- •1. Приведите классическое определение вероятности и укажите, при соблюдении каких условий оно применимо.
- •2. Исходя из трех аксиом теории вероятностей, докажите, что вероятность любого события подчиняется неравенству р(а)?1
- •5. Если появление события в непременно влечет за собой появление события а, то как в этом случае соподчинены противоположные им события ? и b?
- •8. Приведите пример какого-либо опыта с конечным числом элементарных исходов, в условиях которого нельзя исчислять вероятности событий по формуле классического определения вероятности
- •9. Приведите известные вам формулы комбинаторики, которые используются при непосредственном исчислении вероятности по её классическому определению
- •10. Приведите определение условной вероятности
- •11. Зависимость и независимость двух событий (определение)
- •12. Теорема умножения вероятностей для зависимых и независимых событий (формулировка
- •20. Сформулируйте условия, при выполнении которых применяется теорем Байеса. Приведите формулировку и краткое доказательство этой теоремы
- •20. В каком документе закреплено право граждан свободно искать, передавать, производить и распространять информацию
- •21. Функция распределения случайной величины и её свойства
- •22. Функция плотности распределения вероятности и её свойства
- •23. Ряд распределений дискретной случайной величины и его свойство
- •24. Математическое ожидание дискретной случайной величины и его свойства
- •25. Дисперсия дискретной случайной величины и её свойства. Среднее квадратичное отклонение св
- •26. Математическое ожидание непрерывной случайной величины и его свойства
- •27. Дисперсия непрерывной случайной величины и её свойства. Среднее квадратическое отклонение св
- •28. Начальные и центральные моменты случайных величин. Выражение мат.Ожидания и дисперсии св через моменты
- •30. На основе закона распределения альтернативно распределенной случайной величины получить выражение для математического ожидания биномиально распределенной случайной величины
- •31. На основе закона распределения альтернативно распределенной случайной величины получить выражение для дисперсии биномиально распределенной случайной величины
- •32. Случайная величина принимает целые значения в промежутке от 0 до n с равной вероятностью. Вывести выражение для математического ожидания этой случайной величины
- •37. Вывести выражение для дисперсии случайной величины, распределенной по закону Пуассона
- •38. Вывести выражение для математического ожидания случайной величины, распределенной по геометрическому закону
- •43. Плотность распределения и функция распределения равномерной случайной величины, ее числовые характеристики
- •44. Плотность распределения и функция распределения показательной случайной величины. Ее числовые характеристики
- •45. Плотность распределения и функция распределения нормальной случайной величины (распределение Гаусса), ее числовые характеристики
- •46. Функция Лапласа, ее свойства
- •47. Вероятность попадания нормально распределенной случайной величины на отрезок, правило «трех сигм»
- •48. Функции случайных величин и их числовые характеристики
- •49. Числовые характеристики случайных величин, распределенных по равномерному, показательному и нормальному законам (значения мат. Ожидания и дисперсии)
- •50. Дайте определение совместной функции распределения двумерной случайной величины и укажите ее свойства. Обоснуйте эти свойства и/или приведите примеры их выполнения
- •55. Доказать локальную предельную теорему Муавра-Лапласа
- •56. Доказать интегральную предельную теорему Муавра-Лапласа
- •57. Доказать теорему Бернулли о сходимости относительной частоты появления события к вероятности этого события
- •58. Доказать неравенство Чебышева
- •59. Доказать теорему Чебышева
- •60. Понятие генеральной совокупности, выборки из нее. Представление выборки в виде вариационного ряда. Определение вариационного ряда
- •61. Эмпирическая функция распределения, ее свойства, способ построения по выборке
- •62. Понятие оценок числовой характеристики или параметра случайной величины. Свойства оценок
- •63. Нахождение несмещенной оценки генеральной средней (математического ожидания) случайной величины
- •64. Нахождение несмещенной и смещенной оценок генеральной дисперсии случайной величины
- •66. Оценка плотности распределения выборки, ее свойства, способ построения
- •67. Понятие точечных и интервальных оценок (доверительных интервалов) параметров случайной величины. Определения. Примеры
- •68. Свойства точечных оценок параметров: несмещенность, состоятельность, эффективность (определения)
- •69. Определение и свойства оценок: выборочного среднего, выборочной дисперсии и исправленной выборочной дисперсии
- •70. Отличие относительной частоты события от его вероятности по предельной теореме Бернулли (по следствию из теоремы м-л)
- •71. Выборочный коэффициент ковариации (формула)
- •72. Доказать, что выборочное среднее является состоятельной и несмещенной оценкой математического ожидания
- •73. Доказать, что выборочная дисперсия является смещенной оценкой дисперсии
- •74. Доказать, что исправленная выборочная дисперсия является несмещенной оценкой дисперсии
- •75. Какими понятиями определяется интервальная оценка параметра? Какая существует между ними связь в виде формулы?
