- •Предмет теории вероятностей. Испытание. Классификация событий.
- •Комбинаторика. Основные формулы комбинаторики.
- •Классическое определение вероятности. Свойства вероятности.
- •Относительная частота. Устойчивость относительных частот. Статистическое определение вероятности.
- •Несовместные события. Сумма несовместных событий. Теорема сложения несовместных событий.
- •Совместные события. Сумма совместных событий. Теорема сложения совместных событий.
- •Полная группа событий. Теорема о сумме событий, образующих полную группу.
- •8. Зависимые события. Произведение событий. Теорема умножения вероятностей зависимых событий.
- •9. Независимые события. Произведение событий. Теорема умножения вероятностей независимых событий.
- •Вероятность появления хотя бы одного события.
- •11. Формула полной вероятности. Формулы Байеса.
- •12. Схема Бернулли. Теорема Бернулли, следствия.
- •13. Локальная теорема Лапласа. Функция (х), ее свойства.
- •14. Интегральная теорема Лапласа. Функция ф(х), ее свойства.
- •15. Теорема Пуассона, следствия.
- •16. Вероятность отклонения относительной частоты появления события от его вероятности в независимых испытаниях.
- •17. Вероятность отклонения числа появлений события от произведения (np) в независимых испытаниях.
- •Наивероятнейшее число появления события.
- •19. Случайные величины, их виды. Закон распределения вероятностей случайной величины, способы задания.
- •20. Равномерное дискретное распределение, его числовые характеристики.
- •21. Биномиальное распределение, его числовые характеристики.
- •22. Пуассоновское распределение, его числовые характеристики.
- •23. Геометрическое распределение, его числовые характеристики.
- •24. Гипергеометрическое распределение, его числовые характеристики.
- •25. Функция распределения f(х), ее свойства.
- •26. Плотность распределения вероятностей f(х), ее свойства.
- •27. Нахождение функции распределения по известной функции плотности.
- •28. Математические операции над случайными величинами.
- •29. Числовые характеристики случайных величин.
- •30. Математическое ожидание дискретной случайной величины, его вероятностный смысл.
- •Свойства математического ожидания.
- •32. Дисперсия дискретной случайной величины. Формула для вычисления.
- •33. Свойства дисперсии. Среднее квадратическое отклонение.
- •Числовые характеристики непрерывных случайных величин, их свойства.
- •35. Равномерное непрерывное распределение, его числовые характеристики.
- •36. Показательное распределение, его числовые характеристики.
- •37. Нормальное распределение, его числовые характеристики.
- •38. Нормальная кривая, ее свойства. Влияние параметров нормального распределения на вид нормальной кривой.
- •39. Вероятность попадания в заданный интервал нормальной случайной величины.
- •40. Вероятность заданного отклонения нормально распределенной случайной величины. Правило трех сигм.
- •41. Неравенство Маркова.
- •42. Неравенство Чебышева.
- •43. Закон больших чисел в форме Чебышева.
- •44. Генеральная и выборочная совокупности. Виды выборки. Способы отбора.
- •45. Статистическое распределение выборки. Полигон и гистограмма.
- •46. Эмпирическая функция распределения, ее свойства.
- •47. Статистические оценки параметров распределения. Несмещенные, эффективные и состоятельные оценки.
- •48. Выборочная дисперсия. Формула для вычисления дисперсии.
- •49. Точность оценки, доверительная вероятность, доверительный интервал.
- •50. Доверительный интервал для оценки математического ожидания нормального распределения при известном и неизвестном среднем квадратическом отклонении.
- •51. Функциональная, статистическая и корреляционная зависимости. Основные задачи теории корреляции.
- •52. Уравнение прямой линии регрессии.
- •53. Свойства выборочного коэффициента корреляции.
- •54. Статистическая гипотеза. Статистический критерий.
- •55. Ошибки первого и второго рода, уровень значимости.
- •56. Критическая область и область принятия гипотезы. Критические точки.
- •57. Методика вычисления теоретических частот нормального распределения для интервального ряда.
