- •1. Випадкові події, їх класифікація, приклади. Класичне правило обчислення ймовірностей
- •2. Множення.
- •8. Ймовірність появи однієї з двох сумісних подій. Узагальнення теореми
- •9. Незалежні події. Ймовірність добутку двох незалежних подій. Узагальнення теореми
- •10. Залежні події. Умовна ймовірність. Ймовірність добутку двох подій. Узагальнення теореми
- •11.Теорема про повну ймовірність
- •12. Формули Байєса
- •15. Інтегральна теорема Муавра-Лапласса. Інтегральна функція Лапласса, властивості функції.
- •16.Теорема Пуассона. Поняття найвірогіднішого числа, властивості
- •17. Означення випадкових величин, дискретні і неперервні випадкові величини. Закон розподілу вв та многокутник розподілу.
- •18.Функція розподілу. Означення, властивості, графік.
- •19.Щільність ймовірностей. Властивості, графік
- •20. Залежні і незалежні випадкові величини. Операції над випадковими величинами
- •21. Математичне сподівання двв. Властивості математичного сподівання
- •22.Дисперсія двв і її властивості. Середнє квадратичне відхилення
- •23. Початкові і центральні моменти двв. Мода, медіана, асиметрія, ексцес.
- •24.Неперервні випадкові величини. Числові характеристики нвв.
- •25.Означення багатовимірної випадкової величини. Двовимірна випадкова величина. Закон розподілу двовимірної випадкової величини. Умовний розподіл
- •26.Функція розподілу п-вимірної випадкової величини. Функція розподілу двовимірної в.В. Властивості функції розподілу.
- •27.Коваріація та її властивості. Коефіцієнт кореляції. Властивості коефіцієнта кореляції
- •28.Біномний закон розподілу. Числові характеристики
- •29. Закон розподілу Пуассона, числові характеристики, використання
- •30. Геометричний розподіл, числові характеристики, використання
- •31. Гіпергеометричний закон розподілу, числові характеристики.
- •33. Інтегральна фунція розподілу та щільність ймовірностей показникового розподілу, графіки, числові характеристики.
- •34. Нормально розподілена випадкова величина. Графік щільності нормального розподілу, властивості функції. Правило трьох сигм.
- •35. Розподіли: хі-квадрат, Стьюдента та логнормальний. Числові характеристики
- •37. Предмет, методи і завдання математичної статистики. Об`єм сукупності
- •38. Генеральна та вибіркові сукупності. Статистичний розподіл вибірки
- •39. Полігон частот і відносних частот
- •40. Гістограма частот і відносних частот
- •41. Емпірична функція розподілу f*(X) та її властивості
- •42. Вибіркова середня та її властивості. Степеневі середні вибірки
- •44. Мода і медіана статистичного розподілу вибірки, коефіцієнт варіацій, варіаційний розмах.
- •47. Означення довірчого інтервалу. Довірчий інтервал для оцінки математичного сподівання нормального розподілу
- •48. Статистичні гіпотези та їх різновиди. Помилки першого та другого роду
- •49. Статистичний критерій. Потужність критерію. Рівень значущості критерію
- •50. Критична область. Області прийняття гіпотез. Алгоритм перевірки статистичної гіпотези
- •51. Критерій узгодження Пірсона. Алгоритм використання критерію Пірсона
- •52. Критерій узгодження Колмогорова
- •53. Метод моментів та метод максимальної правдоподібності знаходження точкових оцінок
- •54. Метод найменших квадратів при знаходженні точкових оцінок
- •55. Поняття про функціональну, статистичну і кореляційну залежності.
- •56. Рівняння лінійної регресії. Довірчий інтеграл для лінії регресії
52. Критерій узгодження Колмогорова
У статистиці критерій узгодженості Колмогорова (також відомий, як критерій узгодженості Колмогорова — Смирнова) використовується для того, щоб визначити, чи підкоряються два емпіричних розподіли одному закону, або визначити, чи підкоряється одержаний розподіл деякій моделі.
