Vajad kellegagi rääkida?
Küsi julgelt abi LasteAbi
Logi sisse

Tõenäosusteooria ja matemaatiline statistika (0)

5 VÄGA HEA
Punktid

Esitatud küsimused

  • Kuidas tekib binoomjaotus?
  • Kuidas tekib Poissoni jaotus?

Lõik failist

Teooria eksami probleemid 
 
I osa Tõenäosusteooria  
 

1.  TT ja MatStat kui üksteise pöördteadused.  
Tõenäosusteooria  on   matemaatika   osa,  mis  uurib  juhuslike  nähtuste  üldisi  seaduspärasusi  sõltumatult  nende  nähtuste 
konkreetsetsest  sisust  ja  annab  meetodid  nendele  nähtustele  mõjuvate  juhuslike  mõjude  kvantitatiivseks  hindamiseks. 
Juhuslikkusel  põhinev   lähenemine   nõuab  erilisi   meetodeid ,  mida  võimaldab  tõenäosusteooria.  Matemaatiline  statistika  on 
matemaatika  osa,  mis  uurib  statistiliste  andmete  kogumise,  süstematiseerimise,  töötlemise  ja  statistiliste  järelduste  tegemise 
meetodeid. Matemaatilise statistika eesmärgiks on statistiliste seaduspärasuste avastamine ja kirjeldamine. 
 
2.  Defineerige sündmuste algebra . Tooge vähemalt 2 sündmuste algebra mittetriviaalset näidet 
Sündmuste  algebra  koos  tema  määratud  tõenäosusmõõduga  moodustavad  tõenäosusruumi.  Mõnikord  on  kasulik  sündmuste 
sigma -algebrast  mõelda  ka  kui  informatsioonist  selle  kohta,  millistesse  Ω  alamhulkadesse  kuulumist  suudab  vaateleja  temale 
antava (sageli osalise) informatsiooni põhjal kindlaks teha. Mida rohkem informatsiooni vaatelja katsetulemuse kohta saab, seda 
rohkem hulki sisaldab ka vastav sigma-algebra. 
Klassi F0 nimetatakse sündmuste algebraks, kui: 
1)  ∅,Ω ∈ F0 (Ω  Ā ∈ F0 
3)  A,B ∈ F0 => A + B ∈ F0 
Nt: Ω = {1,2,3,4,5,6} 
a.  F = {∅,Ω} 
b.  A = {2,3,5}; F = {∅,Ω,A,Ā} 
c.  F = {∅,Ω,{2,4,5},{5},{1,3,6},{1,2,3,4,6},{1,3,5,6},{2,4}} 
Nt2 Tihti pakub huvi väikseim sigma-algebra, mis sisaldab mingitfikseeritud sündmuste komplekti. Sel juhul öeldakse, et sigma-
algebra on industreeritud vaadeldava sündmuste komplekti poolt. Olgu Ω=[0, 1] ning A = [0, ¾), B = [1/2,1]. Siis sündmuste A ja 
B poolt indutseeritud sigma-algebraks on 
F = {∅,[0,1/2),[1/2,3/4),[3/4,1],A,B,[0,1/2)U[3/4,1],Ω} 
Punkti  juhuslikul  valimisel  lõigust  [0,1]  on  loomulik  lugeda  sündmusteks  valitud  punkti  sattumist  osalõikudesse  [a,b],  kus(a 
väiksemvõrdne b). Seega pakub suurt huvi ka vähim sigma algebra, mis sisaldab kõiki osalõike. 
 
