- •Основні задачі, які розв'язуються в математичній статистиці. Характеристика методів розв'язування цих задач. Приклади.
- •Варіаційні ряди. Інтервальний і дискретно варйований варіаційні ряди. Вибір початку та довжини першого інтервалу. Приклади.
- •Властивості вибіркового середнього
- •Вибіркова дисперсія. Різні формули обчислення вибіркової дисперсії, в яких випадках вони застосовуються. Зміст усіх параметрів формул. Приклади.
- •Теореми
- •Твердження
- •Полігон частот та полігон відносних частот. Гістограма, імовірнісний зміст: а) фігури, обмеженої гістограмою, б) кривої, що з'єднує середини верхніх основ прямокутників гістограми. Приклади.
- •Вибіркові статистики. Для чого вони вводяться і які параметри оцінюють. Приклади.
- •14. Точкове оцінювання
- •Особливість
- •21. Розподіл Кочрена. Приклад критерію, що в певних умовах має такий розподіл. При перевірці яких статистичних гіпотез він використовується. Приклади.
- •22. Розподіл Пуасона. Перевірка гіпотези про розподіл Пуасона для генеральної сукупності. Приклади.
- •24. Інтервали надійності для дисперсії нормально розподілених генеральних сукупностей, їх імовірнісний зміст. Як впливає збільшення надійної ймовірності на довжину надійного інтервалу. Приклади.
- •26. Статистичні гіпотези. Основна і альтернативна гіпотези. Приклади. Основні відомості про перевірку статистичних гіпотез. Рівень значущості. Приклади.
- •27. Помилки першого і другого роду. Їх наслідки. Критична область. Область прийняття гіпотези. Критичні точки. Лівостороння, правостороння і двостороння критичні області та їх пошук. Приклади.
- •28. Порівняння дисперсії нормальної генеральної сукупності з гіпотетичною дисперсією. Пошук критичних областей в залежності від альтернативної гіпотези. Приклади.
- •29. Порівняння математичного сподівання генеральної сукупності з гіпотетичним математичним сподіванням, якщо дисперсія відома. Приклади.
- •30. Порівняння математичного сподівання генеральної сукупності з гіпотетичним математичним сподіванням, якщо дисперсія невідома. Приклади.
- •31.Порівняння дисперсій двох нормальних генеральних сукупностей. Пошук критичних областей в залежності від альтернативної гіпотези. Приклади.
- •33.Порівняння математичних сподівань двох нормально розподілених генеральних сукупностей з однаковими дисперсіями. Пошук критичних областей в залежності від альтернативної гіпотези. Приклади.
- •34.Критерії згоди. Критерій згоди Пірсона перевірки гіпотези про довільний закон розподілу. Перевірки гіпотези для розподіл Пуасона генеральної сукупності.
- •35.Критерії згоди. Критерій згоди Пірсона перевірки гіпотези про довільний закон розподілу. Схема перевірки гіпотези про нормальний розподіл генеральної сукупності.
- •36.Факторний аналіз. Основні гіпотези, які перевіряються у факторному аналізі. Особливості перевірки цих гіпотез при рівній кількості спостережень на різних рівнях фактору.
- •39. Критерій Кочрена. Приклад його застосування. Як слід діяти, якщо гіпотеза про рівність дисперсій не підтвердилася.
- •37.Факторний аналіз. Основні гіпотези, які перевіряються у факторному аналізі. Особливості перевірки цих гіпотез при неоднаковій кількості спостережень на різних рівнях фактору.
- •38. Критерій Бартлетта. Приклад його застосування. Як слід діяти, якщо гіпотеза про рівність дисперсій не підтвердилася
- •63. Закони великих чисел. Приклади.
- •Слабкий закон великих чисел
- •Посилений закон великих чисел
- •Різниця між слабким і посиленим законами великих чисел
- •Звч Бореля
- •64. Закони великих чисел та їх застосування в математичній статистиці.
- •67. Послідовність реалізації матричної форми методу найменших квадратів пошуку коефіцієнтів лінійних регресій за допомогою вбудованих функцій Excel.
- •68. Пошук вибіркових статистик за допомогою вбудованих функцій Excel та надстройки “Аналіз даних”.
- •69.Пошук незсунених оцінок невідомих параметрів за допомогою вбудованих функцій Excel та надстройки “Аналіз даних”.
- •70.Побудова інтервального варіаційного ряду за допомогою вбудованих функцій Excel.
Властивості вибіркового середнього
Нехай — функція вибіркового розподілу. Тоді для будь-якого фіксованого функція є (невипадковою) функцією дискретного розподілу.
