- •Абсолютная и условная сходимость числовых рядов. Свойства абсолютно сходящихся рядов.
- •Функциональные ряды. Точка сходимости ряда. Степенной ряд.
- •Мажорируемые и равномерно сходящиеся ряды.
- •Сходимость степенных рядов. Теорема Абеля. Радиус сходимости степенного ряда.
- •Определение радиуса сходимости степенного ряда. Признак Даламбера. Радикальный признак Коши. Свойства степенных рядов.
- •Ряды Тейлора и Маклорена. Примеры (разложение в ряд Тейлора элементарных функций).
- •Метрическое пространство. Фундаментальная последовательность. Полное метрическое пространство.
- •Линейное пространство. Аксиомы линейного пространства. Нормированное пространство. Банаховы пространства.
- •Ряды Фурье. Разложение функции по произвольной ортогональной системе функций.
- •Тригонометрические ряды Фурье. Разложение в ряд Фурье четных и нечетных функций.
- •Комплексные числа и действия над ними.
- •Возведение в степень
- •Последовательности комплексных чисел. Сходимость последовательности комплексных чисел.
- •Функции комплексных переменных. Основные элементарные функции комплексного переменного.
- •Производная функции комплексного переменного. Условия Даламбера-Эйлера. Определение аналитической функции. Дифференциал. Производная элементарной функции.
- •Интегрирование функции комплексного переменного. Сведение интеграла к сумме криволинейных интегралов второго рода.
- •Теорема Коши. Первообразная и неопределенный интеграл. Формула Ньютона-Лейбница.
- •Интегральная формула Коши. Ряды Тейлора и Лорана. Физический смысл аналитической функции.
- •Классификация особых точек аналитической функции. Вычисление вычета в полюсе. Теорема о вычетах.
- •Обыкновенные дифференциальные уравнения.
- •Закон радиоактивного распада.
- •Общий интеграл. Общее решение. Задача Коши. Теорема Коши о существовании и единственности решения.
- •Решение дифференциальных уравнений с разделяющимися переменными.
- •Метод вариации произвольной постоянной.
- •Уравнение в полных дифференциалах.
- •Дифференциальные уравнения высших порядков. Уравнения, допускающие понижение порядка.
- •Линейные дифференциальные уравнения. Определитель Вронского. Фундаментальная система решений.
- •Линейные однородные дифференциальные уравнения n-того порядка. Фундаментальная система решений. Определитель Вронского.
- •Интегрирование линейных однородных дифференциальных уравнений второго порядка.
- •Решение линейных неоднородных дифференциальных уравнений со специальной правой частью.
- •Системы дифференциальных уравнений, разрешенных относительно производных. Теорема Коши. Метод исключения для решения систем дифференциальных уравнений.
- •Случайные события и их вероятности.
- •Операции над событиями. Классическое определение вероятности. Геометрическое определение вероятности.
- •Свойства вероятности. Применение комбинаторики к вычислению вероятности.
- •Условные вероятности. Независимость событий.
- •Формула полной вероятности. Формула Байеса.
- •Предельная теорема в схеме Бернулли. Формула Пуассона.
- •Локальная и интегральная теоремы Муавра-Лапласа.
- •Системы случайных величин. Функции распределения системы случайных величин.
- •Плотности вероятности системы случайных величин. Условные законы распределения.
- •Математическое ожидание и дисперсия случайных величин.
- •Условное математическое ожидание. Корреляционный момент и коэффициент корреляции. Свойства коэффициента корреляции.
- •Сходимость по вероятности. Второе неравенство Чебышева.
- •Правило трех сигм. Теорема Маркова.
- •Теорема Чебышева. Закон больших чисел. Центральная предельная теорема (теорема Ляпунова).
- •Предмет математической статистики. Задачи математической статистики. Генеральная и выборочная совокупности.
- •Эмпирическая функция распределения. Числовые характеристики статистического распределения.
- •Статистическая оценка параметров. Несмещенная, эффективная и состоятельная оценки.
- •Теорема о выборочном среднем. Исправленная выборочная дисперсия.
