- •1. Случайные события. Действия над событиями
- •2. Классическая вероятность и ее св-ва.
- •4. Формулы комбинаторики, гипергеометрическое распределение.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •9. Функция распределения вероятности и ее свойства.
- •10. Плотность распределения вероятности и ее свойства.
- •11. Математическое ожидание и его свойства.
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции Ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26. Эмпирическая функция распределения.
- •27. Полигон и гистограмма.
- •29. Точечное оценивание.
- •31. Доверительные интервалы.
- •32. Распределение х Стьюдента и Фишера.
- •33. Доверительные интервалы для оценки математического ожидания при известном .
- •34. Доверительные интервалы для нормального распределения при неизвестном .
- •35. Проверка статистических гипотез.
- •36. Построение критической области.
- •37. Критерий согласия Пирсона.
- •38. Вычисление теоретических частот для нормального распределения.
- •39. Cравнние дисперсий двух нормальных выборок.
- •40. Критерий Стьюдента
- •41. Дисперсионный анализ.
- •42. Парная регрессия.
- •43. Парный коэффициент корреляции.
- •44. Проверка гипотез о достоверности коэффициента корреляции.
42. Парная регрессия.
Интересует установление взаимосвязи между двумя признаками X и Y.
X и Y могут быть независимы, связаны между собой функциональной либо корреляционной зависимостью.
При корреляции зависимость изменений каждого отдельного значения Х необязательно влечет за собой изменение Y, однако изменение приводит к изменению .
Зависимость вида y=f(x)+ , - ошибка оценки.
Чтобы установить вид зависимости строится поле корреляции. На XOY наносят координаты (xi, yj) и по расположению точек делают вывод о виде зависимости.
Пусть вид зависимости линейный.
(1)
Коэффициенты b0 и b1 найдем по методу наименьших квадратов
теоретические значения y. Найдем b0 и b1 такие, при которых функция S достигает минимума.
Перейдем к средним значениям, поделив на n.
(2)
(1)
Можно показать, что (1) , (2) дают min ф-ии S.
b1 коэффициент регрессии
b0 свободный член
43. Парный коэффициент корреляции.
-
выборочный коэф-нт корреляции
Коэффициент обладает все теми же свойствами, что и теоретический коэффициент корреляции.
1. если x и y независимы, то 0.
2. -1<= 1
3. если x и y связаны линейной зависимостью, т.е.
при , то
b>0, =1
b<0, =-1
Таким образом коэффициент является количественной характеристикой зависимости x и y. Чем ближе к единице, тем теснее и ближе к линейной зависимости между X и Y.
44. Проверка гипотез о достоверности коэффициента корреляции.
Пусть на выборке объема n найден коэффициент корреляции X и Y и он отличен от 0. Возможно, при этом, что генеральный коэффициент корреляции равен 0, а выборочное отличие от 0 случайно.
Проверим
H0: =0
H1:
Для проверки гипотезы H0 используем свойство T
При справедливости H0 эта случайная величина имеет распределение Стьюдента с (n-2) числом степеней свободы.
Проверка H0 осуществляется следующим образом:
-вычисляется наблюдаемое значение критерия по таблице
критических точек распределения Стьюдента
max
|Тнабл|>Tкр, то H0 отвергается и принимается H1, следовательно X и Y связаны между собой достоверной корреляционной зависимостью.
|Тнабл|<Tкр, нет основания отвергнуть H0, то недостоверно отличается от 0 (случайно) и между X и Y нет корреляционной зависимости.
3)Аксиомы теории вероятностей вводятся таким образом, чтобы вероятность события обладала основными свойствами статистической вероятности, характеризующей ее практический смысл. В этом случае теория хорошо согласуется с практикой.
Пусть Ω – множество всех возможных исходов некоторого опыта (эксперимента), S – алгебра событий. Совокупность S подмножеств множества Ω называется алгеброй (σ-алгеброй), если выполнены следующие условия:
1)S содержит невозможное и достоверное события.
2) Если события А1, А2, А3,… (конечное или счетное множество) принадлежат S, то S принадлежит сумма, произведение и дополнение (т. е. противоположное для Аi) этих событий.
Вероятностью называется функция Р(А), определенная на алгебре событий
S,принимающая действительные значения и удовлетворяющая следующим аксиомам:
А1. Аксиома неотрицательности: вероятность любого события А пренадлежащего S неотрицательна, т. е.: Р(А) ≥ 0.
А2. Аксиома нормированности: вероятность достоверного события равна единице, т.е.: Р(Ω) = 1.
А3. Аксиома аддитивности: вероятность суммы несовместных событий, т. е. если Аi ∙ Аj = Ø (і ≠ ј), тоР(∑ Аk) = ∑ Р(Аk).
Совокупность объектов (Ω, S, Р), где Ω – пространство элементарных событий, S – алгебра событий, Р – числовая функция, удовлетворяющая аксиомам А1-А3, называется вероятностным пространством случайного эксперимента.
Вероятностное пространство служит математической моделью любого случайного явления; заданием этого пространства завершается аксиоматика теории вероятностей