. cov( , )  0
10. Предельные теоремы
Приближенная формула Пуассона используется в случае, когда

А. n велико, np мало
Б. n велико, np велико
В. n любое, np велико
Г. не хватает данных для точного подсчета
Локальная теорема МуавраЛапласа используется в случае, когда

А. n велико, np мало
Б. n велико, np велико
В. n любое, np велико
Г. не хватает данных для точного подсчета
Приближенная формула Пуассона имеет вид

m
А. Pn (m)  e  , где   np
m!
m
Б. Pn (m)  e  , где   mp
m!
nm
В. Pn (m) 
m!
n!
Г. Pn (m) 
m!(n  m)!
Согласно локальной теореме Муавра-Лапласа, приближенная формула для вероятности

m успехов в n испытаниях имеет вид
28
2
А. e m /2
/ 2 npq
Б. (np ) e  np / m !
m
2
В. e x /2
/ 2 npq , x  (m  np ) / npq
Г. (np) e  np / m !, x  (m  np) / npq
x
Пусть Sn – сумма n независимых одинаково распределенных случайных величин с

математическим ожиданием a и дисперсией 2. Усиленный закон больших чисел
заключается в том, что:
S 
А. lim  n  a   1
n 
 n 
 S 
Б.  lim n  a   1
n n
 
S 
В. lim  n  a     0
n   n
 
 S  na 
Г. lim  n     1
n 
  n 

математическим ожиданием a и дисперсией 2. Закон больших чисел заключается в том, что:
 S 
А.  lim n  a   1
n n
 
S 
Б. lim  n     1
n 
 n 
 S  na 
В. lim  n  x    ( x)
n 
  n 
S 
Г. lim  n  a     0
n 
 n 

математическим ожиданием a и дисперсией 2. Центральная предельная теорема
заключается в том, что:
S 
А. lim  n  a     0
n   n
 
 S  na 
Б. lim  n  x    ( x)
n 
  n 
 S 
В.  lim n  a   1
n n
 
 S  na 
Г. lim  n n  x   ( x)
n
  
Неравенство Чебышева заключается в том, что:

А.        D 
29
Б.           2  2
В.        D  2
Г.           
11. Характеристическая функции
Какое свойство НЕ обязательно выполняется для характеристической функции:

А. (t) непрерывна
Б.  (t)=  (t)
В.  (0)=1
Г. | (t)|1.
Какое свойство НЕ обязательно выполняется для характеристической функции:

А. | (t)|1
Б.  (t) равномерно непрерывна
В.    i (0)
Г.  (0)=1
Какая функция НЕ является характеристической:

2
А. et
Б. cos( t 2 )
t
В. e
Г. cos3 t

sin t
А.
t
1
Б.
1 t2
2/3
В. cost
eit  1
Г.
it

cos t
А.
1 t2
2
Б. 1  e 1 / t
В. cos5 t
2(1  cos t )
Г.
t2
Тесты по математической статистике
12. Cтатистические оценки
Гистограмма помогает оценивать:

А. плотность
Б. дисперсию
30
В. функцию распределения
Г. зависимость величин
Вариационный ряд – это

А. последовательность наблюдений
Б. набор различных значений, которые принимают наблюдения
В. наблюдения, упорядоченные по возрастанию
Г. наблюдения, упорядоченные по убыванию
Эмпирическая функция распределения Fn НЕ обладает свойством

А. Fn не убывает
Б. lim Fn ( x)  1
x 
В. lim Fn ( x)  0
x 
Г. Fn непрерывна
Оценкой для неизвестного параметра называется

А. истинное значение параметра
Б. угаданное значение параметра
В. функция от выборки
Г. число, отличающееся от параметра не более, чем на заданную величину
Оценка параметра называется несмещенной, если

А. ее отклонение от оцениваемого параметра минимально
Б. ее математическое ожидание равно оцениваемому параметру
В. она равна выборочному среднему
Г. ее дисперсия минимальна
Оценка называется состоятельной, если:

