- •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
24. Метод моментов для получения точечных оценок. Выравнивание статистических рядов.
Метод моментов для нахождения точечных оценок неизв. параметров заданного распределения состоит в приравнивании теоретических моментов распределения соответствующим эмпирическим моментам, найденным по выборке.
Так, если распределение зависит от одного параметра (например, задан вид плотности распределения f(х,0) ), то для нахождения его оценки надо решить относительно θ одно ур-е: М(Х)=θВ ( есть функция от θ).
Е сли распределение зависит от двух параметров (например, вид плотности распределения f(x,θ1,θ2) ) – надо решить относительно θ1 и θ2 систему уравнений:
И , наконец, если надо оценить n параметров θ1, θ2, …, θn, - надо решить одну из систем вида:
Метод моментов является наиболее простым методов оценки параметров. Оценки метода моментов обычно состоятельны, однако их эффективность часто значительно меньше единицы.
Пример. Найти оценки параметров СВ X~N(a,σ2).
Требуется по выборке x1,…,xn найти точечные оценки неизвестных параметров a=M(X)=θ1 и σ2=D(X)=θ2.
По методу моментов приравниваем их соответственно к выборочному среднему и выборочной дисперсии (α1=М(Х) – нач. момент 1 порядка, µ2=D(X) – центр. момент 2 порядка). Получаем
Т аким образом, искомые оценки параметров: θ1=хВ и θ2=√DВ.
Выравнивание статистических рядов
Количество проводимых измерений СВ Х ограничено. В идеале при n→∞ мы получим непрерывную кривую распределения. Но у нас n<∞, n – конечно, следовательно неизбежная случайность (единственно возможный способ – построение гистограммы).
Задача состоит в подборе теоретической кривой распределения, чтобы она описывала данное статистическое распределение. Такая задача и носит название выравнивание статистического ряда. В большинстве случаев характер закона м.б. известен до опытов, исходя из каких-либо соображений. Нам лишь требуется определить параметры распределения.
Данную задачу мы использовали при решении домашней контрольной работы. Выяснив с помощью критерия Пирсона, что данное распределение имеет нормальный закон (см. вопр.29).
Н о перед этим мы вычислили оценки матожидания и СДО, воспользовавшись формулами
где xi – среднее значение границ интервала, pi – вероятность попадания величины в интервал, n – количество результатов (объем выборки).
З атем нам было необходимо построить кривую нормального закона, совместив ее с гистограммой. Для этого мы искали по данной функции распределения ее значения в точках, соответствующих значениям границ интервалов разбиения, точках, соответствующих средним значениям границ интервала и контрольных точках: mx*±3σx*, mx*±2σx*, mx*±σx*, mx*.
Максимальное значение контрольной точки заканчивается на 3σx, т.к. по «правилу трех сигм», если СВ имеет нормальный закон распределения, то практически достоверно, что ее значение заключены в интервале (M(X)-3σ; M(X)+3σ).
Затем мы представили вид кривой плотности вероятности, наложенной на гистограмму. Полученные результаты хорошо согласуются с гистограммой.