3.  Tõenäosuse  aksiomaatiline  definitsioon.  Tõestada  aksioomide  põhjal,  et tühja  hulga  tõenäosus  on  null.  Tuletada 
liitmislause 2 sündmuse (liidetava) puhul 
Def: Olgu Ω mingi hulk, mille element ω me  nimetame  elementaarsündmuseks. Olgu S hulga Ω mingi alamhulkade 
hulk. Hulga S elemente nimetame juhuslikeks sündmusteks ja hulka Ω elementaarsündmuste ruumiks. 
Hulka S nimetame hulga Ω hulkade algebraks, kui 1) Ω∈ S 2) A∈S ja B∈S => AUB ∈ S ja AÜB ∈S ja A/B ∈S 
Tühja hulga tõenäosuse tõestamine: 
1)  P(∅) = 0 tõestus: on ilmne, et ∅+∅=∅ ja ∅*∅=∅. Seega P(∅) = P(∅+∅) = P(∅) + P(∅) => P(∅) = 0. 
Liitmislause: on selge, et A+B = A\B + B\A + AB ja (A\B)AB = ∅; (B\A)AB = ∅; (A\B)(B\A) = ∅. A = A\B + AB 
ja B = (B\A) + AB. Seega P(A\B) = P(A) – P(AB); P(B\A) = P(B) – P(AB). 20 põhjal  same , et P(A+B) = P(AB) + 
P(A\B) + P(B\A) = P(AB) + P(A) – P(AB) + P(B) – P(AB) = P(A) + P(B) – P(AB)   
2)  AB = ∅ => P(A+B) = P(A) + P(B); P(∑ ∞

i=1 Ai) = ∑i=1 P(Ai) 
P(A+B)= P(A)+P(B)-P(AB) 
 
4.  Tõenäosuse klassiklaline ja geomeetriline interpretatsioon. Nende põhimõtteline erinevus. 
Klassikaline – kasutatakse juhul, kui | Ω |  A = ∅; geomeetriline P(A) = 0 ≠> A = ∅. 
 
5.  Teoreetiline ja statistiline tõenäosus. Nende vaheline seos tuginedes Suurte Arvude Seadusele 
 ( )
Teoreetiline – tõenäosust P*(A) nimetatakse sündmuse A teoreetiliseks tõenäosuseks, kui lim    |
    ( )| = 0 
Vasakule Paremale
Tõenäosusteooria ja matemaatiline statistika #1 Tõenäosusteooria ja matemaatiline statistika #2 Tõenäosusteooria ja matemaatiline statistika #3 Tõenäosusteooria ja matemaatiline statistika #4 Tõenäosusteooria ja matemaatiline statistika #5 Tõenäosusteooria ja matemaatiline statistika #6 Tõenäosusteooria ja matemaatiline statistika #7 Tõenäosusteooria ja matemaatiline statistika #8 Tõenäosusteooria ja matemaatiline statistika #9 Tõenäosusteooria ja matemaatiline statistika #10
Punktid 100 punkti Autor soovib selle materjali allalaadimise eest saada 100 punkti.
Leheküljed ~ 10 lehte Lehekülgede arv dokumendis
Aeg2016-05-31 Kuupäev, millal dokument üles laeti
Allalaadimisi 162 laadimist Kokku alla laetud
Kommentaarid 0 arvamust Teiste kasutajate poolt lisatud kommentaarid
Autor bzjuwa Õppematerjali autor
Kokkuvõtlikult kõik eksamiküsimuste vastused

Sarnased õppematerjalid

thumbnail
32
docx

Tõenäosusteooria ja matemaatiline statistika

Teooria eksami probleemid I osa Tõenäosusteooria 1. Defineerige sündmuste algebra. Tooge vähemalt 2 sündmuste algebra mittetriviaalset näidet Klassi F0 nimetatakse sündmuste algebraks, kui: 1) ∅,Ω ∈ F0 (Ω < ∞; Ω – elementaarsündmuste ruum ehk hulk, mille elementideks on juhusliku katse kõikvõimalikud tulemused) 2) A ∈ F0 => Ā ∈ F0 3) A,B ∈ F0 => A + B ∈ F0 Nt: Ω = {1,2,3,4,5,6} a. F = {∅,Ω} b

