- •Вопрос 15. Геометрическое и гипергеометрическое распределения.
- •Вопрос 16. Математическое ожидание дискретной случайной величины и его свойства.
- •Вопрос 17. Вероятностный смысл мат. Ожидания. Математическое ожидание числа появлений события в независимых испытаниях.
- •Вопрос 18. Дисперсия дискретной случайной величины и ее свойства. Введем случайную величину представляющую собой отклонение от математического ожидания.
- •Вопрос 19. Дисперсия числа появления событий в независимых испытаниях. Среднее квадратическое отклонение.
- •Вопрос 20. Мат. Ожидание, дисперсия и среднее квадратическое отклонение среднего арифметического одинаково распределенных взаимно независимых величин.
- •Вопрос 21. Неравенство Чебышева.
- •Вопрос 22. Теорема Чебышева.
- •Вопрос 23. Теорема Бернулли.
- •Вопрос 24. Функция распределения и ее свойства.
- •Вопрос 25. Плотность распределения, ее свойства.
- •Вопрос 26. Вероятность попадания случайной величины в заданный интервал. Нахождение функции распределения по известной плотности распределения. Вероятностный смысл плотности распределения.
- •Вопрос 27. Числовые характеристики непрерывной случайной величины. Числовые характеристики св
- •Математическое ожидание (мо)
- •Мо основных св
- •Дисперсия св
- •Дисперсия основных св
- •Математическое ожидание и дисперсия суммы случайных величин
- •Вопрос 28. Закон равномерного распределения.
- •Вопрос 29. Нормальное распределение
- •Вопрос 30. Нормальная кривая (Кривая Гаусса).
- •Вопрос 31. Вероятность попадания нормально распределенной случайной величины в интервал.
- •Вопрос 32. Вероятность отклонения нормально распределенной случай ной величины.
- •Вопрос 33. Показательное распределение
- •Вопрос 34. Функция надежности
- •Вопрос 35. Закон распределения вероятностей двумерной случайной величины.
- •Вопрос 36. Вероятность попадания случайной величины в полуполосу.
- •Вопрос 37. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины.
- •Вопрос 38. Нахождение плотностей вероятности составляющих двумерной случайной величины.
- •Вопрос 39. Зависимые и независимые случайные величины. Корреляционный момент и коэффициент корреляции.
- •Вопрос 40. Коррелированность и зависимость случайных величин.
- •Вопрос 41. Нормальное распределение на плоскости.
- •Вопрос 42. Линейная регрессия. Прямые линии среднеквадратической регрессии.
- •Вопрос 43. Характеристическая функция случайной величины. Основные свойства. Формула обращения и теорема единственности.
- •Вопрос 44. Цепи Маркова. Вероятность перехода за n шагов. Эргодическая теорема Маркова.
- •Вопрос 45. Марковские процессы. Процессы гибели и размножения
- •Вопрос 46. Стационарный случайный процесс. Теорема Хинчина.
- •Вопрос 47. Понятие стохастического интеграла. Теорема о спектральном представлении.
- •Вопрос 48. Задачи математической статистики. Выборка. Статистический и вариационный ряды.
- •Вопрос 49. Полигон и гистограмма. Эмпирическая функция распределения.
- •Вопрос 50. Понятие оценки параметров распределения. Оценка генеральной средней по выборочной средней.
- •Вопрос 51. Генеральная и выборочная дисперсия. Вычисление дисперсии.
- •Вопрос 52. Оценка генеральной дисперсии по исправленной выборочной.
- •Вопрос 53. Доверительные интервалы для оценки математического ожидания нормального распределения при известном .
- •Вопрос 54. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном .
- •Вопрос 55. Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения.
- •Вопрос 56. Оценка вероятности биномиального распределения по относительной частоте.
- •Вопрос 57. Выборочные уравнения регрессии.
- •Вопрос 58. Выборочный коэффициент корреляции.
- •Вопрос 59. Понятие статистической гипотезы. Статистический критерий проверки нулевой гипотезы
- •Вопрос 60. Критическая область. Отыскание критической области.
- •Вопрос 61. Сравнение двух дисперсий нормальных генеральных совокупностей.
- •Вопрос 62. Проверка гипотезы о нормальном распределении. Критерий согласия Пирсона.
Вопрос 46. Стационарный случайный процесс. Теорема Хинчина.
Стационарный случайный процесс – это такой случайный процесс, в котором совпадают распределения для двух независимых групп распределения.
