- •1.9 Вероятности гипотез. Формула Бейеса.
- •1.10 Последовательность неизвестных испытаний. Формула Бернулли.
- •1.11 Локалдная формула Муавра-Лапласа. Формула Пуассона.
- •1.12 Интегральная формула Муавра-Лапласа. Вероятность отклонения относительной частоты случайного события от его вероятности в каждом отдельном испытании.
- •2,25 Условные знаки распределения составляющих X,y непрерывной двумерной св.Условные плотности распределения вероятностей
- •2.26Условное мат. Ожидание составляющих X и y двумерной св ,ф-ии регрессии
- •2,27 Зависимые и независимые св.Корреляционный момент.Коэффициент корреляции
- •2,28Коррелированность и зависимость составляющих X,y двумерной св X,y
- •3.7.Точечные и интервальные оценки. Точность оценки, доверительная вероятность(надежность).Доверительный интервал.
- •3.8.Доверительный интервал для оценки матем. Ожидания нормальн. Распределения при известном средн. Квадратичю отклонении.
- •3.9.Доверительный интервал для оценки матем. Ожидания нормальн. Распределения при неизвестном средн. Квадратичю отклонении.Оценка истинного значения измеряемой величины.
- •3.10. Доверительный интервал для оценки средн. Квадратич. Отклонения нормальн. Распред-ия. Оценка точности измерений.
- •3.13 Метод наибольшего правдоподобия дя дискретных и непрерывных св.
- •3.14. Условные варианты. Обычные, начальные и центр. Эмперич. Моменты. Условные эмпирич. Моменты. Метод произведений для вычисления выборочн. Средней и выбороч. Дисперсии.
- •3.15. Построение нормальной кривой по опытным данным. Оценка отклонения эмпирического распределения от нормального. Эмпирические асимметрия и эксцесс.
- •3.16 Функциональная, статистическая и корреляционная зависимости. Условные средние. Выборочные уравнения регрессии. Выборочный коэффициент корреляции
- •3.17 Мера корр. Связи. Выборочное корреляционное отношение и его св-ва. Простейшие случаи криволинейной корр-ции.
- •3.18 Статистические гипотезы. Нулевая и конкурирующая гипотезы. Ошибки 1-го и 2-го рода. Стат. Критерий проверки нулевой гипотезы.
- •3.27 Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
- •3.28 Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объема. Критерий Бартлетта
- •3.29 Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена
- •3.30 Проверка гипотезы о значимости выборочного коэффициента корреляции
2,25 Условные знаки распределения составляющих X,y непрерывной двумерной св.Условные плотности распределения вероятностей
Условной плотностью фи(x/y) распределения составляющих X при данном значении Y=y называют отношение плотности совметного распределения f(x,y) системы (X,Y) к плотности распределения f2(y) составляющей Y: фи(x/y) = f(x,y)/f2(y). Подчеркнём, что отличие условной плотности фи(x/y) состоит в том,что фун-ия фи(x/y) даёт распределение X при условии,что составляющая Y приняла значение Y=y,фун-ия же f1(x) дает распределение X независимо от того,какие из возможных значений приняла составляющая Y.
Аналогично определяется условная плотность составляющей Y при данном значении X-x :
фи (y/x) = f(x,y)/f1(x).
Если известна плотность совместного распределения f(x,y),то условные плотности составляющих могут быть найдены по формулам:
Фи(x/y) = f(x,y)/∫ f(x,y)dx, фи(y/x) = f(x,y)/∫f(x,y)dy
Отсюда заключаем: умножая закон распределения одной из составляющих на условный закон распределения другой составляющей,найдем закон распределения системы СВ.
2.26Условное мат. Ожидание составляющих X и y двумерной св ,ф-ии регрессии
Условным мат.ожиданием двумерной случ.величины Yпри X =х (х-определенное возможное знач.Х) наз-т произведение возможных значений Y на их условные вероятности : M(Y/X=x) = ∑mi=1 y p(y/x). Для непрерывных величин : M(Y/X = x) = ∫ y фи(y/x)dy , где фи(y/x) – условная плотность СВ Y при X= x.
Условное мат.ожидание M(Y/x) есть фун-ия от х : M(Y/x) = f(x),которую называют фун-ей регрессии Y на X ..
Аналогично определяется условное мат.ожидание СВ Х и фун-ия регрессии Х на Y :
M(X/y)=фи(y).
2,27 Зависимые и независимые св.Корреляционный момент.Коэффициент корреляции
Мы называли две величины СВ независимыми,если закон распределения одной из них не зависит от того,какие возможные значения приняла другая величина
Теорема:Для того чтобы СВ X Y были независимыми,необходимо и достаточно,чтобы функция распределения системы (X,Y) была равна произведению функций распределения составлюющих: F(x,y)=F1(X) F2(Y). Док-во: Пусть X Y независимы.Тогда события Х<x и Y<y независимы,следовательно,вероятность совмещения этих равна произведению их вероятностей: P(X<x,Y<y) = P(X<x) P (Y<y) , т.е вероятность совмещения событий Х<x Y<y равна произведению вероятностей этих событий.Следоваельно,СВ X Y независимы
Следствие. Для того чтобы непрерывные СВ X Y были независимы,необходимо и достаточно,чтобы плотность совместного распределения системы (X,Y) была равна произведению плотностей распределения составляющих : f(x,y)=f1(x)f2(y)
Корреляционный момент служит для хар-ки связи м/у величинами X,Y .Корреляционный момент равен нули,если X,Y независимы, следовательно,если корреляционный момент не равен нули,то X,Y – зависимые СВ
Теорема1. Корреляционный момент двух неизвестных СВ X,Y равен нули
Коэффициент корреляции rxy СВ X,Y наз-т отношение корреляционного момента к произведению средних квадратических отклонений этих величин
Торема2. Абсолютная величина корреляционного момента двух СВ X,Y не превышает среднего геометрического их дисперсий
Теорема3 .Абсолютная величина коэффициенты корреляции не превышает единицы