Tõenäosusteooria ja matemaatiline statistika
thumbnail
28
docx

Tõenäosusteooria ja matemaatilise statistika kordamisküsimused

SÜNDMUSE TÕENÄOSUS 1. Mis on sündmus tavaelus? 2. Mis on juhuslik sündmus? 3. Millisest aspektist me tahame sündmusi uurida? 4. Sündmuse matemaatiline definitsioon (elementaarsündmus, elementaarsündmuste ruum, sündmus). Elementaarsündmus on mingi vaadeldava protsessi või läbiviidava katse tulemus. Elementaarsündmuste ruumi moodustavad kõik elementaarsündmused ehk kõikvõimalike tulemuste hulk. Sündmuseks nimetatakse mingit suvalist elementaarsündmuste ruumi alamhulka. 5. Sündmuse toimumise kriteerium. Sündmuse toimumise juures on meile oluline vaid see, kas toimub või mitte. Sündmus

Tõenäosusteooria ja matemaatiline statistika
thumbnail
15
pdf

Kordamisküsimuste vastused

Statistika teooria I 1. Kirjeldava statistika põhimõisted: aritmeetiline keskmine, mediaan, kvartiilid, mood, dispersioon, standardhälve, haare. Esitada definitsioonid ja osata antud andmeväärtuste puhul neid mõisteid rakendada N x + x 2 + ... + x N xi Aritmeetiline keskmine: µ = 1 = i =1 N N

Tõenäosusteooria ja matemaatiline statistika
thumbnail
11
docx

ÜLEVAADE TÕENÄOSUSTEOORIA PÕHIMÕISTETEST

elementaarsündmused sisalduvad ka sündmuses B (nt A: ärtu sõdur, B: ärtu piltkaart, C: piltkaart korral A B C) Vastandsündmus A : sisaldab kõik elementaarsündmused, mis ei sisaldu sündmuses A (nt A: must kaart, A : punane kaart) sündmusega seondub tema tõenäosus, mis on mingi arv nullist kuni üheni. Tõenäosus- sündmuse esinemissagedust katsetes (ka võimalikkust, osakaalu vms). Tõenäosusteooria seisukohalt on tõenäosus sündmuse mõõduks ning tõenäosuse omadused tulenevad tõenäosusteooria aksiomaatikast : 1.Normeeritusaksioom: 0 P(A) 1 2 Liitmisaksioom: vastastikkku välistuvate sündmuste loenduva summa tõenäosus võrdub nende sündmuste tõenäosuste summaga, st P( Ai ) = P( Ai ) kui AiAj = Ø (-aditiivsus) 3.Tinglik tõenäosus määratletakse seosega P(A/B) = P(AB) / P(B) (tinglik tõenäosus näitab sündmuse A

Rakendusstatistika
thumbnail
22
docx

Statistika kordamisküsimused

Determinatsioonikordaja iseloomustab mudeli kirjeldusvõimet. Standardviga iseloomustab funktsioontunnuse väärtuste yi kõrvalekallet regressioonmudeliga määratud väärtustest ŷi. Mudel kirjeldab suuruste vahelist seost: mis suunas üks suurus teist mõjutab; kui palju mõjutab; kas mõju on lineaarne või mittelineaarne. Mudel võimaldab prognoosimist. Mudel võimaldab välja tuua erindeid. Regressioonanalüüs võimaldab hinnata mudeli parameetrite arvväärtusi. Ei ütle, milline matemaatiline kuju peab mudelil olema. Lineaarne mudel y= ax + b on üks võimalikest. Teooriast on teada, millise kujuga seos uuritavate suuruste vahel eksisteerib, on teada mudeli üldkuju. On vaja leida vaid konkreetsele andmestikule vastavad parameetrid, st mudeli konkreetne kuju. Regressiooni jääk on valimisse kuuluva objekti tegeliku väärtuse ja mudelväärtuse vahe: Mitmene regressioon - Sõltuvat tunnust mõjutab enamasti rohkem kui üks seletav tunnus. Käivet võib

