Вероятность и статистика
Все темы школьной программы по предмету Вероятность и статистика - подробная теория и тренажёры.
Школьная программа по классам
В каждом курсе темы расположены в порядке школьной программы.
8-11классы
Структура предмета
Общие темы для всех классов
Откройте доступную тему сразу или перейдите в курс, чтобы видеть программу целиком.
- Закон больших чиселЗакон больших чисел утверждает: при увеличении числа испытаний среднее арифметическое результатов стремится к математическому ожиданию. Частота события стремится к его вероятности. Это объясняет, почему статистика работает.
- Мода числового набораМода — это значение, которое встречается в наборе данных чаще всего. В наборе может быть одна мода, несколько или ни одной (если все значения уникальны). Мода полезна для анализа популярных значений (например, самый частый размер обуви).
- Выбросы в числовых данных и их влияние на среднее и медиануВыброс — это значение, сильно отличающееся от остальных. Он сильно влияет на среднее арифметическое («тянет» его в свою сторону), но почти не влияет на медиану. Поэтому для данных с выбросами лучше использовать медиану.
- Практическое применение среднего, медианы и модыСреднее используют для расчёта средней зарплаты (но с осторожностью из-за выбросов), медиану — для анализа доходов населения, моду — для определения самого популярного товара. Понимание различий помогает правильно интерпретировать статистику.
- Среднее арифметическое числового набораСреднее арифметическое — это сумма всех чисел, делённая на их количество. Оно показывает типичное, центральное значение. Например, средний балл ученика — это среднее арифметическое его оценок.
- Медиана числового набораМедиана — это число, которое находится посередине упорядоченного по возрастанию ряда. Если чисел чётное количество, медианой является среднее арифметическое двух центральных чисел. Медиана лучше среднего характеризует набор, если в нём есть выбросы.
- Размах числового набораРазмах — это разность между наибольшим и наименьшим значениями набора. Он показывает, насколько сильно разбросаны данные. Большой размах говорит о высокой изменчивости.
- Наибольшее и наименьшее значение набора числовых данныхНаибольшее (максимум) и наименьшее (минимум) — это экстремальные значения в наборе. Они важны для понимания границ изменения величины. Например, самая высокая и самая низкая температура за месяц.
- Опыт с двумя монетамиПри бросании двух монет возможны четыре равновероятных исхода: ОО, ОР, РО, РР. Вероятность выпадения двух орлов — 1/4, одного орла — 1/2. Таблицы и деревья помогают подсчитать вероятности.
- Достоверные и невозможные событияДостоверное событие обязательно произойдёт (его вероятность = 1). Невозможное событие никогда не произойдёт (вероятность = 0). Примеры: «завтра будет день или ночь» — достоверно, «на кубике выпало 7 очков» — невозможно.
- Сравнение вероятностей событий на интуитивном уровнеНекоторые события более вероятны, чем другие: выпадение орла при бросании монеты (1/2) вероятнее, чем выпадение двух орлов подряд (1/4). Умение сравнивать вероятности помогает оценивать шансы в играх и жизненных ситуациях.
- Испытание. Успех и неудачаИспытание — это эксперимент с двумя исходами: успех (наступление события) и неудача (ненаступление). Например, бросание монеты: орёл — успех, решка — неудача. Вероятность успеха обозначают p, неудачи — q = 1-p.
- Серия испытаний до первого успехаПроводятся независимые испытания до первого успеха. Вероятность того, что успех произойдёт на k-м испытании: P = q^(k-1) * p. Пример: сколько раз нужно бросить кубик, чтобы впервые выпала шестёрка?
- Серия испытаний БернуллиСхема Бернулли — это серия n независимых испытаний, в каждом из которых вероятность успеха p постоянна. Количество успехов — случайная величина. Вероятность ровно k успехов: C(n,k) * p^k * q^(n-k).
- Полная вероятность и формула Байеса (ознакомление)Формула полной вероятности: P(A) = Σ P(H_i)·P(A|H_i). Формула Байеса пересчитывает вероятность гипотезы после наступления события. Используется в медицинской диагностике, машинном обучении, анализе данных.
- Случайное событие как множество элементарных событийЛюбое случайное событие можно представить как набор элементарных исходов. Например, событие «выпало чётное число» включает исходы 2,4,6. Вероятность события равна сумме вероятностей входящих в него элементарных исходов.
- Опыты с равновозможными элементарными событиямиЕсли все элементарные исходы равновозможны (симметричная монета, правильный кубик), то вероятность любого события равна (количество благоприятных исходов) / (общее количество исходов). Это классическое определение вероятности.
- Случайный выбор. Связь маловероятных и практически достоверных событийПри случайном выборе из большого множества вероятность конкретного элемента мала, но вероятность выбрать какой-то из множества — велика. Практически достоверные события происходят с вероятностью, близкой к 1.
- Противоположные событияПротивоположное событие Ā (не A) наступает, когда событие A не наступает. Вероятности противоположных событий связаны: P(Ā) = 1 - P(A). Пример: попадание и промах при выстреле.
