- •1. События и их классификация. Классическое определение вероятности
- •2. Элементы комбинаторики: перестановки, сочетания, размещения, правило умножения и правило сложения
- •3. Действия над событиями. Соотношения между событиями
- •4. Теорема сложения вероятностей несовместных событий.
- •5. Теорема сложения вероятностей совместных событий.
- •6. Частота события и ее свойства. Статистическое определение вероятности.
- •7. Условная вероятность. Теорема умножения вероятностей. Вероятность появления хотя бы 1 события
- •8. Формула полной вероятности. Формулы Байеса
- •9. Повторные независимые испытания. Формула Бернулли. Наивероятнейшее число появления события
- •10. Повторные независимые испытания. Формула Пуассона
- •11. Повторные независимые испытания. Локальная и интегральная теорема Лапласа
- •12. Понятие случайной величины и ее функции распределения. Свойства функции распределения
- •13. Дискретные случайные величины. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение, начальные и центральные моменты, асимметрия и эксцесс)
- •14. Биномиальный закон распределения
- •15. Распределение Пуассона
- •16. Непрерывные случайные величины. Плотность распределения. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение)
- •17. Равномерное распределение. Вероятность попадания случайной величины в заданный интервал
- •18. Показательное распределение. Вероятность попадания случайной величины в заданный интервал
- •Характеристики
- •19. Нормальное распределение. Вероятность попадания в заданный интервал нормальной случайной величины. Правило 3-х сигм
- •20. Функции случайных величин
- •21. Понятие системы случайных величин. Закон распределения двумерной случайной величины. Функция распределения двумерной случайной величины
- •22. Понятие о законе больших чисел. Неравенства Маркова и Чебышева
- •23. Теоремы Чебышева и Бернулли. Центральная предельная теорема
- •24. Цепи Маркова. Применение Марковских цепей в экономике
- •25. Выборочный метод. Основные понятия. Полигон и распределения. Эмпирическая функция распределения.
- •26. Оценка параметров по выборке. Понятие несмещённости, состоятельности и эффективности оценки
- •27. Основные характеристики генеральной и выборочной совокупностей
- •28. Связь между характеристиками генеральной и выборочной совокупностей.
- •29. Точечные и интервальные оценки. Доверительная вероятность и доверительный интервал.
- •30. Доверительный интервал для оценки мат.Ожидания нормального распределения
- •31. Понятие корреляционной зависимости. Корреляционная таблица. Линейная корреляция
- •32. Метод наименьших квадратов для определения параметров линейной регрессии
- •33. Статистическая гипотеза. Основные понятия
- •34. Уровень значимости и мощность критерия. Этапы проверки стат.Гипотезы
- •Этапы проверки статистических гипотез
- •35. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •36.Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
- •37. Основные понятия дисперсионного анализа
26. Оценка параметров по выборке. Понятие несмещённости, состоятельности и эффективности оценки
Оценкой параметра называется любая функция от значений выборки , т.е. статистика. Оценка является несмещённой, если Если для любого то оценка называется состоятельной. Оценкой качества несмещенной оценки является ее дисперсия. Несмещенная оценка называется эффективной, если ее дисперсия является наименьшей среди дисперсий всех возможных оценок параметра , вычисленных по одному и тому же объему выборки п. Оценки называются точечными, так как они оценивают одно численное значение параметра (точку). Точечная оценка параметра дает лишь некоторое приближенное значение . Чтобы получить представление о точности и надежности оценки, используют интервальную оценку параметра.
Интервальной оценкой параметра называется интервал (α, β), который с заданной вероятностью γ накрывает неизвестное значение параметра . Такой интервал (α, β) называется доверительным интервалом, а вероятность γ — доверительной вероятностью, или уровнем надежности. Обычно доверительный интервал симметричен относительно оценки , тогда он определяется формулой и имеет вид т.е. неравенства выполняется с вероятностью γ. Наибольшее отклонение Δ выборочного значения параметра от его истинного значения называется предельной ошибкой выборки.
27. Основные характеристики генеральной и выборочной совокупностей
Пусть генеральная совокупность имеет распределение
-
….
….
-частоты. -объём генеральной совокупности.
-объём выборки. Генеральная средняя . Выборочная средняя . . Генеральная дисперсия , . Выборочная дисперсия . Генеральная доля (отношение числа объекта e совокупности , обладающей данным признаком к числу всех объектов) - . Выборочная доля - .
28. Связь между характеристиками генеральной и выборочной совокупностей.
Рассмотрим повторную выборку значений генеральной совокупности X. При этом случайные величины будут независимыми. Пусть MX= α, DX = δ2 генеральные средняя и дисперсия совокупности. В качестве оценок для α и δ рассмотрим среднюю арифметическую выборки и выборочную дисперсию .
Выясним свойства этих оценок: . Значит, является несмещённой оценкой для α. Т.к. по закону больших чисел при , то оценка является состоятельной. Можно доказать, что оценка является также эффективной, причём . Математическое ожидание выборочной дисперсии равно . Таким образом, оценка является смещённой. На практике, чтобы избавиться от этого недостатка, для оценки неизвестной дисперсии генеральной совокупности пользуются исправленной несмещенной оценкой . Тем не менее, из закона больших чисел следует, что как оценка , так и являются состоятельными оценками для .Дисперсия , где N -- объем генеральной совокупности. Дисперсия в случае повторной выборки равна , а в случае бесповторной выборки , где .