- •1)Основные понятия теории вероятностей. Случайные события и их классификация.
- •2)Вероятность события. Классическое, статистическое и геометрическое определения.
- •3)Действия над событиями.
- •4)Теоремы сложения и умножения вероятностей.
- •1)Теорема сложения вероятностей несовместных событий:
- •2)Теорема сложения вероятностей совместных событий:
- •3)Теорема умножения вероятностей:
- •4)Теорема сложения вероятностей совместных событий:
- •5)Зависимые и независимые события.Условная вероятность.
- •6)Формула полной вероятности. Теорема Байеса
- •7)Повторные независимые испытания. Формула Бернулли.
- •8)Теорема Пуассона. Локальная и интегральная теоремы Муавра-Лапласа.
- •9)Случайная величина и ее закон распределения. Дискретные и непрерывные случайные величины.
- •11)Функция распределения случайной величины. Плотность распределения непрерывной случайной величины. Их свойства.
- •12)Числовые характеристики случайных величин: математическое ожидание, дисперсия, среднее квадратическое отклонение, их свойства.
- •1. Дисперсия постоянной величины равна нулю:
- •2. Постоянный сомножитель можно выносить за знак дисперсии,возведя его при этом в квадрат:
- •Дисперсия алгебраической суммы конечного числа независимых случайных величин равна сумме их дисперсий:
- •13)Мода, медиана, квантили. Начальные и центральные моменты случайных величин.
- •14)Неравенства Маркова и Чебышева.
- •15)Закон больших чисел. Теоремы Чебышева и Бернулли. Теорема Пуассона.
- •16)Центральная предельная теорема
- •17)Многомерные случайные величины
- •18)Функция и плотность распределения двумерной случайной величины. Их свойства.
- •19)Зависимые и независимые случайные величины. Условные законы распределения.
- •20)Числовые характеристики двумерных случайных величин. Ковариация, коэффициент корреляции.
- •21)Случайные процессы и их характеристики.
- •22)Марковские случайные процессы.
- •23)Уравнения Чепмена-Колмогорова.Предельные вероятности состояний.
- •24)Общая характеристика систем массового обслуживания. Потоки событий.
- •25)Процессы гибели и размножения.
- •26)Системы массового обслуживания с отказами.
- •27)Системы массового обслуживания с ожиданием.
- •28)Общие сведения о выборочном методе.
- •29)Вариационные ряды и их графическое изображение
- •30)Числовые характеристики выборочного распределения. Их свойства.
- •31)Понятие об оценке параметров. Характеристики оценок.
- •39)Однофакторный дисперсионный анализ. Межгрупповая и внутри групповая вариации
- •40)Понятие о двухфакторном дисперсионном анализе.
- •41)Основные положения регрессионного анализа.
- •42)Линейная парная регрессия.
- •43)Оценка тесноты корреляционной зависимости для линейной модели. Коэффициент детерминации.
- •44)Интервальная оценка функции регрессии.
- •45)Проверка значимости уравнения регрессии. Интервальная оценка параметров парной модели.
45)Проверка значимости уравнения регрессии. Интервальная оценка параметров парной модели.
Проверить значимость уравнения регрессии — значит установить, соответствует ли математическая модель, выражающая зависимость между переменными, экспериментальным данным и достаточно ли включенных в уравнение объясняющих переменных (одной или нескольких) для описания зависимой переменной.
ОСНОВНАЯ ИДЕЯ ДИСПЕРСИОННОГО АНАЛИЗА
или Q = QR+Qe ,
где Q – общая сумма квадратов отклонений зависимой переменной от средней;
QR и Qe – соответственно сумма квадратов, обусловленная регрессией, и остаточная сумма квадратов, характеризующая влияние неучтенных факторов.
Проверка значимости уравнения регрессии производится на основе дисперсионного анализа.
Средние квадраты и представляют собой несмещенные оценки дисперсий зависимой переменной, обусловленной соответственно регрессией или объясняющей переменной X и воз-действием неучтенных случайных факторов и ошибок;
m — число оцениваемых параметров уравнения регрессии;
n — число наблюдений.
При отсутствии линейной зависимости между зависимой и объясняющими переменными случайные величины
и
имеют - распределение соответственно с m – 1 и n – m степенями свободы, а их отношение — F- распределение с теми же степенями свободы.
Поэтому уравнение регрессии значимо на уровне α, если фактически наблюдаемое значение статистики
где — табличное значение F - критерия Фишера –Снедекора, определенное на уровне значимости α при k1 = = m – 1 и k2 = n – m степенях свободы.
Значимость уравнения парной линейной регрессии может быть проверена и другим способом, если оценить значимость коэффициента регрессии b1.
Доказывается, что при выполнении предпосылки 5 регрессионного анализа статистика
имеет стандартный нормальный закон распределения N(0;1), а статистика
имеет t - распределение с k = n – 2 степенями свободы.
Поэтому коэффициент регрессии b1 значим на уровне α, если
Доверительный интервал для β1 имеет вид:
Для парной регрессионной модели оценка значимости уравнения регрессии по F - критерию равносильна оценке значимости коэффициента регрессии b1 по t - критерию.