- •3. Классическое определение вероятности события. Теорема умножения и её свойства.
- •8. Дисперсия дсв и ее св-ва. 3 на выбор доказать.
- •6. Определение интегральной функции распределения и доказательство ее св-в.
- •7. Доказать теоремы: «Формула полной вероятности», «Формула Байеса».
- •15. Простая и сложная статистическая гипотеза, ошибки 1и 2 рода
- •5. Математическое ожидание дсв и ее св-ва. 3св-ва доказать на выбор.
- •16. Поняття статистичної та кореляційної залежності. Кореляційний момент. Коефіцієнт кореляції та його властивості.
- •2. Определение дифференциальной функции распределения. Доказ-во свойств.
- •1. Центральная предельная теорема. Вывести интегральную теорему Муавра-Лапласа. Её частные случаи.
- •11. Схема применения критерия Пирсона.
- •13. Точечные оценки выборки и требования к ним.
- •18. Выборочная дисперсия
- •17. Статистические гипотезы
- •12. Декомпозиция дисперсий. Коэффициент детерминаций.
- •4.Числовые характеристики биномиального распределения.
- •14. Критерий независимости двух дискретных св. Корреляционный момент. Коэффи-циент корреляции и его св-ва.
- •19. Выборочная средняя арифметическая
- •9. Определение нормального закона распределения. Вывести формулу для вероятности попадання значений нормально распределенной св з заданный промежуток. Следствие. Правило «три сигма».
- •1. Центральная предельная теорема. Вывести интегральную теорему Муавра-Лапласа
15. Простая и сложная статистическая гипотеза, ошибки 1и 2 рода
Простой называют гипотезу, содержащую только одно предположение. Например, если а — параметр показательного распределения, то гипотеза Н0 : а = 5 простая.
Сложной называют гипотезу, которая состоит из конечного или бесконечного числа простых гипотез. Например, Н() : а > 5 состоит из бесчисленного множества простых гипотез вида: а = bi где bi —любое число больше пяти.
Ошибки I и II рода.
Выдвинутая гипотеза может быть правильной или неправильной, поэтому возникает необходимость ее проверки. Т.к проверку гипотезы производят статистическими методами, то ее называют статистической. При статистической проверке гипотезы может быть принято неправильное решение, т.е могут быть допущены ошибки двух родов. Ошибка I рода: отвергнута правильная гипотеза. Ошибка II рода: принята неправильная гипотеза.
5. Математическое ожидание дсв и ее св-ва. 3св-ва доказать на выбор.
Математическим ожиданием дискретной СВ называют сумму произведений всех её возможных значений на их вероятности:Из определения матем. ожидания дискретной СВ следует, что эта постоянная величина, имеющая ту же размерность, что и сама СВ. Свойства М(Х):
1. Матем. ожидание постоянной величины равно самой постоянной: М(С)=С.
Док-во. Закон распределения СВ Х=С имеет вид:
Х |
С |
Р |
1 |
М(С)=1*С=С
2. Постоянный множитель можно вынести за знак матем. ожидания. М(СХ)=СМ(Х)
Док-во. CВ Х задана законом распределения
Х |
х1 |
х2 |
… |
xn |
Р |
p1 |
p2 |
… |
pn |
и
Закон распределения CВ СХ имеет вид:
СХ |
Сх1 |
Сх2 |
… |
Сxn |
Р |
p1 |
p2 |
… |
pn |
и 3. Матем. ожидание отклонения дискретной СВ от её матем. ожидания равно 0: М[X-M(X)]=0
Док-во: М[X-M(X)]=M(X)-M(M(X))=M(X)-M(X)=0
4. Матем. ожидание произведения конечного числа независимых дискретных СВ равно произведению их матем. ожиданий: М(XY)=M(X)M(Y)
5. Если все значения дискретной СВ увеличить (уменьшить) на постоянную величину С, то на эту же постоянную величину увеличится (уменьшится) матем. ожидание этой дискретной СВ: М(Х±С)=М(Х)±С
6. Матем. ожидание алгебраической суммы конечного числа дискретной СВ равно алгебраической сумме их математических ожиданий М(Х±Y)=M(X)±M(Y)
7. Матем. ожидание среднего арифметического дискретной СВ равно среднему арифметическому их матем. ожиданий:
16. Поняття статистичної та кореляційної залежності. Кореляційний момент. Коефіцієнт кореляції та його властивості.
Зависимость между переменными х и у называется статистической, если различным значениям одной из них соответствуют различные распределения другой, тоесть ;Значениюх2 соответствует другое распределение, отличное от первого: ;и т.д.
Если каждому значению х соответствует одно вполне определенное условное среднее значение х, т.е. если между переменными х и х существует такая функциональная зависимость x=f(x), (1) что f(x)const на множестве значений х, то в этом случае статистическая зависимость между переменными х и у называется корреляционной зависимостью.
Аналогично если существует функциональная зависимость между у и условной средней у: у=ф(у), (2) ф(у)const на множестве значений у, то между переменными х и у также существует корреляционная зависимость, причем переменная у служит аргументом, а условная средняя у является функцией.
Уравнения (1) и (2) называются корреляционнымиуравнениями или уравнениями регрессии.