- •58. Методика вычисления теоретических частот нормального распределения для дискретного ряда.
- •59. Проверка гипотезы о нормальном распределении генеральной совокупности.
- •60. Проверка гипотезы о значимости коэффициента корреляции.
45. Статистическое распределение выборки. Полигон и гистограмма.
Пусть из ген совокуп-ти извлечена выборка, причем х1 наблюдалось n1 раз, х2-n2 раз, xk-nk раз и СУММА ni=n – объем выборки. Наблюдаемые значения xi называются вариантами, а послед-ть вариант, записанных в возрастающем порядке – вариационным рядом. Числа наблюдений называют частотами, а их отношения к объему выборки n1/n=Wi – относительными частотами.
Статистическое распределение выборки – перечень вариант и соответствующих им частот или относительных частот. Стат распред-е можно задать также в виде послед-ти интервалов и соответствующих им частот (в кач-ве частоты, соответствующей интервалу, принимают сумму частот, попавших в этот интервал).
В теории в-ти под распред-ем понимают соответствие м/д возможными значениями СВ и их в-тями, а в мат статистике – соответствие м/д наблюдаемыми вариантами и их частотами или относит частотами.
ПОЛИГОН частот – ломаная, отрезки которой соединяют точки (x1; n1), (x2; n2),…, (xk; nk). Для построения полигона частот на оси абсцисс откладывают варианты xi, а на оси ординат – соответствующие им частоты (относит частоты).
Для того, чтобы определить вид з-ов распред-я, полигон частот сравнивают с графиками ф-ии плотности известных з-ов распред-я
ГРАФИКИ
В случае непрерывного признака целесообразно строить гистограмму, для чего интервал, в котором заключены все наблюдаемые значения признака, разбивают на несколько частичных интервалов длиной h и находят для каждого частичного интервала ni – сумму частот вариант, попавших в i-й интервал.
Гистограммой частот называется фигура, составленная из прямоугольников, площади которых равны частоте попадания значений признака в основание прямоугольника.
ГИСТОГРАММА – ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиною h, а высоты равны отношению ni/h (плотность частоты).
Для построения гистограммы частот на оси абсцисс откладывают частичные интервалы, а над ними проводят отрезки, ||ые оси абсцисс на расстоянии ni/h.
Площадь i-го частичного прямоугольника равна hni/h=ni – сумме частот вариант i-го интервала; => площадь гистограммы частот равна сумме всех частот, т.е. объему выборки. Площадь гистограммы относит частот равна сумме всех относит частот, т.е. единице.
46. Эмпирическая функция распределения, ее свойства.
Пусть задано стат распред-е частот колич-го признака Х, nx – число наблюдений, при котором значение признака X<x.
Эмпирическая ф-ия распред-я – ф-ия F*(x), определяющая относит частоту события, что X<x.
F*(x)= nx/n, где n – объем выборки.
СВОЙСТВА
1. Ф-ия неубывающая
2. Значения ф-ии 0<=F*(x)<=1
3. Если х1 – наименьшая варианта, то F*(x)=0 при x<=x1; если xk – наибольшая варианта, то F*(x)=1 при x>xk.
Эмпирическая ф-ия распред-я выборки служит для оценки теоретич ф-ии распред-я ген совокуп-ти.
ПРИМЕР xi-2-6-10 ni-12-18-30 n=12+18+30=60
Наименьшая варианта =2 => F*(x)=0 при x<2. Значение Х<6 (xi=2) наблюдалось 12 раз => F*(x)=12/60=0,2 при 2<x<6. Значение Х<10 (xi=2, 6) наблюдалось 12+18=30 раз => F*(x)=30/60=0,5 при 6<x<10. Так как х=10 – наибольшая варианта, то F*(x)=1 при x>10.
Искомая эмпирическая ф-ия F*(x)=СИСТЕМА (0, при x<2; 0,2 при 2<x<6; 0,5 при 6<x<10; 1 при x>10).
ГРАФИК