- •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.
29. Точечное оценивание.
Пусть вид распределения изучаемого признака X известен, но неизвестны значения входящего параметра (тетта).
Ставиться задача по выборке получить оценку неизвестного параметра .
Статистическая оценка – любая функция выборки.
=f(x1,x2,…,xn) - стат. Оценка.
Точечной оценкой называется оценка, которая дается одним числом.
Для того, чтобы стат. Оценка давала значение приближенное к , она должна обладать определенными свойствами.
1. оценка называется несмещенной, если ее матожидание = оцениваемому параметру M()=.
2. Оценка называется состоятельной, если при она стремится по вероятности к оцениваемому параметру.
На основании закона больших чисел можно показать, что среднее значение является состоятельной оценкой для МО
Можно показать, что начальный и центральный эмпирические моменты являются состоятельными оценками соответствующих теоретических моментов.
В частности выборочная дисперсия является состоятельной оценкой теоретической.
32. Доверительные интервалы.
Пусть вид распределения изучаемого признака известен, но не известно значение входящего параметра . F(х, )
Оценка одним числом наз-ся точечной, а двумя числами – концами интервала – интервальной.
Пусть по выборке получена точечная оценка неизвестного параметра . Это оценка чем точнее, чем меньше |-|.
Пусть |-|<, >0.
Методы математической статистики не позволяют на 100% утверждать, что выполняется это неравенство. Можно лишь говорить о вероятности его выполнения.Обозначим эту вероятность.
P(|-|<)=
-доверительная вероятность или надежность. выбирается исследователем самостоятельно.
- точность оценки
P(-<<+)=
Доверительным называется интервал (-;+), который покрывает неизвестный параметр с заданной надежностью .
- точность оценки.
Замечание:
Неверно говорить, что попадает в интервал. Задача состоит в том, чтобы построить такой интервал, который бы заключал в себе .
Доверительные интервалы строятся следующим образом:
1. вычисляется точечная оценка
2. выбирается надежность
3. вычисляется точность оценки
33. Распределение х2 Стьюдента и Фишера.
Рассмотрим распределение случайных величин, которые строятся путем функционального преобразования нормальных случайных величин и используются в математической статистике.
1. пусть независимы и имеют стандартное нормальное распределение. Тогда случайная величина называется распределенной по закону с n степенями свободы.
M0
M
При n распределение медленно стремится к нормальному.
2. Пусть независимы и , тогда случайная величина называется распределенной по закону Стьюдента с k степенями свободы.
Плотность распределения Стьюдента схожа с нормальной.
При kраспределение Стьюдента быстро стремится к нормальному.
-
Пусть независимы и имеют распределение с k1 и k2 числом степеней свободы.
-
Тогда распределение ~F(k1,k2) называется распределением по закону Фишера с k1 и k2 числом степеней свободы.
Замечание. 1) cлучайная величина Фишера строится так, что она всегда больше 1.
2) k1 относится к числителю.
Т.о. эти случайные величины представляют собой функциональные преобразования нормальных случайных величин.