- •Классическое определение вероятности и ее свойства
- •Комбинаторные методы подсчета
- •3. Геометрический метод определения вероятности.
- •8. Понятие произведения событий
- •9. Понятие разности событий
- •10) Теорема сложения вероятностей несовместных событий
- •20. Наивероятнейшее число благоприятных исходов
- •21. Простейший поток событий
- •22. Случайные величины (дискретные и непрерывные)
- •23. Закон распределения дискретной случайной величины
- •24. Функция распределения дискретной случайной величины
- •25. Мат. Ожидание дискретной случайной величины. Свойства мат. Ожидания.
- •26. Дисперсия дискретной случайной величины
- •27. Закон распределения непрерывной случайной величины
- •28. Плотность вероятности непрерывной случайной величины
- •29. Мат ожидание и дисперсия непрерывной случайной велечины.
- •30. Среднее квадратическо отклонение, мода и медиана непрерывной случайной величины.
- •31.Начальные и центральные моменты непрерывной случайно величины
- •32.Биноминальный з-н распределения
- •35.Равномерное распределение
- •36. Показательный закон
- •37. Нормальное распределение
- •38. Свойства случайной величины, распеделенной по нормальному закону
- •39. Свойства нормального распределения
- •40. Распределение Пирсона
- •41. Распределение Стьюдента.
- •42. Распределение Фишера
- •43. Понятие многомерной случайной величины и закон ее распределения
- •44. Функция распределения многомерной случайной величины
- •45. Плотность вероятности двумерной случайной величины.
- •46. Зависимые и независимые случайные величины.
- •47.Ковариация и коэффициент корреляции. Свойства.
- •48 Закон больших чисел.
- •49. Неравенство Маркова
- •50. Неравенство Чебышева
- •51. Теорема Чебышева
- •52. Теорема Бернулли
- •53. Центральная предельная теорема (цпт)
- •54. Элементы статистики. Понятие об оценке параметров
- •55. Оценка мат ожидания и дисперсии по выборке
- •56. Вариационный ряд
- •58. Основы математической теории выборочного метода
- •59. Оценка вероятности по относительной частоте. Доверительный интервал.
- •60. Оценка параметров в статистике
- •61. Дисперсионный анализ. Однофакторный комплекс.
- •62. Корреляционный анализ. Регрессия.
- •63. Линейная регрессия. Метод наименьших квадратов.
63. Линейная регрессия. Метод наименьших квадратов.
Представим зависимость y от x в виде линейной модели первого порядка:
значения x определяются без ошибки, β0 и β1 — параметры модели, а ε — ошибка, распределение которой подчиняется нормальному закону с нулевым средним значением и постоянным отклонением σ2. Значения параметров β заранее не известны и их нужно определить из набора экспериментальных значений. Т.о. можем записать: , - предсказанное моделью значение y при данном x, b0 и b1 — выборочные оценки параметров модели, - значения ошибок аппроксимации.
Метод наименьших квадратов — один из базовых методов регрессионного анализа для оценки неизвестных параметров регрессионных моделей по выборочным данным. Метод основан на минимизации суммы квадратов остатков регрессии.
- средние значения,
64.Произвести измерения физических величин абсолютно точно невозможно, так как всякое измерение сопровождается той или иной ошибкой или погрешностью. Погрешности или ошибки бывают систематические и случайные. Систематические погрешности порождаются: несовершенством приборов; неточной установкой прибора; смещением шкалы прибора и так далее.
Характерной величиной систематических погрешностей является то, что при любом измерении они либо только увеличивают, либо только уменьшают результат измерений, изменяя его всегда в одном направлении.
Систематические погрешности не описываются методами математической статистики. Их можно уменьшить путем изучения приборов, которыми пользуются при выполнении работ и введением соответствующих поправок в результат измерений.
Случайные погрешности вызываются неточностями отсчетов, которую невольно может допустить всякий экспериментатор. Они обусловлены несовершенством наших органов чувств, посредством которых мы получаем сведения о внешнем мире. Кроме того, случайные погрешности вызываются многочисленными трудно учитываемыми кратковременными факторами, каждый из которых приводит к незначительному изменению результатов измерений. Случайные погрешности обнаруживаются путем повторных измерений.
В отличие от систематических случайные погрешности подчиняются законам математической статистики. Теория ошибок, построенная на теории вероятностей, позволяет определить степень влияния величины случайных погрешностей на окончательный результат измерений.