A. оценка сходится по вероятности к точному значению параметра при увеличении числа
испытаний
Б. математическое ожидание оценки равно точному значению параметра
В. оценка имеет наименьшую дисперсию
Г. математическое ожидание оценки минимально
Оценка называется эффективной, если:

A. оценка сходится по вероятности к точному значению параметра при увеличении числа
испытаний
Б. математическое ожидание оценки равно точному значению параметра
В. оценка имеет наименьшую дисперсию
Г. математическое ожидание оценки минимально
Дисперсия наилучшей оценки, построенной по неравноточным наблюдениям, равна

А. ( 11  ...   n 1 ) 2
Б. ( 12  ...   n 2 )1
В. ( 12  ...   n 2 ) 2
Г. ( 12  ...   n 2 )2
Теорема Слуцкого утверждает, что
31
А. две независимые последовательности, сходящиеся по распределению, сходятся по

вероятности
Б. две последовательности, сходящиеся по вероятности, независимы
В. гладкая функция от двух последовательностей сходящихся по распределению,
сходится по распределению
Г. непрерывная функция от двух последовательностей, сходящихся по вероятности,
сходится по вероятности
Несмещенная (исправленная) оценка дисперсии имеет вид

1 n 2
А.  ( xi  x 2 )
n i 1
1 n
Б.  ( xi  x ) 2
n  1 i 1
1 n
В.  xi
n i 1
1 n
Г.  ( xi  x ) 2
n i 1
Cмещенная (неисправленная) оценка дисперсии имеет вид

1 n 2
А.  ( xi  x 2 )
n i 1
1 n
Б.  ( xi  x ) 2
n  1 i 1
1 n
В.  xi
n i 1
1 n
Г.  ( xi  x )2
n i 1
Несмещенная оценка среднего имеет вид

1 n
А.  xi
n  1 i 1
1 n
Б.  ( xi  x ) 2
n  1 i 1
1 n
В.  xi
n i 1
1 n
Г.  ( xi  x )2
n i 1
Метод максимального правдоподобия состоит в

А. нахождении оценки с наименьшей дисперсией
Б. поиске максимума функции правдоподобия
В. поиске максимального значения параметра
Г. приравнивании теоретической и выборочной функции правдоподобия
Функция правдоподобия выборки имеет вид
32
n
А.  p ( x , )
i 1
i
n
Б.  p ( x , )
i 1`
i
n
В. max  p ( xi , )

i 1`
n
Г.  ln p( x , )
i 1`
i
Метод наименьших квадратов заключается в

А. использовании статистики хи-квадрат
Б. минимизации суммы квадратов отклонений
В. минимизации квадрата суммы отклонений
Г. минимизации квадрата правдоподобия
Метод моментов заключается в

А. выражении параметров через моменты
Б. нахождении математического ожидания и дисперсии
В. минимизации суммы квадратов отклонений
Г. поиске максимума функции моментов
13. Функции и распределения математической статистики, теорема Фишера
Теорема Фишера утверждает, что для нормальной выборки

А. x и s 2 независимы
Б. (n  1) s 2 /  2   n2
В. n ( x  a) / s 2  t n 1
Г. x  N (0,1)
Теорема Фишера утверждает, что для нормальной выборки

А. x и s 2 зависимы
Б. (n  1) s 2 /  2   n21
В. n ( x  a) / s 2  t n 1
Г. x  N ( a,  2 )
Если 0 , 1 ,...,  n – независимые стандартные нормальные величины, то распределение

Стьюдента имеет случайная величина
А.  0 n /  0 2  1 2  ...   n 2
Б.  0 n / 12  ...   n2
В.  0 / 1  ...   n
Г.  0 n / (12  ...   n2 )
Плотность распределения Фишера отлична от нуля
33
А. на всей числовой прямой

Б. на положительной полуоси
В. на отрицательной полуоси
Г. на отрезке [0,1]
Плотность распределения Стьюдента отлична от нуля

А. на всей числовой прямой
Б. на положительной полуоси
В. на отрицательной полуоси
Г. на отрезке [0,1]
Бета-функция в точке ( a, b ) равна

1
a 1
А. x (1  x)b 1 dx
0

a 1  ( b 1) x
Б. x
0
e dx
1
a
В. x (1  x)b dx
0

a 1  bx
Г. x
0
e dx .
Распределения Стьюдента имеет

А. один параметр – число степеней свободы
Б. два параметра – числа степеней свободы
В. два параметра – число степеней свободы и уровень значимости
Г. два параметра – число степеней свободы и параметр сдвига
Распределение Фишера имеет

А. один параметр – число степеней свободы
Б. один параметр – уровень значимости
В. два параметра – два числа степеней свободы
Г. два параметра – уровень значимости и число степеней свободы
Распределение Стьюдента имеет случайная величина

А. 12  ...   n2 , где 1 ,...,  n  N (0,1) и независимы
Б. (12  ...   n2 ) / n , где 1 ,...,  n  N (0,1) и независимы
В.  0 / ( 02  ...   n2 ) / n , где  0 ,...,  n  N (0,1) и независимы
Г.  0 / (12  ...   n2 ) / n , где  0 ,...,  n  N (0,1) и независимы
Распределение  2 имеет случайная величина

А. равная квадрату нормальной случайной величины N (a,  2 )
Б. равная квадрату суммы независимых нормальных случайных величин N (0,1)
В. равная сумме квадратов независимых нормальных случайных величин N (0,1)
Г. ни один из приведенных ответов не верен
34
Если 0 , 1 ,...,  n – независимые стандартные нормальные величины, то распределение  2

имеет случайная величина
А. (12  ...   n2 ) / n
Б. 12  ...   n2
В. (1  ...   n )2
Г. 0 n /(12  ...   n2 )
Бета-функция (a, b) равна

А. (a )(b) / (a  b)
Б. (a  b) /((a )(b))
В. ((a )  (b)) / (a  b)
Г. (a )  (b)
Справедливо равенство
А. (1 / 2)  
Б. (3)  2 
В. (1,1)  
Г. (1,1)  0
Распределение Фишера имеет случайная величина

А. 12  ...   n2 , где 1 ,...,  n  N (0,1) и независимы
Б.  m2 /  n2 , где  m2 ,  n2 независимы и имеют  2 - распределение
 m2 / m
В. 2
, где  m2 ,  n2 независимы и имеют  2 - распределение
n / n
1 2
Г.  n , где  n2 имеет  2 - распределение
n
Плотность гамма-распределения ограничена, если

А.  1
Б.  1
В.  1
Г.   1,   1
14. Доверительные интервалы
Доверительный интервал для параметра – это интервал,

А. в который параметр попадает с максимальной вероятностью
Б. в котором параметр лежит с заданной вероятностью
В. в котором лежат все возможные значения параметра
Г. в котором выборочное среднее лежит с заданной вероятностью
Доверительный интервал для среднего нормальной выборки при неизвестной дисперсии

имеет вид
А. x  s 2t / n  a  x  s 2t / n
35
Б. x  su  / n  a  x  su  / n
В. x  s 2 u / n  a  x  s 2 u  / n
Г. x  st  / n  a  x  st  / n
Доверительный интервал для среднего нормальной выборки при известной дисперсии имеет
вид
А. x  t / n  a  x  t / n
Б. x  u / n  a  x  u / n
В. x  s 2 u / n  a  x  s 2 u  / n
Г. x  st  / n  a  x  st  / n
Доверительный интервал для следующего наблюдения нормальной выборки имеет вид

А. x  st / n  xn 1  x  st / n
1 1
Б. x  su 1   xn 1  x  su 1 
n n
В. x  u / n  xn 1  x  u / n
1 1
Г. x  st 1   xn 1  x  st 1 
n n
Точный доверительный интервал для неизвестного среднего можно построить, когда

