- •Вопрос 15. Геометрическое и гипергеометрическое распределения.
- •Вопрос 16. Математическое ожидание дискретной случайной величины и его свойства.
- •Вопрос 17. Вероятностный смысл мат. Ожидания. Математическое ожидание числа появлений события в независимых испытаниях.
- •Вопрос 18. Дисперсия дискретной случайной величины и ее свойства. Введем случайную величину представляющую собой отклонение от математического ожидания.
- •Вопрос 19. Дисперсия числа появления событий в независимых испытаниях. Среднее квадратическое отклонение.
- •Вопрос 20. Мат. Ожидание, дисперсия и среднее квадратическое отклонение среднего арифметического одинаково распределенных взаимно независимых величин.
- •Вопрос 21. Неравенство Чебышева.
- •Вопрос 22. Теорема Чебышева.
- •Вопрос 23. Теорема Бернулли.
- •Вопрос 24. Функция распределения и ее свойства.
- •Вопрос 25. Плотность распределения, ее свойства.
- •Вопрос 26. Вероятность попадания случайной величины в заданный интервал. Нахождение функции распределения по известной плотности распределения. Вероятностный смысл плотности распределения.
- •Вопрос 27. Числовые характеристики непрерывной случайной величины. Числовые характеристики св
- •Математическое ожидание (мо)
- •Мо основных св
- •Дисперсия св
- •Дисперсия основных св
- •Математическое ожидание и дисперсия суммы случайных величин
- •Вопрос 28. Закон равномерного распределения.
- •Вопрос 29. Нормальное распределение
- •Вопрос 30. Нормальная кривая (Кривая Гаусса).
- •Вопрос 31. Вероятность попадания нормально распределенной случайной величины в интервал.
- •Вопрос 32. Вероятность отклонения нормально распределенной случай ной величины.
- •Вопрос 33. Показательное распределение
- •Вопрос 34. Функция надежности
- •Вопрос 35. Закон распределения вероятностей двумерной случайной величины.
- •Вопрос 36. Вероятность попадания случайной величины в полуполосу.
- •Вопрос 37. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины.
- •Вопрос 38. Нахождение плотностей вероятности составляющих двумерной случайной величины.
- •Вопрос 39. Зависимые и независимые случайные величины. Корреляционный момент и коэффициент корреляции.
- •Вопрос 40. Коррелированность и зависимость случайных величин.
- •Вопрос 41. Нормальное распределение на плоскости.
- •Вопрос 42. Линейная регрессия. Прямые линии среднеквадратической регрессии.
- •Вопрос 43. Характеристическая функция случайной величины. Основные свойства. Формула обращения и теорема единственности.
- •Вопрос 44. Цепи Маркова. Вероятность перехода за n шагов. Эргодическая теорема Маркова.
- •Вопрос 45. Марковские процессы. Процессы гибели и размножения
- •Вопрос 46. Стационарный случайный процесс. Теорема Хинчина.
- •Вопрос 47. Понятие стохастического интеграла. Теорема о спектральном представлении.
- •Вопрос 48. Задачи математической статистики. Выборка. Статистический и вариационный ряды.
- •Вопрос 49. Полигон и гистограмма. Эмпирическая функция распределения.
- •Вопрос 50. Понятие оценки параметров распределения. Оценка генеральной средней по выборочной средней.
- •Вопрос 51. Генеральная и выборочная дисперсия. Вычисление дисперсии.
- •Вопрос 52. Оценка генеральной дисперсии по исправленной выборочной.
- •Вопрос 53. Доверительные интервалы для оценки математического ожидания нормального распределения при известном .
- •Вопрос 54. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном .
- •Вопрос 55. Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения.
- •Вопрос 56. Оценка вероятности биномиального распределения по относительной частоте.
- •Вопрос 57. Выборочные уравнения регрессии.
- •Вопрос 58. Выборочный коэффициент корреляции.
- •Вопрос 59. Понятие статистической гипотезы. Статистический критерий проверки нулевой гипотезы
- •Вопрос 60. Критическая область. Отыскание критической области.
- •Вопрос 61. Сравнение двух дисперсий нормальных генеральных совокупностей.
- •Вопрос 62. Проверка гипотезы о нормальном распределении. Критерий согласия Пирсона.
Вопрос 42. Линейная регрессия. Прямые линии среднеквадратической регрессии.
Рассмотрим двумерную случайную величину (X,Y), где X,Y – зависимые случайные величины. Представим одну из величин как функцию другой. Ограничимся приближенным представлением величины Y в виде линейной функции величины X: , где и - параметры, подлежащие определению. Это можно сделать различными способами: наиболее употребительный из них – метод наименьших квадратов. Функцию называют «наилучшим приближением» Y в смысле метода наименьших квадратов, если математическое ожидание принимает наименьшее возможное значение; функцию g(x) называют среднеквадратической регрессией Y на Х. Теорема: Линейная средняя квадратическая регрессия Y на Х имеет вид , где - коэффициент корреляции величин X и Y.
Доказательство: Введем в рассмотрение функцию двух независимых аргументов : (1). Учитывая, что М(X-mx)= М(X-my)=0, М[(X-mx)(X-my)]= и выполнив выкладки, получим . Исследуем функцию
на экстремум, для этого приравняем к нулю частные производные:
. Отсюда , . Можно убедиться, что при любых значениях рассматриваемая функция принимает наименьшее значение. Таким образом, линейная средняя квадратичная регрессия Y и X имеет вид или
. Коэффициент называют коэффициентом регрессии Y на Х, а прямую (2) называют прямой среднеквадратичной регрессии Y на Х. Подставив найденные значения в соотношение (1) получаем минимальное значение функции F(), равное Величину называют остаточной дисперсией случайной величины Yотносительно случайной величины Х; она характеризует величину ошибки, которую допускают при замене Y линейной функцией . При остаточная дисперсия равна 0; другими словами, при этих крайних значениях коэффициента корреляции не возникает ошибки при представлении Y в виде линейной функции от Х. Таким образом, если коэффициент корреляции , то Х и Y связаны линейной функциональной зависимостью. Аналогично можно получить прямую среднеквадратической регрессии X на Y: (3) , где - коэффициент регрессии Х на Y; и остаточная дисперсия величины Х относительно Y. Если , то обе прямые регрессии совпадают как видно из уравнений (2) и (3). Из этих же уравнений следует, что обе прямые регрессии проходят через точку ( которую называют центром совместного распределения величин X и Y.
Вопрос 43. Характеристическая функция случайной величины. Основные свойства. Формула обращения и теорема единственности.
Характеристической функцией случайной величины Х называется математическое ожидание величины , где i- мнимая единица. (1)
Если Х – непрерывная случайная величина, тогда (2).
Основные свойства: 1) ; (по свойству f(x)); 2) ; (; 3) - является равномерно непрерывной на всей числовой оси; 4) если случайная величина представлена в виде Х=аy+b (где а и b- произвольные числа, а у- другая случайная величина), тогда ; 5) Z=X+Y, Х и Y –независимые. Докажем, что . ; 6) если существует несобственный интеграл (т.е. сходится), тогда (3) доказать . ;
Определить М и D случайной величины Х по характеристической функции: (4); (5);
(6)
(7) . Формула обращения. Теорема единственности.
Теорема 1(формула обращения): Если и - точки непрерывности функции распределения, а - соответствующая ей характеристическая функция, то справедливо: (1). Эта формула показывает вероятность попадания случайной величины в интервал ( ;). В формуле (1) положим
(2) Теорема единственности….