- •2. Алгебра событий. Основные операции над событиями. Теорема сложения вероятностей. Следствия.
- •3. Условная вероятность. Теорема умножения вероятностей. Следствия. Независимость событий.
- •4. Использование формул комбинаторики при непосредственном вычислении вероятностей событий.
- •5. Формула полной вероятности и Байеса.
- •6. Повторение независимых испытаний. Схема Бернулли. Формула Бернулли.
- •7. Дискретная случайная величина. Ряд распределения. Функция распределения.
- •8. Числовые характеристики дискретной св.
- •3. Среднее квадратическое отклонение
- •9. Биномиальное распределение. Частная теорема о повторении опытов. Примеры.
- •1 0. Распределение Пуассона. Простейший поток событий. Формула Пуассона для потока событий. Вероятность появления хотя бы одного события.
- •11. Непрерывная случайная величина. Функция распределения и плотность вероятности. Их свойства.
- •12. Числовые характеристики непрерывной св. М(х), d(X), σx, их свойства.
- •13. Равномерный закон распределения.
- •15. Показательный закон распределения вероятностей. Определение, графики плотности вероятности и функции распределения. Основные характеристики.
- •17. Числовые характеристики системы двух св. Корреляционный момент. Коэффицент корреляции.
- •18. Теоремы о числовых хар-ках, их применение.
- •19. Предельные теоремы теории вероятностей. Неравенство Чебышева, неравенство Маркова. Закон Больших чисел (теорема Чебышева).
- •21. Центральная предельная теорема и особая роль нормального распределения. Формулы для практического применения теории вероятностей (интегральная теорема Муавра-Лапласа).
- •22. Основные понятия математич. Статистики. Простая статистическая совокупность. Статистическая функция распределения. Статистический ряд. Полигон. Гистограмма.
- •23. Точечные оценки параметров распределения. Требования, предъявляемые к точечным оценкам. Оценки для м(х), d(X) и сдо.
- •24. Метод моментов для получения точечных оценок. Выравнивание статистических рядов.
- •25. Интервальные оценки. Доверительные интервалы.
- •26. Статистические гипотезы. Основные понятия (основная и альтернативная гипотеза, критическая область, доверительная вероятность). Проверка статистических гипотез.
- •27. Проверка статистических гипотез. Гипотеза о неизвестном среднем при известной дисперсии на примере нормального распределения.
- •Проверка статистической гипотезы о матожидании нормального распределения при известной дисперсии
- •28. Важнейшие распределения в математической статистике: распределение хи-квадрат, распределение Стьюдента.
- •29. Критерии согласия. Критерий согласия Пирсона
22. Основные понятия математич. Статистики. Простая статистическая совокупность. Статистическая функция распределения. Статистический ряд. Полигон. Гистограмма.
Разработка методов регистрации, описания и анализа математических экспериментальных данных получается в результат наблюдения массовых случайных явлений, составляющих предмет математической статистики (МС).
Основные задачи МС:
1) Определение закона распределения СВ по стат.данным
2) Проверка правдоподобности гипотезы
3) Нахождения неизв-х параметров равномерного распределения
Современную МС определяют как науку о принятии решений в условиях неопределенности. Главная задача МС состоит в создании методов сбора и обработки статистических данных для получения научных и практических выводов.
Предположим, что СВ Х производит ряд опытов с целью определения либо закона ее распределения (заранее неизвестного), либо с целью проверки гипотезы о законе распределения. В каждом из опытов СВ Х принимает определенное значение – варианту. Причем последовательность x1,…xn значений СВ Х (где x1<…<xn) получена в результате ранжирования (операции расположения СВ по возрастанию).
№ опыта |
х |
1 |
3,1 |
2 |
3,2 |
Обычно эти данные представлены в виде таблицы. На их основе строится функция распределения.
Стат. функция распределения представляет собой ступенчатую функцию. Величина скачка данной функции – частота события при неограниченном числе опытов. Частота событий будет стремиться к подлинной.
Стат. ф-я распределения – функция F*(x), определяющая для каждого значения х относительную частоту события Х<x. F*(x)=nx/n, где nx - число вариант, меньших х, n – объем выборки.
Свойства стат. ф-и распределения:
1) значения функции принадлежат отрезку [0;1]
2) F*(x) – неубывающая функция
3) если х1 – наименьшая варианта, то F*(x)=0 при x≤x1; если хk – наибольшая варианта, то F*(x)1 при x>xk.
Пример. Построить функцию F*n(x), если
xi |
0 |
1 |
2 |
3 |
4 |
5 |
pi* |
0,1 |
0,2 |
0,1 |
0,1 |
0,2 |
0,3 |
Выборочная совокупность (выборка) – совокупность случайно отобранных объектов.
Генеральная совокупность – совокупность объектов, из которых производится выборка.
Объем совокупности – число объектов это совокупности.
Числа ni, показывающие сколько раз встречаются варианты xi в ряде наблюдений, называются частотами, а отношение их к объему выборке – частостями, т.е. p*i=ni/n.
Для наглядности стат.распределение изображается графически в виде полигона и гистограммы. Полигон, как правило, служит для изображения дискретного (т.е. варианты отличаются на постоянную величину) стат. ряда.
П олигон частот – ломаная, отрезки которой соединяют точки с координатами (x1,n1),…,(xk,nk); полигон частостей (на рис.) – с координатами (x1,p1*),…,(xk,pk*). Варианты откладываются на оси абсцисс, а частоты и частости – на оси ординат.
Полигон является стат. аналогом многоугольника распределения (см. вопрос 7).
Для непрерывного распределения признака (т.е. варианты могут отличаться на сколь угодно малую величину) можно построить полигон частот, взяв середины интервалов в качестве значений
x 1,…,xk. Гистограммая частот (частостей) – ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длины h, а высоты равны отношению ni/n. Плотность частоты – ni/h, частости – pi*/h.
Площадь гистограммы частот = объему выборки, частностей = 1.
Гистограмма частостей:
Гистограмма частот является стат.аналогом дифференциала функции распределения (плотности) f(x) СВ Х. Сумма площадей прямоугольников равна 1: h*p1*/h + … + pi*/h = pi* + … + pi* = 1, что соответствует условию для плотностей вероятностей f(x) (см. вопрос 11)
Если соединить середины верхних оснований прямоугольников с отрезками прямой, то получим полигон того же распределения.