А. число наблюдений велико
Б. выборка взята из нормального распределения
В. известна дисперсия
Г. существует состоятельная оценка среднего
Надежность доверительного интервала – это

А. половина его длины
Б. его длина
В. его уровень значимости в интервале
Г. вероятность того, что интервал накроет неизвестный параметр
Точность доверительного интервала – это

А. половина его длины
Б. его длина
В. его уровень значимости в интервале
Г. вероятность того, что интервал накроет неизвестный параметр
Доверительный интервал для дисперсии нормальной выборки содержит

А. критическую точку распределения хи-квадрат уровня  / 2
Б. критическую точку распределения хи-квадрат уровня 
В. критическую точку распределения Фишера уровня  / 2
Г. критическую точку распределения Стьюдента уровня 
15. Проверка гипотез
Нулевая гипотеза – это
36
А. простая гипотеза
Б. гипотеза, которая редко отвергается
В. гипотеза о том, что математическое ожидание равно нулю
Г. гипотеза, которая считается верной изначально
Ошибка второго рода совершается, если

A. отвергается неверная гипотеза H 0
Б. отвергается верная гипотеза H 0
В. отвергается неверная гипотеза H1
Г. отвергается верная гипотеза H1
Ошибка первого рода совершается, если

А. отвергается неверная гипотеза H 0
Б. отвергается верная гипотеза H 0
В. отвергается верная гипотеза H1
Г. отвергается верная гипотеза H1
Уровень значимости критерия – это

А. вероятность ошибки 1 рода
Б. вероятность не совершить ошибку 1 рода
В. вероятность совершить ошибку 2 рода
Г. мощность критерия
Мощность критерия – это:

А. мощность критического множества
Б. среднее число верных ответов, которые дает критерий
В. вероятность не совершить ошибку 1 рода
Г. вероятность не совершить ошибку 2 рода
Критической областью при проверке статистических гипотез называется

А. область значений наблюдаемой статистики, в которой верна гипотеза H 0
Б. область значений наблюдаемой статистики, в которой верна гипотеза H1
В. область значений наблюдаемой статистики, в которой отклоняется гипотеза H 0
Г. область значений наблюдаемой статистики, в которой отклоняется гипотеза H1
Cтатистика для проверки гипотезы о вероятности успеха в схеме Бернулли в случае одной
выборки имеет вид
w  p0
А. n
w(1  w)
w  p0
Б. n
p0 (1  p0 )
w  np0
В. n
w(1  w)
w  np0
Г. n
p0 (1  p0 )
37
Гипотеза называется сложной, если

А. для нее нет оптимального критерия
Б. для нее нельзя задать уровень значимости
В. распределение выборки при ней не нормальное
Г. она не задает однозначно распределение выборки
Статистика Стьюдента для нормальной выборки имеет вид

А. n ( x  a0 ) / s
Б. n ( x  a0 ) / s 2
В. n( x  a0 ) / s 2
Г. 0 (12  ...   n2 n
Если неизвестно распределение статистики критерия при альтернативной гипотезе, то

А. неизвестна вероятность ошибки 1 рода
Б. неизвестна вероятность ошибки 2 рода
В. неизвестен уровень значимости
Г. этим критерием нельзя пользоваться
Для применения критерия Стьюдента для двух выборок необходимо, чтобы:

А. математические ожидания выборок были равны
Б. дисперсии выборок были равны
В. дисперсии выборок были различны
Г. математические ожидания выборок были различны
Для проверки гипотезы о равенстве дисперсий двух выборок (против неравенства)

используют:
Б. критическую точку распределения Стьюдента уровня 
Г. критическую точку распределения хи-квадрат уровня 
Для проверки гипотезы о равенстве дисперсий двух выборок (против того, что первая
больше) используют:
Б. критическую точку распределения Стьюдента уровня 
Г. критическую точку распределения Фишера уровня 
Дисперсионный анализ используется для

