- •1. Событие. Классификация событий
- •2. Вероятность события. Свойства вероятности. Классическая вероятность
- •3. Статистическое определение вероятности
- •4. Геометрическая вероятность
- •5. Задача о встрече
- •6. Действия над событиями
- •7. Теорема сложения вероятностей
- •8. Теорема умножения вероятностей
- •9. Условная вероятность события
- •10. Следствия из теоремы умножения вероятностей
- •11. Формула полной вероятности
- •12. Теорема гипотез (формула Байеса)
- •13. Дискретные и непрерывные случайные величины
- •14. Закон распределения случайной величины
- •15. Функция распределения случайной величины
- •16. Общие свойства функции распределения св
- •17. Плотность распределения случайной величины
- •18. Основные свойства плотности распределения
- •19. Математическое ожидание и его свойства
- •20. Математическое ожидание непрерывной случайной величины
- •21. Мода и медиана
- •22. Дисперсия случайной величины
- •23. Свойства дисперсии
- •24. Система случайных величин. Свойства распределения двумерного случайного вектора
- •25. Функция распределения дискретного двумерного случайного вектора
- •26. Функция и плотность распределения непрерывного двумерного случайного вектора
- •27. Условные законы распределения. Зависимые и независимые случайные величины
- •28. Функция одной дискретной св
- •29. Функция одной непрерывной св
- •30. Корреляционный момент случайных величин X и y и его свойства
- •31. Коэффициент корреляции и его свойства
- •32. Формула Бернулли
- •33. Наивероятнейшее число наступления события
- •34. Асимптотические формулы вычисления вероятностей
- •35. Биномиальный закон распределения
- •36. Закон распределения Пуассона
- •37. Равномерный закон распределения
- •38. Показательный закон распределения
- •39. Нормальный закон распределения
- •40. Математическое ожидание нормального закона распределения
- •41. Дисперсия нормального закона распределения
- •42. Функция Лапласа и ее связь с функцией распределения нормальной случайной величины
- •43. Правило 3σ
- •44. Неравенство Маркова
- •45. Неравенство Чебышева
- •46. Теорема Чебышева
- •47. Теорема Бернулли
- •48. Теорема Ляпунова
- •49. Интегральная теорема Лапласа
- •50. Виды статистических наблюдений
- •51. Виды измерений
- •52. Методы ранжирования
- •53. Группировка и табулирование количественных данных (дискретные и непрерывные вариационные ряды, кумулятивные ряды)
- •54. Графическое изображение вариационных рядов
- •55. Показатели центра распределения (мода, медиана, среднее арифметическое, среднее гармоническое, среднее геометрическое)
- •56. Показатели вариации (размах, лимиты, среднее линейное отклонение, дисперсия, стандартное отклонение)
- •57. Ассиметрия и эксцесс
- •Плосковершинный островершинный полигон
- •58. Оценка показателей альтернативного признака
56. Показатели вариации (размах, лимиты, среднее линейное отклонение, дисперсия, стандартное отклонение)
Вариация – это изменчивость рассеивания признака.
Размах вариации (РВ) – разность наибольшего и наименьшего значений признака в выборке. РВ=xmax-xmin Лимиты - xmax и xmin
Когда выбран показатель центра распределения, для оценки всей выборки удобно выбирать показатель вариации отклонений значений признака от центра.
Основным показателем центра распределения является среднее арифметическое (выборочное среднее)
Если дан ряд наблюдений признака x1, x2, …, xn, то достаточно найти и оценить отклонения (x1- ), (x2- ), …, (xn- ). Для оценки отклонений в качестве мер вариации рассматриваются ср. линейное отклонение, дисперсия и стандартное отклонение.
Среднее линейное отклонение.
Среднее линейное отклонение МD – среднее арифметическое абсолютных величин отклонений.
МD =
Выборочная дисперсия, чтобы не оценивать отклонение по абсолютной величине использут выборочную дисперсию для вычисления k-й в формуле для среднего отклонения абсолютные величины заменяют квадратами, а в знаменателе пишут (n-1)
В случае, когда признак является дискретным и для него составлен дискретный вариационный ряд вида
вариата |
ν1 |
ν2 |
… |
νk |
частота |
m1 |
m2 |
… |
mk |
Тогда дисперсия вычисляется по формуле
Если для признака составлены интервальный вариационный ряд, то вместо вариант берутся середины интервалов.
Стандартное отклонение.
Выборочная дисперсия вычисляется как среднее квадратов отклонения. Возведение в квадрат несколько меняет оценку вариации. Чтобы избавится от такого измерения вместо дисперсии используют стандартное отклонение, которое вычисляют
57. Ассиметрия и эксцесс
При оценке свойств измеряемого признака большое значение имеет симметрия частот отклонений относительно среднего арифметического. Она сказывается на форме кривой распределения. Для количественной оценки несимметричности распределения введена ассиметрия, которая вычисляется по формуле:
, где s – стандартное отклонение.
Если Аs=0,то распределение частот симметричное.
Если Аs >0, то правосторонняя симметрия.
Если Аs <0, то левосторонняя симметрия.
Эксцесс (Обозначается Ex) – это показатель, который описывает формулу кривой распределения.
Чаще всего этот показатель используют для описания унимодальных распределений частот. Ех=0 норм
Если Eх>0, распределение островершинное.
Если Eх<0, распределение плосковершинное.
Плосковершинный островершинный полигон
58. Оценка показателей альтернативного признака
Альтернативные признаки – это полинеальные признаки, имеющие два значения.
Чтобы оценить центр значения альтернативных признаков, одно из значений приравнивают к нулю, второе – к единице.
В результате измерений получаем первичные эмпирические данные, которые записаны в виде дискретного вариационного ряда.
варианты |
0 |
1 |
частоты |
m1 |
m2 |
m1 + m2 = n – объём выборки=>
Среднее арифмет.
Относительная частота
Выборочная дисперсия
Среднее квадратичное отклонение