Нехай X=(X1,..., Xn) — вибірка з розподілу . Перевіряється проста гіпотеза проти складної альтернативи . У цьому випадку, коли розподіл має неперервну функцію розподілу F1, можна користуватися критерієм Колмогорова. Хай: . Якщо гіпотеза H1 невірна, то Xi мають якийсь розподіл , відмінний від . за теоремою Глівенко — Кантеллі: для будь-якого y коли . Оскільки , то знайдеться таке y0 що | F2(y0) − F1(y0) | > 0. Але . Домножаючи на отримаємо при , що . Нехай випадкова величина η має розподіл з функцією розподілу Колмогорова: , t>o Цей розподіл табульований, так що по заданому ε легко знайти C таке, що ε=P( ) Критерій Колмогорова виглядає так: .
53. Метод моментів та метод максимальної правдоподібності знаходження точкових оцінок
Метод моментів знаходження оцінок в математичній статистиці — це спосіб побудови оцінок, заснований на порівнянні теоретичних і вибіркових моментів.Коротко, метод моментів описується так: "Ми маємо певну вибірку, і припускаємо що вона задається певним розподілом з параметрами. Ми обчислюємо скільки моментів цього розподілу скільки параметрів, і прирівнюємо їх до відповідних моментів вибірки. Так як моменти розподілу є функціями від параметрів, то отримаємо систему рівнянь відносно параметрів, і з неї отримуємо результат."
Алгоритм:
обчислюємо n теоретичних початкових моментів
за елементами вибірки х1, х2,…хn обчислюємо m відповідних емпіричних моментів
прирівнюємо теоретичні і відповідні їм емпіричні моменти і отримуємо систему рівнянь відносно компонент оцінюваного параметра
розв`язуючи отриману систему рівнянь точно чи наближено знаходимо потрібні оцінки.
Суть методу максимальної правдоподібності полягає в тому, що ми будуємо функцію правдоподібності , яка залежить від вибірки і невідомих параметрів.
Якщо розподіл компонент є абсолютно неперервним і щільність кожної компоненти дорівнює , то функція правдоподібності записується так
,
якщо ж розподіл компонент є дискретним і , то
.
Значення невідомих параметрів приймаються у тих точках, де функція правдоподібності набуває свого найбільшого значення.
54. Метод найменших квадратів при знаходженні точкових оцінок
Метод найменших квадратів — метод знаходження наближеного розв'язку надлишково-визначеної системи. Часто застосовується в регресійному аналізі. На практиці найчастіше використовується лінійний метод найменших квадратів, що використовується у випадку системи лінійних рівнянь. Зокрема важливим застосуванням у цьому випадку є оцінка параметрів у лінійній регресії, що широко застосовується у математичній статистиці і економетриці.
55. Поняття про функціональну, статистичну і кореляційну залежності.
Показником, що вимірює стохастичний зв’язок між змінними, є коефіцієнт кореляції, який свідчить з певною мірою ймовірності, наскільки зв’язок між змінними близький до строгої лінійної залежності.
За наявності кореляційного зв’язку між змінними необхідно виявити його форму функціональної залежності (лінійна чи нелінійна), а саме: ;
;
Наведені можливі залежності між змінними X і Y називають функціями регресії. Форму зв’язку між змінними X і Y можна встановити, застосовуючи кореляційні поля, які зображені на рисунках
Для двовимірного статистичного розподілу вибірки ознак (Х, Y) поняття статистичної залежності між ознаками Х та Y має таке визначення:
статистичною залежністю Х від Y називають таку, за якої при зміні значень ознаки Y = yi змінюється умовний статистичний розподіл ознаки Х, статистичною залежністю ознаки Y від Х називають таку, за якої зі зміною значень ознаки X = xi змінюється умовний статистичний розподіл ознаки Y.
Між ознаками Х та Y може існувати статистична залежність і за відсутності кореляційної. Але коли існує кореляційна залежність між ознаками Х та Y, то обов’язково між ними існуватиме і статистична залежність