Совпадают и не зависят от n, u и моментов времени t1, t2 ….. tn. Тогда будут совпадать М, D и . ; ;
нормировал, тогда ; ; R(u) – коэффициент корреляции ; R(u)=M Стационарный случайный процесс называется непрерывным, если выполняется .
Теорема Хинчина: Стационарный случайный процесс является непрерывным тогда и только тогда, когда коэффициент корреляции R(u) функции представляется в виде (1).
Вопрос 47. Понятие стохастического интеграла. Теорема о спектральном представлении.
f(t) ; a; (1)
Определение: Если существует предел последовательности частичных сумм по формуле (1), то этот предел называется стохастическим интегралом от случайного процесса .
(2) (3) Сходимость понимается в смысле, что выполняется соотношение (3).
Определение: Введем понятие стохастического интеграла Стиптьеса
; (4) –стохастический интеграл.
Теорема о спектральном представлении случайного процесса: Любой стационарный случайный процесс может быть представлении следующим образом: = (5)
- некоторые стационарные случайные процессы обладающие следующими свойствами:
1); i, j=; и - непересек.
2);
;
Вопрос 48. Задачи математической статистики. Выборка. Статистический и вариационный ряды.
Задачи математической статистики:
Установление закономерностей, которым подчинены массовые случайные явления, основано на изучении методами теории вероятностей статистических данных — результатов наблюдений.
1) Указать способы сбора и группировки статистических сведений, полученных в результате наблюдений или в результате специально поставленных экспериментов.
2) Разработать методы анализа статистических данных в зависимости от целей исследования. Сюда относятся:
а) оценка неизвестной вероятности события; оценка неизвестной функции распределения; оценка параметров распределения, вид которого известен; оценка зависимости случайной величины от одной или нескольких случайных величин;
б) проверка статистических гипотез о виде неизвестного распределения или о величине параметров распределения, вид которого известен.
Современная математическая статистика разрабатывает способы определения числа необходимых испытаний до начала исследования (планирование эксперимента), в ходе исследования (последовательный анализ) и решает многие другие задачи. Современную математическую статистику определяют как науку о принятии решений в условиях неопределенности.
Итак, задача математической статистики состоит в создании методов сбора и обработки статистических данных для получения научных и практических выводов.
Выборка
Как правило, изучается совокупность однородных объектов относительно некоторого качественного или количественного признака, характеризующего эти объекты.
Выборочной совокупностью или просто выборкой называют совокупность случайно отобранных объектов.
Генеральной совокупностью называют совокупность объектов, из которых производится выборка.
Объемом совокупности (выборочной или генеральной) называется число объектов этой совокупности.
Выборка должна правильно представлять пропорции генеральной совокупности. Это требование коротко формулируют так: выборка должна быть репрезентативной.
В силу закона больших чисел можно утверждать, что выборка будет репрезентативной, если ее осуществить случайно: каждый объект выборки отобран случайно из генеральной совокупности, если все объекты имеют одинаковую вероятность попасть в выборку.
Виды выборки: повторные и бесповторные. Повторные - это выборки, при которых отобранный объект возвращается в генеральную совокупность. Бесповторные – это выборки, при которых отобранный объект в генеральную совокупность не возвращается.
Способы отбора можно подразделить на два вида:
1.Отбор, не требующий расчленения генеральной совокупности на части. Сюда относятся: а) простой случайный бесповторный отбор;
б) простой случайный повторный отбор.
2.Отбор, при котором генеральная совокупность разбивается на части. Сюда относятся:
а) типический отбор; б) механический отбор; в) серийный отбор.
Простым случайным называют такой отбор, при котором объекты извлекают по одному из всей генеральной совокупности. Осуществить простой отбор можно различными способами.
Типическим называют отбор, при котором объекты отбираются не из всей генеральной совокупности, а из каждой ее «типической» части. Типическим отбором пользуются тогда, когда обследуемый признак заметно колеблется в различных типических частях генеральной совокупности
Механическим называют отбор, при котором генеральную совокупность «механически» делят на столько групп, сколько объектов должно войти в выборку, а из каждой группы отбирают один объект.
Серийным называют отбор, при котором объекты отбирают из генеральной совокупности не по одному, а «сериями», которые подвергаются сплошному обследованию. На практике часто применяется комбинированный отбор, при котором сочетаются указанные выше способы.
После того, как была сделана выборка, полученные данные записываются в порядке возрастания. Построенный таким образом ряд называется вариационным:
3,5,3,4,7,5,1,3,1,7
1,1,3,3,3,4,5,5,7,7 - ВАРИАЦИОННЫЙ РЯД