Вибіркове середнє — незміщена оцінка теоретичного середнього значення: .
Вибіркове середнє — строго конзистентна оцінка теоретичного середнього: майже напевне при .
Вибіркове середнє — асимтотично нормальна оцінка. Нехай дисперсія випадкових величин скінченна і ненульова, тобто . Тоді за розподілом при , де — нормальний розподіл з середнім і дисперсією .
Вибіркове середнє з нормальної вибірки — ефективна оцінка її середнього.
Вибіркова дисперсія. Різні формули обчислення вибіркової дисперсії, в яких випадках вони застосовуються. Зміст усіх параметрів формул. Приклади.
Вибіркові дисперсії s2, S2 — це числові характеристики розсіювання значень випадкової вибірки, що являє собою сукупність результатів незалежних спостережень. Визначаються в звичайних сукупностях вимірів. У теорії точності вимірювань їх ще називають дисперсіями вимірів, або просто дисперсіями.
Є випадкова вибірка обсягу n.
Вибірковою дисперсією s2 називається половина середнього квадрата відхилень значень вибірки:
.
Вибірковою дисперсією S2 називається половина середнього квадрата різниць значень вибірки:
.
Теореми
Дисперсія s2 — це різниця середнього значення квадратів елементів вибірки і квадрата вибіркового середнього:
.
Дисперсія S2 є різниця середнього значення квадратів елементів вибірки і середнього значення добутку двох її елементів:
.
Вибіркові дисперсії мають такий вигляд:
;
.
Твердження
Вибіркові дисперсії s2, S2 — це числа. Згідно з теоремою ймовірностей про сталі величини, математичні сподівання цих величин виглядають так:
.
.
Мода та медіана для довільної вибірки, для вибірки, по якій складено дискретно варьйований та інтервальний варіаційні ряди. Приклади відсутності моди, визначення медіани для вибірки з парною та непарною кількістю елементів. Особливості обчислень для вибірок, по яких складено варіаційні ряди. Модальний інтервал, медіанний інтервал.
Мода (М0) — це значення ознаки, що найчастіше зустрічається у сукупності. Таким чином, у дискретному ряді розподілу - це варіанта, що має найбільшу частоту. В інтервальному ряді розподілу мода знаходиться за формулою:
де: хмо — нижня межа модального інтервалу;
і — величина модального інтервалу;
f2, f1, f3 — відповідно частота модального, передмодального та після модального інтервалів.
Слід мати на увазі, що в інтервальних рядах розподілу з нерівними інтервалами модальним вважається інтервал з найбільшою щільністю розподілу, а мода дорівнює його середині.
Медіана (Ме) — це значення ознаки, що ділить рангований ряд значень показника на дві рівні частини. У першої половини одиниць значення ознаки менше медіани, а у другої — більше. Тобто, медіана — це серединне значення.
У тому випадку, коли відомі індивідуальні значення ознаки, їх спочатку рангують (розміщують в порядку зростання чи спадання). Потім визначають номер (місце) медіани:
При непарній кількості одиниць медіана дорівнює значенню ознаки з порядковим номером (n + 1)/2 . При непарній кількості одиниць медіана визначається як півсума двох значень — з порядковими номерами n/2 та (n + 2)/2.
Наприклад, маємо ранговий ряд росту студентів (см):
163, 165, 167, 168, 171, 174, 175, 178, 180, 185, 187, 190.
Номер медіани: (12 + 1)/2 = 6,5. Отже, медіана — це півсума 6-го та 7-го значення:
Таким чином, половина студентів має зріст менше 174,5 см, а половина — більше, ніж 174,5 см.
В інтервальному ряді розподілу медіана визначається за формулою:
де хме — нижня межа медіанного інтервалу;
і — величина інтервалу;
fн — нагромаджена частота передмедіанного інтервалу;
fме — частота медіанного інтервалу.
Приклад розрахунку моди і медіани для інтервального ряду розподілу:
Розмір штрафу, грн. |
Число штрафів |
Нагромаджена частота (fн) |
До 100 |
4 |
4 |
100-200 |
20 |
24 |
200-300 |
26 |
50 |
300-400 |
15 |
65 |
400-500 |
8 |
73 |
500-600 |
3 |
76 |
600-700 |
2 |
78 |
700 і більше |
2 |
80 |
Мода дорівнює:
Медіана становить:
Таким чином, найчастіше розмір штрафу становить 235,3 грн, половина штрафів менше 261,5 грн, а половина — більше.