- •1.Осн.Понятия тв.
- •2.Дискретное вероятностное пространство.
- •3.Формулы сложения и умножения, св-ва.
- •4.Классическая вероятность. Геометрическая вероятность(с выводом).
- •5.Элементы комбинаторики.
- •6.Условная вероятность. Св-ва с выводом.
- •7.Независимость событий, независ-ть в сов-ти, попарная независ-ть.
- •8.Формулы полной вероятности и Байеса.
- •9.Схема Бернулли.
- •11.Теорема Пуассона.
- •12.Дискретная случайная величина.
- •13.Примеры дискретных уравнений.
- •14.Функция распределения и её св-ва.
- •15. Математические ожидание дискретной с.В. И его св-ва.Примеры расчета.
- •16.Дисперсия дискретной с.В и ее св-ва.Примеры расчета.
- •17.Ковариация,корреляция,начальные,центральные моменты,ассиметрия,эксцесс.
- •18.Индикатор случайного события и его свойства.
- •19. Непрерывная с.В. Плотность распределения и ее свойства.
- •20.Равномерное непрерывное,показательное распределения ,их св-ва.
- •21.Нормальное распределение,его свойства.
- •22.Числовые характеристики непрерывных с.В.
- •23.Виды сходимости с.В.
- •24.Неравенство Чебышева. Центральная предельная теорема.
- •25.Закон больших чисел(збч) в форме Чебышева и в форме Бернулли(с выводом).
- •26.Основные понятия мат.Статистики.
- •27.Полигон и гистограмма частот.
- •28.Эмпирическая ф-я распред.
- •29.Определение точечной оценки,состоятельность,несмешенность,эфективность.
- •30.Примеры стат оценок для всех параметров распределения.
- •31.Опред интервальной оценки(дов инт) оцнка требуемого объема выборки.
- •32.Дов инт для оценки неизвестного мх в норм законе распред при известной dx и не известной.
- •33.Опред стат гипотезы общая схема проверки гипотез.
- •34.Проверка гипотезы о равенстве среднего числового знач при известной и не известной dx норм зак распред.
- •35.Проверка гипотезы о равенстве средних двух выборок из n при изв и не изв Дисперсии.
- •36..Линейная регрессия.
26.Основные понятия мат.Статистики.
Мат.ст-ка изучает методы сбора,систематизации и обработки наблюдений с целью выявления стат.закономерностей.В мат.ст-ке существуют две основные задачи: 1.Указать способы сбора и группировки стат.сведений,полученных в рез-те наблюдений или в рез-те экспериментов.
2.Разработка методов анализа стат.данных в заисимости от целей исследования: -)оценка неизвестной вероятности события; -)оценка неизвестной функции распределения; -)оценкан неизвестных параметров распределения,вид которого известен; -)оценка завис-ти ф-ции распр-я от ф-ции распр-я др.с.в.(оценка условных распр-й); -)проверка стат.гипотез о виде неизв.ф-ции распр-я или о величине параметров распр-я,вид которого известен.
Сущ-ют след.методы сбора информации: 1.Метод сплошных набл-ий. 2.Выборочный метод.
Опр1.Генеральная сов-ть - исходная сов-ть всех исследованных объектов.
Опр2.Выборка-часть ген.сов-ти,отобранная случ.образом и наиб.полно представляющая ген.сов-ть.
Опр3.Объем выборки-число элементов выборки.
Опр4.Вар.ряд-выборка,упорядоч.по возрастанию.
Опр5.Размах выборки-разница м/у мах и мин. элементами выборки.
Пр.: -1,5,2,-1,5
n=5 (объем выборки) размах=5-(-1)=6. вар.ряд: -1,-1,2,5,5
Опр.6.Частота варианты ni-число повторений варианты xi в общем объеме выборки, Eni=n.
Опр.7.Относит.частот варианты wi-доля варианты xi в общем объеме выборки,wi=ni/n, E wi=1.
Опр.8.Набор {xi,ni} наз-ся стат.распр-ем выборки.Таблица стат.распр-я выборки имеет след вид:
x1 x2 ... xk xi -1 2 5
n1 n2 ... nk ni 2 1 2 Eni=5
В более общей постановке под выборкой X1,..,Xn понимается набор с.в,кот.подвергаются изучению.В мат.ст-ке данные выборки,т.е с.в. Xi,считаются независимыми одинаково распределен.с.в,т.е задаются одной и той же ф-цией распр-я F(x)=P(Xi<=x) для всех i.Как правило,эта ф-ция неизвестна и она явл-ся объектом интереса.Говорят,что X1,..,Xn явл-ся выборкой из теоретич.распр-я.
27.Полигон и гистограмма частот.
Полигон частот-ломаная линия,отрезки которой соединяют точки (xi,ni).
Полигон относительных частот строится аналогично по точкам (xi,wi)
Разобьем интервал знач-ий вар.ряда (x1,xn) на M интервалов одинаковой длины.Предполагается,что n и М достаточно велики. Обозначим через дельтаi - i-ый по счету интервал,тогда h=(xn-x1)/M - длина интервала. Получим след.частичные интервалы: дельта 1 = [x1,x1+h)
дельта 2 = [x1+h,x1+2h)
...
дельта М = [x1+(M-1)h,xn]
Обозначим ni* - число вариант,попавших в интервал дельта.
Гистограмма частот-фигура,состоящая из прямоугольников с основанием h и высотами ni*/h.
Для построения гистограммы относит.частот используется высота wi*/h.Площадь гистограммы частот равна объему выборки n. Площадь гистограммы относит.частот равна 1. Если n-->8,то М-->8,и график гистограммы относит.частот сближается с графиком теоретич.плотности.
28.Эмпирическая ф-я распред.
обозначим nx-число вариантов хi, кот меньше х.n{xi: xi<x}, nx=EI"внизу"{xi<x}.
Эмперической ф-ей распределения наз ф-я вида Fi(x)=nx/n=EI".."/n. Теоретическая ф-я распред опред вероятность события {xi<x} а эмпирическая относительную частоту этого же события.
Св-ва:1)Fn(x) - не убывает;
2)0<=Fn(x)<=1;
3)мат ожид эмпер ф-ии распред совпадает с теорет ф.р. MFn(x)=M(EI" внизу"{xi<x}..."/n)=1/n*MI" внизу"{xi<x}..."=1/n*EP(xi<x)=Fx(x);
4)DFn(x)=D(EI".."/n)=1/n^2*ED(I". внизу"{xi<x}..")=1/n^2*EFx(X)*(1-Fx(x))=Fx(x)*(1-Fx(x))/n->0 при n->8;
5)Оценим вер-ть отклонения эмпер ф.р. от теоретической с помощью нер-ва Чебышева: P(|Fn(x)-Fx(x)|>=e"эпсилон")<=DFn(x)/e^2=F(x)*(1-F(x))/n*e^2->0 при n->8 для всех е>0. Fn(x)->"p при n->8"Fx(x) т.о. эмпер ф.р. сближается с теорет при неограниченном росте числа испытаний.