- •Метод моментов. Метод максимального правдоподобия.
- •Интервальное оценивание параметров. Доверительный интервал для математического ожидания при известной дисперсии.
- •Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- •Доверительный интервал для математического ожидания при неизвестной дисперсии.
- •Проверка статистических гипотез. Критерий Колмогорова.
Теорема о выборочном среднем. Исправленная выборочная дисперсия.
В качестве точечной оценки для “a” берут выборочную среднюю (выборочной средней называется среднее арифметическое выборки). .
Теорема: выборочная средняя является состоятельной и несмещенной оценкой математического ожидания .
Доказательство:
Нужно доказать, что в вероятностном смысле стремится к “a”, и что - несмещенность. Чтобы доказать это, к последовательности случайных величин , каждая из которых имеет тот же закон распределения, что и , применим теорему Чебышева: . В левой части – выборочная средняя.
Найдем правую часть. В силу теоремы Чебышева: . Самостоятельность доказана. Вычислим математическое ожидание:
Теорема доказана.
Найдем дисперсию выборочной средней: ,
при .
Исправленная выборочная дисперсия:
Выборочная дисперсия в математической статистике — это оценка теоретической дисперсии распределения на основе выборки. Различают выборочную дисперсию и несмещённую, или исправленную, выборочные дисперсии.
Пусть — выборка из распределения вероятности. Тогда
Выборочная дисперсия — это случайная величина , где символ обозначает выборочное среднее.
Несмещённая (исправленная) дисперсия — это случайная величина .
Очевидно, что
Метод моментов. Метод максимального правдоподобия.
Пусть — выборка из распределения , зависящего от параметра . Пусть есть функция , такая что g(X) интегрируема относительно меры , и , где — биекция. Тогда оценка
называется оценкой параметра методом моментов.
Метод максимального правдоподобия (также метод наибольшего правдоподобия) в математической статистике — это метод оценивания неизвестного параметра путём максимизации функции правдоподобия.
Пусть есть выборка из распределения , где — неизвестный параметр. Пусть — функция правдоподобия, где . Точечная оценка называется оценкой максимального правдоподобия параметра θ. Таким образом, оценка максимального правдоподобия — это такая оценка, которая максимизирует функцию правдоподобия при фиксированной реализации выборки.
Интервальное оценивание параметров. Доверительный интервал для математического ожидания при известной дисперсии.
Интервальное оценивание параметров: Точечные оценки параметров генеральной совокупности могут быть приняты в качестве ориентировочных, первоначальных результатов обработки выборочных данных. Их недостаток заключается в том, что неизвестно, с какой точностью оценивается параметр. Если для выборок большого объема точность обычно бывает достаточной (при условии несмещенности, эффективности и состоятельности оценок), то для выборок небольшого объема вопрос точности оценок становится очень важным.
Введем понятие интервальной оценки неизвестного параметра генеральной совокупности (или случайной величины , определенной на множестве объектов этой генеральной совокупности). Обозначим этот параметр через . По сделанной выборке по определенным правилам найдем числа 1 и 2, так чтобы выполнялось условие: P(1< < 2) =P ((1; 2)) =
Числа 1 и 2 называются доверительными границами, интервал (1, 2) — доверительным интервалом для параметра . Число называется доверительной вероятностью или надежностью сделанной оценки.
Сначала задается надежность. Обычно ее выбирают равной 0.95, 0.99 или 0.999. Тогда вероятность того, что интересующий нас параметр попал в интервал (1, 2) достаточно высока. Число (1 + 2) / 2 – середина доверительного интервала – будет давать значение параметра с точностью (2 – 1) / 2, которая представляет собой половину длины доверительного интервала.
Границы 1 и 2 определяются из выборочных данных и являются функциями от случайных величин x1, x2,..., xn , а следовательно – сами случайные величины. Отсюда – доверительный интервал (1, 2) тоже случаен. Он может покрывать параметр или нет. Именно в таком смысле нужно понимать случайное событие, заключающееся в том, что доверительный интервал покрывает число .