- •2. Несовместимые и совместимые события, полная группа событий. Алгебра событий: сумма событий, произведение событий, противоположное событие. Диаграмма Венна.
- •3. Независимые и зависимые события. Условная вероятность. Теорема об умножении вероятностей.
- •4. Вероятность суммы совместимых событий: теорема о сложении вероятностей.
- •5. Вероятность суммы несовместимых событий.
- •6. Формула полной вероятности. Априорная и апостериорная вероятности, теорема Байеса.
- •7. Понятие дискретной случайной величины, закон распределения, график распределения.
- •8. Характеристики дискретной случайной величины: математическое ожидание, дисперсия, среднее квадратическое отклонение.
- •9.Биноминальное распределение, его характеристики
- •10.Распределение Пуассона и его характеристики
- •11.Непрерывная случайная величина, функция распределения и ее свойства, плотность распределения и ее свойства
- •12.Математическое ожидание и дисперсия непрерывной случайной величины.
- •Математическое ожидание алгебраической суммы случайных величин и произведения независимых случайных величин.
- •15.Нормальный закон распределения. Кривая плотности распределения, ее график и свойства. Семейство нормальных кривых.
- •16.Свойство площадей под кривыми нормальных распределений.
- •18. Равномерное распределение
- •19. Вычисление вероятности попадания значений нормальной случайной величины на заданный промежуток с помощью стандартного нормального распределения.
- •20. Дискретный и интервальный ряд
- •21. Графическое представление вариац ряда: полигон, гистограмма, кумулята
- •22. Средняя арифметическая как мера центральной тенденции и ее св-ва.
- •23.Медиана как мера центр тенденции и ее св-ва.
- •25.Мода и её свойства.
- •26. Статистическая совокупность. Генеральная совокупность. Выборка. Репрезентативность выборки. Таблица случайных чисел.
- •27.Среднее линейное отклонение, свойство минимальности относительно медианы.
- •28.Дисперсия и стандартное отклонение как мера вариации значений признака, свойство минимальности относительно средней арифметической.
- •29.Точечные оценки параметров генеральной совокупности, критерии их качества.
- •30.Распределение выборочных средних. Центральная предельная теорема, стандартная ошибка средней.
- •Ц.П.Т. Ляпунова
- •31.Доверительные интервалы для средней при больших выборках. Поправка на конечность генеральной совокупности.
- •32.Доверительные интервалы для средней при малых выборках. T-распределение
30.Распределение выборочных средних. Центральная предельная теорема, стандартная ошибка средней.
Выборочная средняя Xв называют среднее арифметическое значение признака выборочной совокупности.
Если все значения Х1, Х2,…,Хn признака выборки объёма n различны, то
Xв=(Х1+Х2+…+Хn)/n
Если же значения признака Х1, Х2,…, Хk имеют соответственно частоты n1, n2, …,nk, причём , n1 + n2 + … + nk = n,то
Xв=( n1*Х1+ n2*Х2+…+ nk * Хn)/n
Т.е. выборочная средняя есть средняя взвешенная значений признака с весами, равными соответствующим частотам.
Центральная предельная теорема (Ц.П.Т.) — класс теорем в теории вероятностей, утверждающих, что сумма большого количества независимых случайных величин имеет распределение, близкое к нормальному. Так как многие случайные величины в приложениях являются суммами нескольких случайных факторов, центральные предельные теоремы обосновывают популярность нормального распределения. Классическая формулировка Ц.П.Т.
Пусть есть бесконечная последовательность независимых одинаково распределённых случайных величин, имеющих конечное математическое ожидание и дисперсию. Обозначим последние μ и σ2, соответственно. Пусть . Тогда
по распределению при .
Обозначив символом выборочное среднее первых n величин, то есть , мы можем переписать результат центральной предельной теоремы в следующем виде:
по распределению при .
-
классическая центральная предельная теорема утверждает, что сумма n независимых одинаково распределённых случайных величин имеет распределение, близкое к N(nμ,nσ2). Эквивалентно, имеет распределение близкое к N(μ,σ2 / n).
-
Так как функция распределения стандартного нормального распределения непрерывна, сходимость к этому распределению эквивалентна поточечной сходимости функций распределения к функции распределения стандартного нормального распределения. Положив , получаем , где Φ(x) — функция распределения стандартного нормального распределения.
-
Центральная предельная теорема в классической формулировке доказывается методом характеристических функций (теорема Леви о непрерывности).
Ц.П.Т. Ляпунова
Пусть выполнены базовые предположения Ц.П.Т. Линдеберга. Пусть случайные величины {Xi} имеют конечный третий момент. Тогда определена последовательность
. Если предел
(условие Ляпунова),
то
по распределению при .
31.Доверительные интервалы для средней при больших выборках. Поправка на конечность генеральной совокупности.
Для построения доверит интервалов для параметров генеральных совокупностей могут быть реализованы два подхода,основанных на значении точного(при данном объеме выборки n) или асимптотического (при n→∞) распределения выборочных характеристик или некоторых функций от них. Первый подход-для построения интервальных оценок параметро для малых выборок, второй-для больших выборок. Теорема. Вероятность того,что отклонение выборочной средней(или доли) от генеральной средней(или доли) не превзойдет число ∆>0 (по абсолютной величине) равна: , где . ,где