1) süvendada teadmisi juhuslike nähtuste seaduspärasuste kohta ning anda oskusi nende seaduspärasuste kindlaks tegemiseks;
2) arendada matemaatilise statistika meetoditega andmete töötlemise oskusi.

1) to deepen knowledge about the laws of random phenomena and give ability to identify them;
2) to develop skills for data processing by means of methods of mathematical statistics.

Aine läbinud üliõpilane:
- tunneb tõenäosusteooria põhimõisteid, tehteid sündmustega ja oskab arvutada vastavaid tõenäosusi;
- tunneb juhusliku suuruse, selle jaotusfunktsiooni, arvkarakteristikute mõisteid nii üldisel kui ka klassikalistel erijuhtudel;
- tunneb matemaatilise statistika põhimõisteid;
- oskab leida punkt- ja vahemikhinnanguid;
- oskab kontrollida statistilisi hüpoteese;
- oskab leida Pearsoni ja Spearmani korrelatsioonikordajaid;
- oskab kasutada vähimruutude meetodit regressioonivõrrandite leidmisel.

After completing the course student:
- knows the principles of the theory of probability, operations with events and is able to calculate the respective probabilities;
- knows the content and meaning of random variable, its distribution function, numerical characteristics in general as well as classic exceptional cases;
- knows basic terms of mathematical statistics;
- can find point and interval estimations;
- is able to verify statistical hypotheses;
- can find Pearson and Spearman correlation coefficients;
- can find the regression equation using the method of least squares.

Juhuslikud sündmused, tõenäosuse mõiste ja selle arvutamise põhivõtted. Täistõenäosuse valem, Bayesi valem, Bernoulli valem. Süsteemi töökindlus. Juhuslik suurus. Jaotusfunktsioon. Tihedusfunktsioon. Arvkarakteristikud. Klassikalised jaotused. Tõenäosusteooria piirteoreemid. Empiiriline jaotusfunktsioon. Punkthinnangud. Vahemikhinnangud. Statistiliste hüpoteeside kontrollimine. Juhuslikud vektorid. Kovariatsioon ja korrelatsioon. Lineaarne regressioon. Vähimruutude meetod. Statistilised prognoosid. Multiregressioon. Mittelineaarne regressioon. Aegread.

Random events, the concept of probability. Total probability formula, Bayes' theorem, Bernoulli formula. Systems reliability. Random variable, its distribution and numerical characteristics. Classical distributions. Limit theorems of the probability theory. Empirical distribution. Point- and interval estimation of distribution characteristics. Statistical tests. Random vectors. Covariance and correlation. Linear regression. Least-squares method. Statistical forecasts. Multiple regression. Non-linear regression. Time series.

-

-

-

-

1. William Mendenhall, Robert J. Beaver, Barbara M. Beaver. Introduction to Probability and Statistics. Brooks/Cole, 2009;
2. Kai Lai Chung. A Course in Probability Theory, 3rd Edition. Academic Press 2000;
3. Sheldon Ross. A First Course in Probability: 10th Edition. Pearson Education Ltd, 2019.

-