- •1. Случайные события, их классификация. Понятие вероятности.
- •2. Алгебра случайных событий, диаграммы Вьенна-Эйлера.
- •8. Формула Байеса.
- •9. Схема Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
- •11. Функция распределения дискретной случайной величины и ее свойства.
- •12. Математическое ожидание дискретной случайной величины и ее свойства.
- •18. Математическое ожидание и дисперсия непрерывной случайной величины и их свойства (без доказательства).
- •19. Начальные и центральные моменты.
- •20. Равномерный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •21. Показательный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •27. Центральная предельная теорема ( без док-ва). Локальная и интегральная теоремы Муавра-Лапласа.
- •28. Двумерные случайные величины, формы задания закона распределения.
- •29. Характеристики двумерной случайной величины: математическое ожидание и дисперсия компонент.
- •30. Зависимость случайных величин. Корреляционный момент и коэффициент корреляции, их свойства.
- •31. Предмет математической статистики. Генеральная совокупность, выборка, ее свойства.
- •32. Статистический и интервальный ряды распределения.
- •33. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
- •34. Распределения χ2, t, f.
- •35. Свойства точечных оценок числовых характеристик и параметров распределения.
- •36. Точечная оценка математического ожидания и ее свойства.
- •37. Точечная оценка дисперсии, несмещенная оценка дисперсии.
- •38. Метод моментов. Метод максимального правдоподобия.
- •39. Интервальные оценки параметров распределения.
31. Предмет математической статистики. Генеральная совокупность, выборка, ее свойства.
Основная задача математической статистики состоит в получении выводов о массовых явлениях и процессах по данным наблюдений над ними или экспериментов.
Генеральной совокупностьюназывают совокупность результатов всех мысленно возможных наблюдений за какой-либо случайной величиной Х, проводимых в одинаковых условиях. Иными словами, генеральная совокупность представляет собой набор всех возможных значений данной случайной величины.
Выборкойназывают результаты ограниченного числа наблюдений за случайной величиной Х. Сущность выборочного метода состоит в том, чтобы по выборке как некоторой части генеральной совокупности делать выводы о генеральной совокупности в целом.
Выборку называют репрезентативной,если она адекватно отражает исследуемые свойства генеральной совокупности. Чтобы выборка была репрезентативной, можно организовать ее следующим способом. Из генеральной совокупности случайным образом отбирается элемент, затем он обследуется, после чего возвращается в общую совокупность и может быть отобран и обследован повторно. Такая выборка называетсяповторной случайной.
Конкретной выборкойназывается конкретный набор чисел х1,х2,…,хn, полученный в результате наблюдений за случайной величиной Х, т.е. набор, состоящий изnреализаций случайной величины Х.
Выборочным среднимназывается:
Х = ∑Хi/n
32. Статистический и интервальный ряды распределения.
Расположив элементы выборки в порядке не убывания, получим вариационный рядх1,х2,…,хn. Если в вариационном ряду есть повторяющиеся элементы, то выборку можно записать в видестатистического ряда распределения, т.е. в виде таблицы:
Х |
Х’1
|
X’2 |
... |
X’k |
р |
p^1 |
p^2 |
... |
p^k |
Для непрерывных случайных величин при достаточно больших объемах выборки nвместо статистического ряда распределения используютинтервальный вариационный ряд,
X |
[a1;a2) |
[a2;a3) |
... |
[av;av+1) |
p |
p^1 |
p^2 |
... |
p^v |
Где v– число интервалов одинаковой шириныh=хn-x1/1+3,322lgn(x1и хn– соответственно минимальный и максимальный элементы выборки; значениеhрассчитывается с числом знаков после запятой, на единицу большим, чем в исходных данных).
33. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
Выборочным аналогом плотности распределенияfx(x) случайной величины Х служит выборочная плотность распределенияf^x(x) =p^i/hпри х €[ai;ai+1) (i= 1,2,...,v).
Полигоном частотназывают ломаную, отрезки которой соединяют точки (х1,n1), (x2,n2),...,(xk,nk), гдеxi– варианты выборки иni– соответствующие им частоты.
Гистограммой частот называют ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат частичные интервалы длины h, а высоты равны отношенияni/h(плотность частоты)
34. Распределения χ2, t, f.
35. Свойства точечных оценок числовых характеристик и параметров распределения.
Статистической оценкойΘ* неизвестного параметра Θ теоретического распределения называют функциюf(Х1,Х2...,Хn) от наблюдаемых случайных величин Х1,Х2,…,Хn .
Точечнойназывают статистическую оценку, которая определяется одним числом Θ* =f(x1,x2,...,xn), где х1,х2,…,хn– результатыnнаблюдений над количественным признаком Х (выборка).
Несмещеннойназывают точечную оценку, математическое ожидание которой равно оцениваемому параметру при лбом объеме выборки.
Смещенной называют точечную оценку, математическое ожидание которой не равно оцениваемому параметру.
Несмещенной оценкой генеральной среднейслужит выборочная средняя
Хв= (∑nixi)/n
Где xi– вариант выборки,ni– частота вариантыxi,n= ∑ni – объем выборки.