- •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.
47. Статистические оценки параметров распределения. Несмещенные, эффективные и состоятельные оценки.
Пусть необходимо изучить количественный признак ген совокуп-ти. Допустим, удалось установить вид распределения, возникает задача оценки параметров данного распределения.
Статистической оценкой неизвестного параметра распределения называют ф-ию от наблюдаемых СВ
Пусть Q* - стат оценка неизвестного параметра, Q – оцениваемый параметр.
Для того, чтобы оценки давали хорошее приближение к оцениваемым параметрам они должны обладать следующими свойствами:
1. Несмещенная – стат оценка Q*, мат ожидание которой равно оцениваемому параметру Q при любом объеме выборки, т.е. M(Q*)=Q.
Смещенная – оценка, мат ожидание которой не равно оцениваемому параметру.
2. Эффективная – стат оценка, которая (при заданном объеме выборки n) имеет наименьшую дисперсию.
3. Состоятельная – оценка, которая при n -> к беск стремится по в-ти к оцениваемому параметру. НАПР., если дисперсия несмещенной оценки при n -> к беск стремится к 0, то такая оценка оказывается и состоятельной.
48. Выборочная дисперсия. Формула для вычисления дисперсии.
Для того, чтобы охарактеризовать рассеяние наблюдаемых значений количественного признака выборки вокруг своего среднего значения хnср, вводят сводную характеристику – выборочную дисперсию.
Выборочная дисперсия Dв – среднее арифметическое квадратов отклонения наблюдаемых значений признака от их среднего значения х выб ср.
Если все значения x1, x2, xn признака выборки объема n различны, то Dв=(СУММА(i=1, n) (xi-xnср выб)^2)/n.
Если же все значения признака х1, х2, xn имеют соответственно частоты n1, n2 nk причем n1+n2+nk=n, то Dв=(СУММА(i=1, k) ni*(xi-xnсрвыб)^2)/n, т.е. выборочная дисперсия есть средняя взвешенная квадратов отклонений с весами, равными соответствующим частотам.
КРОМЕ дисперсии для хар-тики рассеяния значений признака выб совокуп-ти вокруг своего сред знач-я пользуются сводной хар-тикой – СКО.
ФОРМУЛА для вычисления дисперсии
ТЕОРЕМА. Дисперсия равна среднему квадратов значений признака минус квадрат общей средней: D=(x^2)ср – [xср]^2
ДОК-ВО. Dв=(СУММА(ni*(xi-xср)^2)/n = (СУММА(ni*(xi^2-2xi*xср+(x ср)^2))/n=(СУММАni*(xi^2))/n – 2*x|*(СУММАni*xi)/n+[x|]^2*(СУММА ni)/n=(x^2)| - 2*x|*x| + [x|]^2 = (x^2)ср – [xср]^2
Где x| = (СУММАni*xi)/n; (x^2)| = (СУММАni*xi^2)/n
49. Точность оценки, доверительная вероятность, доверительный интервал.
Точечной называют оценку, которая определяется одним числом. При выборке малого объема точечная оценка может значит-но отличаться от оцениваемого параметра, т.е. приводить к грубым ошибкам. По этой причине при небольшом объеме выборки следует пользоваться интервальными оценками.
Интервальная – оценка, которая определяется двумя числами – концами интервала. Интервальные оценки позволяют установить точность и надежность оценок.
Интервальная оценка – интервал, который покрывает оцениваемый параметр.
Q* тем точнее определяет параметр Q, чем меньше абсолютная величина разности |Q-Q*|. Если б>0 и |Q-Q*|<б, то б называется точностью оценки, и оценка тем точнее, чем меньше б.
Надежность оценки Q по Q* (доверительная в-ть) – в-ть гамма, с которой осуществляется нер-во |Q-Q*|<б. Обычно надежность оценки задается наперед, причем в кач-ве гамма берут число, близкое к 1. Наболее часто задают надежность, равную 0,95; 0,99 и 0.999.
Пусть в-ть того, что |Q-Q*|<б, равна гамма. P[|Q-Q*|<б] = гамма.
Заменим нер-во |Q-Q*|<б равносильным ему нер-вом –б<Q-Q*<+б, или Q*–б<Q<Q*+б.
Имеем P[Q*–б<Q<Q*+б]=гамма. Это соотношение следует понимать так: в-ть того, что интервал (Q*–б; Q*+б) заключает в себе (покрывает) неизвестный параметр Q, равна гамма.
Доверительным называют интервал (Q*–б; Q*+б), который покрывает неизвестный параметр с заданной в-тью гамма.