- •1 Блок :
- •Предмет эконометрики. Цели и задачи эконометрики
- •Основные этапы эконометрического моделирования.
- •Статистические данные и способы их представления.
- •Дискретная случайная величина, закон и функция распределения
- •2. Числовые характеристики дискретных случайных величин
- •Дискретная случайная величина, распределенная по закону Пуассона. Числовые характеристики.
- •7 Вопрос Непрерывные случайные величины и их числовые характеристики.
- •8 Вопрос. Нормальное распределение случайной величины. Числовые характеристики
- •10.Вероятность попадания нормального распределения случайной величины на отрезок. Правило трех сигм.
- •11.Типовые законы распределения случайной величины
- •12 ) Генеральная совокупность и выборка из нее
- •14 ) Доверительный интервал для генеральной средней m
- •15 ) Доверительный интервал для генеральной средней а (генеральная дисперсия s2 неизвестна)
- •2 Блок :
- •Доверительный интервал для генеральной доли (относительной величины) р
- •Функция распределения, плотность распределения и их свойства.
- •Определение
- •Плотность распределения
- •Общий подход к решению задачи проверки гипотез.
- •Нулевая гипотеза (нуль-гипотеза) и альтернатива (альтернативная гипотеза)
- •6.2.2. Ошибки при проверке гипотез
- •6.2.3. Критерии значимости
- •Общая схема проверки гипотез
- •Замечание 1
- •6.2.4. Односторонние и двусторонние критерии
- •5) Модель парной линейной регрессии (плр).
- •6)Оценка коэффициентов парной линейной регрессии методом наименьших квадратов
- •7)Дисперсия наблюдаемых значения, расчетных значения, остатков (для парной линейной регрессии). Коэффициент детерминации.
- •8)Проверка статистической значимости коэффициентов парной линейной регрессии.
- •10 )Множественная линейная регрессия
- •11)Метод наименьших квадратов для нахождения параметров множественной линейной регрессии.
- •12)Проверка значимости коэффициентов множественной линейной регрессии
- •13)Классическая модель множественной линейной регрессий
- •14)Прогнозирование значений зависимой переменной для парной линейной регрессии.
- •15)Нелинейные модели , приводимые в линейному иду
Дискретная случайная величина, распределенная по закону Пуассона. Числовые характеристики.
Биномиальное распределение. Дискретная случайная величина Х имеет биномиальное распределение, если ее возможные значения 0, 1, 2, ... , m, … , n, а соответствующие им вероятности равны:
(21)
где 0 < p < 1, q = 1 – p ; m = 0, 1, 2, ... , n.
Как видно из (21), вероятности Рm вычисляются, как члены разложения бинома Ньютона , откуда и название «биномиальное распределение».
Примером является выборочный контроль качества производственных изделий, при котором отбор изделий для пробы производится по схеме случайной повторной выборки, т.е. когда проверенные изделия возвращаются в исходную партию. Тогда количество нестандартных изделий среди отобранных есть случайная величина с биномиальным законом распределения вероятностей.
Биномиальное распределение определяется двумя параметрами: n и p. Cлучайная величина, распределенная по биномиальному закону, имеет следующие основные числовые характеристики:
(22)
Распределение Пуассона. Дискретная случайная величина Х имеет распределение Пуассона, если она имеет бесконечное счетное множество возможных значений 0, 1, 2, ... , m, …, а соответствующие им вероятности определяются формулой:
(23)
Примерами случайных явлений, подчиненных закону распределения Пуассона, являются: последовательность радиоактивного распада частиц, последовательность отказов при работе сложной компьютерной системы, поток заявок на телефонной станции и многие другие. Закон распределения Пуассона (23) зависит от одного параметра а , который одновременно является и математическим ожиданием, и дисперсией случайной величины Х, распределенной по закону Пуассона. Таким образом, для распределения Пуассона имеют место следующие основные числовые характеристики:
(24)
Геометрическое распределение. Дискретная случайная величина Х имеет геометрическое распределение, если ее возможные значения 0, 1, 2, ... , m, … , а вероятности этих значений:
(25)
где 0 < p < 1, q = 1 – p ; m = 0, 1, 2, ... .
Вероятности Рm для последовательных значений m образуют геометрическую прогрессию с первым членом р и знаменателем q, откуда и название «геометрическое распределение».
В качестве примера рассмотрим стрельбу по некоторой цели до первого попадания, причем вероятность попадания при каждом выстреле не зависит от результатов предыдущих выстрелов и сохраняет постоянное значение р (0 < p < 1). Тогда количество произведенных выстрелов будет случайной величиной с геометрическим распределением вероятностей.
Геометрическое распределение определяется одним параметром р. Cлучайная величина, подчиненная геометрическому закону распределения, имеет следующие основные числовые характеристики:
(26)
Гипергеометрическое распределение. Дискретная случайная величина Х имеет гипергеометрическое распределение с параметрами a, b, n, если ее возможные значения 0, 1, 2, ... , m, … , а имеют вероятности:
(27)
Гипергеометрическое распределение возникает, например, когда из урны, содержащей а черных и b белых шаров, вынимают n шаров. Случайной величиной, подчиненной гипергеометрическому закону распределения, является число белых шаров среди вынутых. Основные числовые характеристики этой случайной величины: