- •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
25. Интервальные оценки. Доверительные интервалы.
Большинство практических задач, которые решает статистика, состоит в оценивании некоторого количественного признака генеральной совокупности (совокупности объектов, явлений или процессов, из которых производится выборка). Предположим, что исследователю удалось установить, какому именно закону распределения подчиняется изучаемый количественный признак. В этом случае необходимо оценить параметры, которыми определяется предполагаемое распределение. Например, если удалось установить, что количественный признак подчиняется показательному закону распределения вероятностей, тогда необходимо оценить параметр λ, которым определяется данное распределение.
Статистическая оценка неизвестного параметра теоретического распределения – это функция от наблюдаемых случайных величин.
Существует оценка неизвестного параметра а одним числом. Такая оценка называется «точечной». Но в ряде задач требуется не только найти для параметра а подходящее значение, но и оценить его точность и надежность. Требуется знать – к каким ошибкам может привести замена параметра а его точечной оценкой и с какой степенью уверенности можно ожидать, что эти ошибки не выйдут за известные пределы. Для этого пользуются доверительными интервалами и доверительными вероятностями.
Пусть для параметра а получена несмещенная оценка . Мы хотим оценить возможную при этому ошибку. Назначим достаточно большую вероятность β (β=0,95 или 0,99) такую, что событие с вероятностью β можно считать практически достоверным, и найдем такое значение ε, для которого Р(| -а|<ε)=β P( -ε < a < +ε)=β. Это означает, что с вероятностью β неизвестное значение а попадет в интервал Iβ=( -ε; +ε). При этом величина не случайна, а случайен интервал Iβ (случайно его положение на оси абсцисс, определяемое его центром Iβ).
В этом случае β – доверительная вероятность, а интервал Iβ – доверительный интервал. Границы интервала Iβ: а1= -ε и а2= +ε – доверительные границы. Также доверительный интервал – интервал значений параметра а, совместимых с опытными данными и не противоречащих им.
Данные понятия мы использовали в одном из пунктов домашней контрольной работы. Нам было необходимо построить доверительные интервалы для матожидания с надежностью β=0,95 и β=0,99.
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).
Д ля построения доверительных интервалов мы воспользовались формулой:
Г де tβ=argФ*[(1+β)/2] – табличное значение, равное для заданных значений доверительной вероятности. Данная величина определяет для нормального закона число СДО, которое нужно отложить вправо и влево от центра рассеивания для того, чтобы вероятность попадания в данный участок была равна β.