- •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
25. Выборочный метод. Основные понятия. Полигон и распределения. Эмпирическая функция распределения.
Выборка Пусть изучается некоторые количественный признак Х (напр., рост стоимости товаров) и пусть для его изучения имеется некоторая совокупность объектов. Иногда исследуются все объекты совокупности, иногда только их часть.
Совокупность объектов, взятых для исследования, называется выборочной или выборкой. Совокупность объектов, из которых взята выборка, называется генеральной. Число объектов совокупности называется объемом.
Чтобы выборка хорошо отражала генеральную совокупность, она должна быть случайной.
Пусть имеется выборка и в ней
x |
X1 |
X2 |
… |
Xn |
n |
N1 |
N2 |
… |
Nn |
Возможные значения xi – варианты, ni – их частоты.
ni/n =wi– относительные частоты.
Перечень вариантов, записанных в возрастающем порядке и соответствующим их частот, называется статистическим распределением выборки или вариационным рядом.
1. Выборочным средним называется среднее арифметическое значение выборки
2. Выборочная дисперсия DB=
3. Выборочным средним отклонением
4. Размах варьирования R=xmax-xmin
D,R, - характеристики рассеяния (разброса).
5. Модой называется варианта, которая имеет наибольшую частоту.
6. Медианой называют варианту, которая делит вариационный ряд на 2 части, равные по числу вариант. Если число вариант нечетно, то me=xk+1; при четном me=(xk+xk+1)/2.
Для нормального распределения мода и медиана совпадают.
7. Начальным моментом порядка k называется среднее арифметическое вариант, в степени k.
8. Центральным эмпирическим моментом порядка k называется среднее отклонение в степени k
M1=0; M2=DB
9. Асимметрией называется
Для нормального распределения равна 0.
10. Эксцессом называется
Для нормального распределения равна 0.
Эксцесс показывает островершинность кривой по сравнению с нормальным распределением.
Эмпирическая функция распределения.Также как и в теории вероятности для описания изучаемого признака вводится функция распределения. Пусть Х – изучаемый признак, .
Эмпирической функцией распределения называется функция, определяющая для каждого значения x относительную частоту события x<X
nx-число вариант меньших x
n- объем выборки
nx /n – относительная частота события
В отличие от эмпирической функции распределения выборки функцию распределения F(x) генеральной совокупности называют теоретической ф-ей распределения.
Свойства:
1. для любого x функция распределения 0
2. F(x) –неубывающая функция.
Если a=min{xi}, то для каждого x<=a Fn(x)=0
Если b=min{xi}, то для каждого x>b Fn(x)=1
На основе закона больших чисел можно показать, что при эмпирическая функция распределения стремится по вероятности к теоретической.
Следовательно эмпирическая функция распределения служит для оценки вида теоретической ф-и распределения.
Для наглядности строят различные графики статистического распределения и, в частности, полигон и гистограмму.
Полигоном частот называют ломанную, отрезки которой соединяют точки (x1, n1); (x2, n2); …; (xk, nk)
Для изучения непрерывного признака строятся гистограмма. Для этого интервал (a;b) делится на несколько частичных интервалов одинаковой длины h.
Затем подсчитываем число вариантов попавших в каждый интервал.
Гистограмма – фигура состоящая из прямоугольников, основанием которых служат частичные интервалы h, а высоты ni/h.
Тогда площадь i-го прямоугольника равна
А площадь всей гистограммы – n.
Аналогично строится гистограмма относительных частот. При этом вдоль оси y откладывается wi/h.
Тогда площадь i-го прямоугольника равна
А площадь всей гистограммы –