- •80. Назначение и суть метода моментов и метода максимального правдоподобия
- •81. Сформулируйте основной принцип статистической проверки гипотез
- •82. Что такое ошибка 1 -го рода?
- •88. Что такое критерий согласия?
- •90. Модель парной линейной регрессии: уравнение и основные вероятноcтные допущения
75. Какими понятиями определяется интервальная оценка параметра? Какая существует между ними связь в виде формулы?
12 января 2008 Лазарева Юлия |
Для значимых параметров связи имеет смысл найти интервальные оценки. При определении с надежностью γ доверительного интервала для значимого парного или частного коэффициентов корреляции ρ используют Z-преобразование Фишера и предварительно устанавливают интервальную оценку для Z Z' - tγ где tγ вычисляют по таблице интегральной функции Лапласа из условия Φ(t)=γ
Значение Z' определяют по таблице Z - преобразования (табл. 6 приложения) по найденному значению r. Функция нечетная, т. е. Z'(-r) = -Z'(r). Обратный переход от Z к ρ осуществляют также по таблице Z - преобразования, после использования которой получают интервальную оценку для ρ с надежностью γ : r min ≤ ρ ≤ r max Таким образом, с вероятностью γ гарантируется, что генеральный коэффициент корреляции ρ будет находиться в интервале (r min, r max).
|
76. Построение интервальной оценки (доверительного интервала) (с надежностью у) математического ожидания нормально распределенной случайной величины при известной дисперсии (вывод)
11 января 2008 Александрова Ольга |
|
77. Построение интервальной оценки (доверительного интервала) (с надежностью у) математического ожидания нормально распределенной случайной величины при неизвестной дисперсии (вывод)
11 января 2008 Александрова Ольга |
|
78. Интервальная оценка дисперсии случайной величины по выборке при известном и неизвестном математическом ожидании (формулы)
11 января 2008 Александрова Ольга |
|
79. Вывести оценку требуемого объема выборки для построения доверительного интервала заданной длины для математического ожидания в случае нормального распределения
11 января 2008 Александрова Ольга |
Пусть то , где e – ошибка выборочного исследования.
Таким образом, для определения объема выборки необходимо знать три параметра. 1. Требуемый доверительный уровень, который влияет на величину Z, являющуюся критическим значением стандартизованного нормального распределения. 2. Приемлемую ошибку выборочного исследования e. 3. Стандартное отклонение
|
80. Назначение и суть метода моментов и метода максимального правдоподобия
11 января 2008 Александрова Ольга |
Метод моментов Идея этого метода заключается в приравнивании теоретических и эмпирических моментов. Поэтому мы начнем с обсуждения этих понятий. Пусть -- независимая выборка из распределения , зависящего от неизвестного параметра Теоретическим моментом i-го порядка называется функция где -- случайная величина с функцией распределения Особо отметим, что теоретический момент есть функция от неизвестных параметров, коль скоро распределение зависит от этих параметров. Будем считать, что математические ожидания существуют, по крайней мере, для Эмпирическим моментом i-го порядка называется Отметим, что по своему определению эмпирические моменты являются функциями от выборки. Заметим, что -- это хорошо нам известное выборочное среднее. Для того, чтобы найти оценки неизвестных параметров по методу моментов следует: 1. явно вычислить теоретические моменты , и составить следующую систему уравнений для неизвестных переменных (35) 2. 3. В этой системе рассматриваются как фиксированные параметры 4. решить систему (35) относительно переменных Так как правая часть системы зависит от выборки, то в результате окажутся функциями от
Это и есть искомые оценки параметров по методу моментов. Метод наибольшего правдоподобия Пусть как и прежде -- независимая выборка из распределения с функцией распределения зависящей от неизвестного параметра Определим функцию правдоподобия, полагая если -- абсолютно непрерывна и имеет плотность либо если есть функция распределения некоторой дискретной случайной величины причем Переменные следует считать основными для функции L, а -- дополнительными параметрами. Считая фиксированными, найдем точку в которой функция правдоподобия принимает наибольшее значение. Понятно, что эта точка будет зависеть от заранее фиксированной выборки следовательно, мы получим набор функций от выборки: (36) что и будет искомой оценкой по методу наибольшего правдоподобия. Сформулируем вышесказанное в виде формального определения. Определение 6.6 Функция от выборки (36) называется оценкой наибольшего правдоподобия (о.н.п.), если
|
12 января 2008 Макравина Анастасия |
|