Statistika
thumbnail
10
docx

Tõenäosusteooria harjutusülesanded

Klassikaline või geomeetriline tõenäosus μ(ΩA)=(2,25-2*0,5)=1,25 k V =k! Ck P(A)=1,25/2,25=5/9 Variatsioonid: n n Liitmislause, korrutamislause, tinglik 1) Karbis on 10 pooljuhti, neist 7 hiljuti testitut. Karbist tõenäosus, sõltumatud sündmused, võetakse huupi 5 pooljuhti. Leidke tõenäosus, et sõltumatute katsete seeria nende hulgas on täpselt 3 hiljuti testitut. Liitmislause: P(A1+A2)=P(A1)+P(A2)-P(A1A2) Lahendus: A=“3 pooljuhti 5-st on testitud“ P((A1+A2)+A3)= P(A1)+P(A2)+P(A3)-P(A1A2)- 5 P(A1A3)-P(A2A3)+P(A1A2A3) │Ω│=n= C10 =12 Tinglik tõenäosus: DEF. P(A/B)=P(AB)/P(B) ; 3 2

Tõenäosusteooria ja matemaatiline statistika
thumbnail
2
doc

TN teooria III kordamisküsimused

25- protsentiili nim. esimene kvartiil. Mediaan on 50-protsentiil e. teine kvartiil. 75-protsentiil nim. kolmas kvartiil. Mood ­ arvrea suurima sagedusega liige. Dispersioon ­ 2= ((x1-x)2+(x2-x)2+...+(xN-x)2)/N =(i=1N(xi-x)2)/N Standardhälve ­ =2 Haare ­ arvrea suurima ja vähima väärtuse vahe 2. Sündmus ja tõenäosus. Kindel sündmus ja võimatu sündmus. Sündmus ­ on tõenäosusteooria põhimõiste. Tavaliselt tähistatakse sündmusi suurte tähtedega ladina tähestiku algusest:A, B, C Vajadusel kasutatakse indekseid. Sündmuse tõenäosus ­ on sündmuse toimumise võimalikkust näitav arv lõigult (0,1), mida tavaliselt tähistatakse tähega P. Võimatu sündmuse V tõenäosus P(V)=0 Kindla sündmuse K tõenäosus P(K)=1 3

Tõenäosusteooria ja matemaatiline statistika
thumbnail
8
docx

Rakendusstatistika kokkuvõte

Oluline erinevus on järelduste tundlikkuses: mitteparameetrilised skeemid on oluliselt tuimemad ja sama järeldustäpsuse saavutamiseks vajatakse rohkem katseandmeid. Miteparameetriline Mann-Whitney test on kahe valimi homogeensushüpoteesi kontrolliks. Testi sammud: *koguda kaks sõltumatut valimit *järjestada andmed ühise kasvava reana *leida kummagi valimi elementidele xi ja yj vastavad järjekorranumbrid ühises reas. *leida xi'dele vastavate järjekorranumbrite summa *leida testi statistik T=S-N(N+1)/2 *valitud olulisuse nivoo alfa ja valimite mahtude N ja M jaoks leida vastavatest tabelist kriitiline kvantiil *järelduste tegemine: kuistatistik jääb kahe kriitlise kvantiili vahele, siis võetakse nullhüpotees vastu ja valimid võib lugeda homogeenseks. Aegrida on aja järgi järjestatud valim. Aegridade põhjal mudeli hindamist, sellest järelduste tegemist jms nim aegridade analüüsiks. Aegread tekivad selliste protsesside

Rakendusstatistika




Meedia

Kommentaarid (0)

Kommentaarid sellele materjalile puuduvad. Ole esimene ja kommenteeri



Sellel veebilehel kasutatakse küpsiseid. Kasutamist jätkates nõustute küpsiste ja veebilehe üldtingimustega Nõustun