- •Классификация случайных событий. Классическое определение вероятности. Свойства вероятности события, непосредственный подсчет вероятности. Примеры.
- •Свойства вероятности события:
- •Статистическое определение вероятности события и условия его применимости. Пример.
- •Несовместные и совместные события. Сумма событий. Теорема сложения вероятностей (с доказательством).
- •Полная группа событий. Противоположные события. Соотношение между вероятностями противоположных событий (с выводом).
- •Зависимые и независимые события. Произведение событий. Понятие условной вероятности. Теорема умножения вероятностей (с доказательством).
- •Формулы полной вероятности и Байеса (с доказательством). Примеры.
- •Повторные независимые испытания. Формула Бернулли (с выводом). Примеры.
- •Локальная теорема Муавра-Лапласа, условия ее применимости. Свойства функции Дх). Пример.
- •Асимптотическая формула Пуассона и условия ее применимости. Пример.
- •Интегральная теорема Муавра-Лапласа и условия ее применимости. Функция Лапласа ф(х) и ее свойства. Пример.
- •Следствия из интегральной теоремы Муавра-Лапласа (с выводом). Примеры.
- •Математическое ожидание дискретной случайной величины и его свойства (с выводом). Примеры.
- •Дисперсия дискретной случайной величины и ее свойства (с выводом). Примеры.
- •Функция распределения случайной величины, ее определение, свойства и график.
- •Непрерывная случайная величина (нов). Вероятность отдельно взятого значения нсв. Математическое ожидание и дисперсия нсв.
- •Плотность вероятности непрерывной случайной величины, ее определение, свойства и график.
- •Случайная величина, распределенная по биномиальному закону, ее математическое ожидание и дисперсия. Закон распределения Пуассона.
- •Математическое ожидание и дисперсия числа и частости наступлений события в п повторных независимых испытаниях (с выводом).
- •Определение нормального закона распределения. Теоретико-вероятностный смысл его параметров. Нормальная кривая и зависимость ее положения и формы от параметров.
- •Функция распределения нормально распределенной случайной величины и ее выражение через функцию Лапласа.
- •Формулы для определения вероятности: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило «трехсигм».
- •Понятие двумерной (/7-мерной) случайной величины. Примеры. Таблица ее распределения. Одномерные распределения ее составляющих. Условные распределения и их нахождение по таблице распределения.
- •Ковариация и коэффициент корреляции случайных величин. Связь между екоррелированностью и независимостью случайных величин.
- •Понятие о двумерном нормальном законе распределения. Условные математические ожидания и дисперсии.
- •Неравенство Маркова (лемма Чебышева) (с выводом). Пример.
- •Неравенство Чебышева (с выводом) и его частные случаидля случайной величины, распределенной по биномиальному закону, и для частости события.
- •Теорема Чебышева (с доказательством), ее значение и следствие. Пример.
- •Закон больших чисел. Теорема Бернулли (с доказательством) и ее значение. Пример.
- •Неравенство Чебышева для средней арифметической случайных величин (с выводом).
- •Центральная предельная теорема. Понятие о теореме Ляпунова и ее значение. Пример.
- •Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда. Упрощенный способ их расчета.
- •Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность.
- •Оценка генеральной доли по собственно-случайной выборке. Несмещенность и состоятельность выборочной доли.
- •Оценка генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность выборочной средней.
- •Оценка генеральной дисперсии по собственно-случайной выборке. Смещенность и состоятельность выборочной дисперсии (без вывода). Исправленная выборочная дисперсия.
- •Понятие об интервальном оценивании. Доверительная вероятность и доверительный интервал. Предельная ошибка выборки. Ошибки репрезентативности выборки (случайные и систематические).
- •Формула доверительной вероятности при оценке генеральной средней. Средняя квадратическая ошибка повторной и бесповторной выборок и построение доверительного интервала для генеральной средней.
- •Определение необходимого объема повторной и бесповторной выборок при оценке генеральной средней и доли.
- •Статистическая гипотеза и статистический критерий. Ошибки 1-го и 2-го рода. Уровень значимости и мощность критерия. Принцип практической уверенности.
- •Построение теоретического закона распределения по опытным данным. Понятие о критериях согласия.
- •Критерий согласия х2-Пирсона и схема его применения.
