Вероятность и статистика: Итоговое повторение

Слайд 1. Вероятность и статистика: Итоговое повторение

Обобщение и систематизация знаний для 11 класса

Слайд 2. Ключевые разделы курса

Элементы комбинаторики и правила счёта

Описательная статистика и анализ данных

Классическая, геометрическая и условная вероятность

Случайные величины и законы их распределения

Математическая статистика и проверка гипотез

Слайд 3. Раздел 1. Комбинаторный анализ

Слайд 4. Выборки: Размещения vs Сочетания

Порядок элементов в выборке имеет значение. Используется, когда мы не только выбираем объекты, но и распределяем их по ролям или местам. Формула: $A_n^k=\frac{n!}{(n-k)!}$.

Порядок элементов не важен. Нас интересует только состав группы. Применяется при выборе делегаций или подмножеств. Формула: $C_n^k=\frac{n!}{k!(n-k)!}$.

Слайд 5. Треугольник Паскаля

Числа в треугольнике Паскаля соответствуют значениям сочетаний $C_n^k$. Каждое число равно сумме двух чисел, стоящих над ним. Это удобный инструмент для быстрого нахождения коэффициентов бинома Ньютона и решения вероятностных задач.

Слайд 6. Раздел 2. Описательная статистика

Слайд 7. Меры центральной тенденции и разброса

Слайд 8. Анализ частотного распределения

Гистограмма позволяет визуально оценить характер распределения данных. В данном примере наблюдается унимодальное распределение, близкое к нормальному, с пиком в группе B.

Слайд 9. Раздел 3. Теория вероятностей

Слайд 10. Классическое определение вероятности

Вероятность события $A$ — это отношение числа благоприятных исходов к общему числу равновозможных исходов.

Формула: $P(A)=\frac{m}{n}$.

Условие: исходы должны быть несовместными и равновозможными.

Свойство: $0\le P(A)\le 1$.

Сумма вероятностей противоположных событий: $P(A)+P(\bar{A})=1$.

Слайд 11. Операции над событиями

$A\cup B$: происходит хотя бы одно событие. Для несовместных: $P(A+B)=P(A)+P(B)$.

$A\cap B$: события происходят одновременно. Для независимых: $P(AB)=P(A)\cdot P(B)$.

$P(A|B)$: вероятность $A$ при условии, что $B$ уже произошло. $P(A|B)=\frac{P(AB)}{P(B)}$.

Слайд 12. Схема Бернулли

Используется для расчёта вероятности того, что в $n$ независимых испытаниях событие $A$ (успех) произойдёт ровно $k$ раз. Вероятность успеха в каждом опыте постоянна и равна $p$. Формула: $P_n(k)=C_n^k{p}^k{q}^{n-k}$, где $q=1-p$.

Слайд 13. Случайные величины

Принимают отдельные значения (например, число очков на кубике). Описываются законом распределения.

Принимают любые значения из интервала. Описываются функцией плотности вероятности.

Среднее теоретическое значение случайной величины: $E(X)=\sum x_i{p}_i$.

Характеристика разброса значений вокруг математического ожидания: $D(X)=E(X^2)-(E(X){)}^2$.

Слайд 14. Подведём итоги

Статистика помогает находить закономерности в массивах данных через числовые характеристики.

Комбинаторика обеспечивает базу для расчёта вероятностей в дискретных моделях.

Теория вероятностей позволяет прогнозировать шансы наступления событий в условиях неопределённости.

Закон больших чисел связывает теоретическую вероятность с эмпирической частотой.

Слайд 15. Спасибо за внимание! Удачи в решении задач!