- Несовместные события. Формула сложения вероятностейСобытия несовместны, если они не могут произойти одновременно (A ∩ B = ∅). Для несовместных событий P(A ∪ B) = P(A) + P(B). Пример: при бросании кубика не могут выпасть 1 и 2 одновременно.
- Независимые события. Формула умножения для независимых событийСобытия A и B называются независимыми, если P(A|B) = P(A) (наступление B не влияет на A). Для независимых событий P(A ∩ B) = P(A) * P(B). Пример: выпадение орла при двух бросках монеты.
- Примеры случайной изменчивостиСлучайная изменчивость — это естественные колебания, которые нельзя точно предсказать. Например, рост одноклассников, время выполнения задания разными учениками. Понимание случайной изменчивости — первый шаг к статистике.
- Случайный эксперимент (опыт) и случайное событиеСлучайный эксперимент — это опыт, результат которого нельзя предсказать заранее (бросание монеты, кубика). Случайное событие — то, что может произойти или не произойти в результате эксперимента (выпал орёл, выпало 5 очков).
- Вероятность и частота событияВероятность — теоретическая мера того, как часто происходит событие. Частота — доля реальных наступлений события в серии экспериментов. При большом числе испытаний частота приближается к вероятности.
- Роль маловероятных и практически достоверных событийМаловероятные события (например, выигрыш в лотерею) редко происходят, но возможны. Практически достоверные (например, восход Солнца) случаются почти всегда. Понимание этих понятий помогает оценивать риски и принимать решения.
- Монета и игральная кость в теории вероятностейБросание монеты — простейший опыт: два исхода (орёл, решка) с равной вероятностью 1/2. Игральная кость (кубик) — шесть исходов с вероятностью 1/6 каждый. Эти модели используются для изучения вероятностей.
- Неравенство ЧебышёваИзучаем неравенство, оценивающее вероятность отклонения случайной величины от её среднего. P(|X - E(X)| ≥ a) ≤ D(X)/a². Позволяет делать выводы о выборках даже без знания распределения.
- Комбинаторика
- Перестановки. ФакториалПерестановка — это упорядочивание n различных объектов в определённом порядке. Количество перестановок равно n! (n факториал): n! = 1·2·3·…·n. Например, 3! = 6 — столько способов расставить три книги на полке.
- Сочетания из n по kСочетание (без учёта порядка) — это выбор k элементов из n, где порядок не важен. Количество сочетаний обозначается C(n,k) или (n k) и вычисляется по формуле: C(n,k) = n! / (k!·(n-k)!). Например, число способов выбрать 2 учеников из 5.
- Размещения (число способов выбрать и упорядочить)Размещение из n по k — это выбор k элементов из n с учётом порядка. Количество размещений A(n,k) = n! / (n-k)!. Пример: сколько можно составить двузначных чисел из цифр 1,2,3,4 (без повторений)? Ответ: 4·3 = 12.
- Случайные величины
- Математическое ожидание случайной величиныМатематическое ожидание (среднее) — это средневзвешенное значение случайной величины: E(X) = Σ x_i * P(x_i). Оно показывает «типичное» значение. Например, среднее число очков при бросании кубика = 3,5.
- Случайная величина. Распределение вероятностейВводим понятие случайной величины — числовой характеристики случайного эксперимента. Учимся задавать распределение вероятностей в виде таблицы или диаграммы. Разбираем примеры: число орлов при бросках монеты, сумма очков на кубиках.
- Операции над случайными величинамиИзучаем, как складывать, вычитать и умножать случайные величины на число. Рассматриваем, как при этом меняются их распределения. Это нужно для расчёта суммарных показателей (общий доход, общее количество успехов).
- Бинарная случайная величинаИзучаем простейшую случайную величину: индикатор события (принимает значение 1 при успехе и 0 при неудаче). Её распределение задаётся одним числом p. Это строительный блок для более сложных моделей.
- Математическое ожидание случайной величиныВводим понятие среднего значения случайной величины. Формула: E(X) = Σ x_i·P(X=x_i). Понимаем, что матожидание — это теоретическое среднее при большом числе испытаний. Разбираем примеры: средний выигрыш в лотерее, средний балл ученика.
- Применение математического ожидания (страхование, лотерея)Рассматриваем практические примеры использования матожидания: расчёт страховых взносов, анализ лотерей, оценка инвестиционных проектов. Учимся принимать решения на основе сравнения матожиданий.
- Задачи, приводящие к показательному распределениюРассматриваем ситуации, где возникает показательное распределение: время до события (время до отказа прибора, время между вызовами на станцию). Изучаем его связь с геометрическим распределением.
- Задачи, приводящие к нормальному распределениюЗнакомимся с ситуациями, где возникает нормальное распределение: ошибки измерений, рост людей, результаты тестов. Понимаем, почему оно самое частое в природе (центральная предельная теорема).