- •Функциональная, статистическая и корреляционная зависимости. Различия между ними. Основные задачи теории корреляции.
- •Линейная парная регрессия. Система нормальных уравнений для определения параметров прямых регрессии. Выборочная ковариация. Формулы для расчета коэффициентов регрессии.
- •Упрощенный способ:
- •Оценка тесноты связи. Коэффициент корреляции (выборочный), его свойства и оценка достоверности.
Дисперсия дискретной случайной величины и ее свойства (с выводом). Примеры.
Определение. Дисперсией D(Х) случайной величины Х называется математическое ожидание квадрата ее отклонения от математического ожидания: или , где |
Доказательство. С учетом того, что мат ожид М(Х) и квадрат мат-го ожид М2(Х) – величины постоянные, можно записать:
В качестве характеристики рассеяния нельзя брать математическое ожидание отклонения случайной величины от ее математического ожидания , ибо согласно свойству 6 математического ожидания эта величина равна нулю для любой случайной величины.
Выбор дисперсии, определяемой по формуле, в качестве характеристики рассеяния значений случайной величины Х оправдывается также тем, что, как можно показать, математическое ожидание квадрата отклонения случайной величины Х от постоянной величины С минимально именно тогда, когда эта постоянная С равна математическому ожиданию , т.е..
Если случайная величина Х - дискретная с конечным числом значений, то (3.11).
Если случайная величина Х - дискретная с бесконечным, но счетным множеством значений, то (если ряд в правой части равенства сходится).
Дисперсия D(Х) имеет размерность квадрата случайной величины, что не всегда удобно. Поэтому в качестве показателя рассеяния используют также величину .
Определение. Средним квадратическим отклонением (стандартным отклонением или стандартом) случайной величины Х называется арифметическое значение корня квадратного из ее дисперсии: |
Свойства дисперсии случайной величины.
Дисперсия постоянной величины равна нулю: .
□ . ■
2. Постоянный множитель можно выносить за знак дисперсии, возведя его при этом в квадрат: .
□ Учитывая свойство 2 математического ожидания, получим . ■
3. Дисперсия случайной величины равна разности между математическим ожиданием квадрата случайной величины и квадратом ее математического ожидания: (3.16) или где .
□ Пусть М(Х) = а. Тогда D(Х) = М(Х - а)2 = М(Х2 - 2аХ + а2). Учитывая, что а - величина постоянная, неслучайная, найдем
D(Х) = М(Х)2 - 2аМ(Х) + а2 = М(Х2) - 2а·а + а2 = M(X2) - a2.
Это свойство часто используют при вычислении дисперсии. Вычисление по формуле (3.16) дает, например, упрощение расчетов по сравнению с основной формулой (3.11), если значения xi случайной величины - целые, а математическое ожидание, а значит, и разности (xi - а) - нецелые числа.
4. Дисперсия алгебраической суммы конечного числа независимых случайных величин равна сумме их дисперсий: .
□ По свойству 3: . Обозначая,и учитывая, что для независимых случайных величин М(ХУ)=М(Х)М(У), получим
.■
Обращаем внимание на то, что дисперсия как суммы, так и разности независимых случайных величин Х и У равна сумме их дисперсий, т.е. .
Если использовать механическую интерпретацию распределения случайной величины, то ее дисперсия представляет собой момент инерции распределения масс относительно центра масс (математического ожидания).
3амечание. Обратим внимание на интерпретацию математического ожидания и дисперсии в финансовом анализе. Пусть, например, известно распределение доходности Х некоторого актива (например, акции), т.е. известны значения доходности xi и соответствующие их вероятности pi за рассматриваемый промежуток времени. Тогда, очевидно, математическое ожидание М(Х) выражает среднюю (прогнозную) доходность актива, а дисперсия D(X) или среднее квадратическое отклонение - меру отклонения, колеблемости доходности от ожидаемого среднего значения, т.е. риск данного актива.
Математическое ожидание, дисперсия, среднее квадратическое отклонение и другие числа, призванные в сжатой форме выразить наиболее существенные черты распределения, называются числовыми характеристиками случайной величины.
Обращаем внимание на то, что сама величина Х - случайная, а ее числовые характеристики являются величинами неслучайными, постоянными.