- •1. Случайные события.
- •2. Классическое определение вероятности и ее свойства.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •10. Плотность распределения вероятностей и ее свойства.
- •11. Математическое ожидание и его свойства.
- •Свойства м
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26.Эмпирическая функция распределения и её свойства.
- •27. Полигон и гистограмма.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •32. Доверительные интервалы.
- •33. Распределение х2 Стьюдента и Фишера.
- •34. Доверительные интервалы для оценки математического ожидания при известном .
- •35. Доверительные интервалы для оценки матожидания нормального распределения при неизвестном .
- •36. Проверка статистических гипотез.
- •37. Построение критической области.
- •38. Критерий согласия Пирсона.
- •39. Вычисление теоретических частот для нормального распределения.
- •40. Сравнение дисперсий двух нормальных выборок.
- •43. Критерий Манна-Уитни.
- •44. Парная регрессия.
- •45. Парный коэффициент корреляции, его свойства.
- •46. Проверка гипотез о достоверности выборочного коэффициента корреляции.
- •47. Нелинейная парная регрессия.
44. Парная регрессия.
Пусть изучается взаимосвязь м/д 2мя количественными признаками X и Y.
X и Y могут быть независимы, связаны между собой функциональной либо корреляционной зависимостью. При функцион зависимость изменения каждогознач Х влечет изменение каждого У.
При корреляции зависимость изменений каждого отдельного значения Х не обязательно влечет за собой изменение Y, однако изменение приводит к изменению .
Зависимость вида y=f(x)+, - ошибка оценки.
Чтобы установить вид зависимости строится поле корреляции. На OXY наносят координаты (xi, yj) и по расположению точек делают вывод о виде зависимости.
Пусть вид зависимости линейный.
(1)
Коэффициенты b0 и b1 найдем по методу наименьших квадратов
теоретические значения y.
Найдем b0 и b1 такие, при которых функция S достигает минимума.
{
Перейдем к средним значениям, поделив на n.
{
(2)
(3)
Методика построения уравнения регрессии
45. Парный коэффициент корреляции, его свойства.
(4)
Коэффициент обладает все теми же свойствами, что и теоретический коэффициент корреляции.
1.если x и y независимы, то 0.
2.-1<= 1
3.если x и y связаны линейной зависимостью, т.е. при , то
b1>0, =1
B1<0, =–1
Таким образом коэффициент является количественной характеристикой зависимости x и y. Чем ближе к единице, тем теснее и ближе к линейной зависимости между X и Y.
46. Проверка гипотез о достоверности выборочного коэффициента корреляции.
Пусть на выборке объема n найден коэффициент корреляции X и Y и он отличен от 0. Возможно, при этом, что генеральный коэффициент корреляции равен 0, а выборочное отличие от 0 случайно.
Проверим
H0: =0
H1:
Для проверки гипотезы H0 используем свойство T
При справедливости H0 эта случайная величина имеет распределение Стьюдента с (n-2) числом степеней свободы.
Проверка H0 осуществляется следующим образом
1.вычисляется наблюдаемое значение критерия
2.по таблице критических точек распределения Стьюдента
max
|Тнабл|>Tкр, то H0 отвергается и принимается H1, следовательно X и Y связаны между собой достоверной корреляционной зависимостью.
|Тнабл|<Tкр, нет основания отвергнуть H0, то недостоверно отличается от 0 (случайно) и между X и Y нет корреляционной зависимости.
Методика построения уравнения регрессии
47. Нелинейная парная регрессия.
В случае линейной зависимости применение метода МИК приводит к решению линейной алгебраической системы. Она имеет единственное решение. Кроме этого можно доказать, что оценки b0 и b1 явл-ся несмещенными, состоятельные и эффективными. В случае нелинейной зависимости у =ƒ (х) +ε применение МИК приводит к решению нелинейной системы, которая в общем случае не имеет решение в известных аналитических ф-циях.
Некоторые нелинейные ф-ции можно преобразовать в линейную.
-
у = b0+b1*x+b2*x2+…+bk*xk
z1=x, z2=x2,zk=xk
y = b0+b1*z1+b2*z2+…+ bk*xk + ε
2. y = b0+b1*(1/x)+ε, z = 1/x
y = b0+b1*z + ε
3. y = b0 * x b1 * ε,
lg y = lg b0 + b1* lg x + lgε,
Y = lg y, B = lg b0 , Z = lg x, E = lgε
Y = B+ b1 * Z +E.
4. y = b0 * e b1*x * ε
ln y = ln b0 + b1*x+lnε,
Y = ln y, B = ln b0 , E = lnε
Y = B+ b1*x+E.
Типичные задачи с нелинейной зависимостью:
1.Реально строятся многочлены для 2 и 3 степени, для больших степеней модели невозможно использовать для прогноза т.к. с ростом х и у - быстро растет
Пример: ф-ция издержек в зависимости от выпуска продукции описывается квадратической моделью.
2.Обратная пропорциональная зависимость. Взаимосвязь м/д ростом зар.платы и темпами инфляции, или – зар.платой физич. труда и возрастам.
3.Степенная модель исп. в производственной ф-ции, т.к. взаимоотношения м/д показателями произ-ва удовлетворяют этой модели.