А. проверки равенства дисперсии заданному значению
Б. проверки равенства средних для двух выборок
В. проверки равенства средних для нескольких выборок
Г. проверки равенства дисперсий для нескольких выборок
Для применения дисперсионного анализа необходимо, чтобы:

А. математические ожидания выборок были равны
Б. дисперсии выборок были равны
В. дисперсии выборок были различны
Г. математические ожидания выборок были различны
38

Язык

Приложение

Загружено:

Сведения о документе

Авторское право

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Приложение

Загружено:

Авторское право:

© А.В.Лебедев, Л.Н.

Фадеева, 2018 ISBN 978-5-600-02149-5

Приложение Ф. Фонд оценочных средств

Контрольная работа № 1 по теории вероятностей

Найти коэффициент корреляции.

Найти функцию регрессии  по .

Контрольная работа № 2 по теории вероятностей

8. Нормальное распределение (плотность, функция распределения, графики, математическое

7. Совместная функция распределения и плотность двумерной непрерывной случайной

Экзаменационная работа по теории вероятностей

5. Время прихода автобуса на остановку (в минутах) равномерно распределено на отрезке

Найти константу C, функцию распределения F (x) , вероятность P (2    3) ,

Контрольная работа № 1 по математической статистике

2. Распределения хи-квадрат, Стьюдента и Фишера: определения, характеристики (кроме

4. Найти оценку методом моментов для параметра θ распределения Парето F(x)=1(/x)7,

Контрольная работа № 2 по математической статистике

3. В деревне Кошкино проведено выборочное исследование доходов. По выборке из 16

Экзаменационная работа по математической статистике

4. Ежедневный спрос на некоторый товар имеет равномерное распределение на отрезке [a,b].

времени показал, что работа занимает в среднем 38 минут со средним квадратическим

Тесты по теории вероятностей

Размещением m элементов из n называется

Сочетанием m элементов из n называется

Формула для числа сочетаний без повторений m элементов из n имеет вид

Формула для числа размещений без повторений m элементов из n имеет вид

Формула для числа разбиений на группы имеет вид

Формула для числа размещений без повторений m элементов из n имеет вид

Каково классическое определение вероятности?

В определение классического вероятностного пространства входит условие:

Вероятность события – это

В случае дискретного вероятностного пространства событием называется

Вероятностное пространство – это

Б. множество, элементы которого можно перечислить

В классической вероятностной модели

3. Операции над событиями

События А и В называются несовместными, если

События А и В называются независимыми, если

Объединение событий А и B произошло, если

Пересечение событий A и В произошло, если

К числу формул де Моргана относится равенство

К числу формул де Моргана относится равенство

4. Основные формулы теории вероятностей

Формула полной вероятности имеет вид:

Теорема умножения вероятностей имеет вид

События А и B независимы, если

Формула Байеса имеет вид

Теорема сложения вероятностей (в общем случае) имеет вид

Условная вероятность P( A | B ) события А при условии В равна

Какое из свойств условной вероятности НЕ верно?

Пусть событие А может произойти совместно с некоторыми событиями (гипотезами) H i .

В условии теоремы Байеса

Формула сложения для совместных событий имеет вид

События образуют полную группу, если

События А и В несовместны, если

Условная вероятность события A при условии B равна

Свойством испытаний Бернулли является следующее:

Вероятность того, что в n испытаниях Бернулли произойдет m успехов, равна

Наиболее вероятное число успехов m  в схеме Бернулли определяется по формуле

Наивероятнейшее число успехов в схеме Бернулли может принимать

Формула Бернулли для вероятности m успехов в n испытаниях имеет вид

6. Случайные величины и распределения

Случайная величина называется дискретной, если она

Случайная величина распределена по Пуассону, если

Какое из перечисленных ниже свойств справедливо для дискретной случайной величины  ,

Случайная величина распределена по Бернулли, если

Случайная величина распределена по показательному закону, если