- •1. События и операции над ними
- •2. Классическое определение вероятности
- •3. Статистическое определение вероятности
- •4. Геометрическое определение вероятности
- •5. Теорема сложения вероятностей
- •6. Произведение событий
- •7. Условная вероятность
- •8. Теорема сложения вероятностей совместных событий
- •9. Формула полной вероятности
- •10. Вероятность гипотез. Формулы Бейеса
- •11. Формула Бернулли
- •12. Локальная теорема Лапласа
- •13. Интегральная теорема Лапласа
- •14. Дискретные и непрерывные случайные величины
- •15. Закон распределения вероятностей дискретной случайной величины.
- •16. Биномиальное распределение
- •17. Распределение Пуассона
- •18. Геометрическое распределение
- •19. Гипергеометрическое распределение
- •20. Математические операции над случайными величинами
- •21. Числовые характеристики дискретных случайных величин
- •22. Математическое ожидание дискретной случайной Величины
- •23. Вероятностный смысл математического ожидания
- •24. Свойства математического ожидания
- •25. Отклонение случайной величины от ее математического ожидания
- •26. Дисперсия дискретной случайной величины
- •27. Формула для вычисления дисперсии
- •28. Свойства дисперсии
- •29. Среднее квадратическое отклонение
- •30. Начальные и центральные теоретические моменты
- •31. Закон больших чисел
- •32. Функция распределения случайной величины
- •33. Непрерывные случайные величины. Плотность вероятности
- •34. Мода и медиана. Квантили. Моменты случайных величин. Асимметрия и эксцесс
- •35. Моменты непрерывной случайной величины
- •36. Равномерный закон распределения
- •37. Показательный (экспоненциальный) закон распределения
- •38. Нормальный закон распределения
- •39. Вероятность попадания в заданный интервал нормальной случайной величины
- •40. Вычисление вероятности заданного отклонения
- •41. Распределение "хи квадрат"
- •42. Распределение Стьюдента
- •43. Система двух случайных величин
- •1. Генеральная и выборочная совокупности
- •2. Повторная и бесповторная выборки. Репрезентативная выборка
- •3. Способы отбора из генеральной совокупности.
- •4. Статистическое распределение выборки.
- •5. Эмпирическая функция распределения.
- •6. Полигон и гистограмма.
- •7. Статистические оценки параметров распределения.
- •8. Несмещенные, эффективные и состоятельные оценки.
- •9. Средние значения количественного признака X.
- •10. Дисперсии количественного признака X.
- •11. Оценка генеральной дисперсии по исправленной выборочной.
- •12. Точность оценки, доверительная вероятность (надежность). Доверительный интервал.
- •13. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ.
- •14. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном σ.
- •15. Доверительные интервалы для оценки среднего квадратического отклонения σ нормального распределения.
- •16. Статистическая проверка статистических гипотез.
- •17. Отыскание правосторонней критической области.
- •18. Отыскание левосторонней и двусторонней критических областей.
10. Дисперсии количественного признака X.
Генеральная дисперсия Для того чтобы охарактеризовать рассеяние значений количественного признака X генеральной совокупности вокруг своего среднего значения, вводят сводную характеристику - генеральную дисперсию.
Определение. Генеральной дисперсией DΓ называется среднее арифметическое квадратов отклонений значений признака генеральной совокупности от их среднего значения xΓ. Если все значения x1, x2, . . . , xN признака генеральной совокупности объема N различны, то
Если же значения признака x1, x2, . . . , xk имеют соответственно частоты N1,N2, . . . ,Nk, и N1 + N2 + . . . + Nk = N, то
т. е. генеральная дисперсия есть средняя взвешенная квадратов отклонений весами, равными соответствующим частотам.
Определение. Генеральным средним квадратическим отклонением (стандартом) называют квадратный корень из генеральной дисперсии:
Выборочная дисперсия
Для того чтобы охарактеризовать рассеяние наблюдаемых значений количественного признака выборки вокруг своего среднего значения xв, вводят сводную характеристику- выборочную дисперсию.
Определение. Выборочной дисперсией DB называют среднее арифметическое квадратов отклонения наблюдаемых значений признака от их среднего значения xB. Если все значения x1, x2, . . . , xn признака выборки объема n различны, то
Если же значения признака x1, x2, . . . , xk имеют соответственно частоты n1, n2, . . . , nk, причем n1 + n2 + . . . + nk = n, то
т. е. выборочная дисперсия есть средняя взвешенная квадратов отклонений с весами, равными соответствующим частотам.
Определение. Выборочным средним квадратическим отклонением (стандартом) называют квадратный корень из выборочной дисперсии:
11. Оценка генеральной дисперсии по исправленной выборочной.
Выборочная дисперсия, вычисленная обычным образом, то есть с заменой р на р* и М на М*, то есть по формуле то будучи случайной величиной при повторении выборок D* будет принимать различные значения.
Если вычислить среднее значение случ. вел-ны D*, то теорема гласит, что
D* является смещённой оценкой.
Так как в случае дисперсии ситуацию можно исправить введением дополнительного множителя, то определяют новую оценочную вел-ну: исправленная дисперсия. Обозначается
Исправленная дисперсия является, конечно, несмещённой оценкой генеральной дисперсии. Действительно,
12. Точность оценки, доверительная вероятность (надежность). Доверительный интервал.
Точечной называется оценка, которая определяется одним числом. При выборке малого объема точечная оценка может значительно отличаться от оцениваемого параметра, т. е. приводить к грубым ошибкам. По этой причине при небольшом объеме выборки следует пользоваться интервальными оценками.
Интервальной называется оценка, которая определяется двумя числами - концами интервала. Интервальные оценки позволяют установить точность и надежность оценок (смысл этих понятий выясняется ниже).
Пусть найденная по данным выборки статистическая характеристика Θ∗ служит оценкой неизвестного параметра Θ. Будем считать Θ постоянным числом (Θ может быть и случайной величиной). Θ∗ тем точнее определяет параметр Θ, чем меньше абсолютная величина разности |Θ − Θ∗|. Другими словами, если
δ > 0 и |Θ − Θ∗| < δ, то чем меньше δ, тем оценка точнее. Таким образом, положительное число δ характеризует точность оценки.
Статистические методы не позволяют категорически утверждать, что оценка Θ∗ удовлетворяет неравенству |Θ−Θ∗| < δ; можно лишь говорить о вероятности γ, с которой это неравенство осуществляется.
Надежностью (доверительной вероятностью) оценки Θ по Θ∗ называют вероятность γ, с которой осуществляется неравенство |Θ − Θ∗| < δ. Обычно надежность оценки задается наперед, причем в качестве γ берут число, близкое к единице. Наиболее часто задают надежность, равную 0.95, 0.99 и 0.999. Пусть вероятность того, что , |Θ − Θ∗| < δ равна γ P(|Θ − Θ∗| < δ) = γ.
Заменив неравенство |Θ − Θ∗| < δ | равносильным ему двойным неравенством −δ < Θ − Θ∗ < δ, или Θ∗ − δ < Θ < Θ∗ + δ, получим
P(Θ∗ − δ < Θ < Θ∗+ δ) = γ.
Это соотношение будем понимать так: вероятность того, что интервал (Θ −δ,Θ∗ + δ) заключает в себе (покрывает) неизвестный параметр Θ, равна γ. Доверительным называют интервал (Θ∗ − δ,Θ∗ + δ), который покрывает неизвестный параметр с заданной надежностью γ. Интервал (Θ∗ −δ,Θ∗ +δ) имеет случайные концы (они называются доверительными границами).
В разных выборках получаются различные значения Θ∗. Следовательно, от выборки к выборке будут изменяться и концы доверительного интервала, т. е. доверительные границы сами являются случайными величинами - функциями от x1, x2, . . . , xn. Так как случайной величиной является не оцениваемый параметр Θ, а доверительный интервал, то более правильно говорить не о вероятности попадания Θ в доверительный интервал, а о вероятности того, что доверительный интервал покроет Θ.