- •1. Случайные события, их классификация. Понятие вероятности.
- •2. Алгебра случайных событий, диаграммы Вьенна-Эйлера.
- •7. Формула полной вероятности.
- •8. Формула Байеса.
- •9. Схема Бернулли. Формула Бернулли. Наивероятнейшее число успехов.
- •10. Понятие случайной величины. Дискретная случайная величина, способы ее задания: ряд распределения.
- •18. Математическое ожидание и дисперсия непрерывной случайной величины и их свойства (без доказательства).
- •19. Начальные и центральные моменты.
- •2 0. Равномерный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •21. Показательный закон распределения: плотность и функция распределения, основные числовые характеристики.
- •22. Поток событий. Простейший поток. Распределение промежутка времени между последовательными событиями простейшего потока.
- •24. Функция Лапласа и ее свойства. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Правило «трех сигм».
- •25. Неравенство Чебышева. Понятие о законе больших чисел. Теорема Чебышева (без док-ва). Теорема Бернулли (без док-ва).
- •26. Центральная предельная теорема (без док-ва). Локальная и интегральная теоремы Муавра-Лапласа.
- •27. Двумерные случайные величины, формы задания закона распределения.
- •28. Характеристики двумерной случайной величины: математическое ожидание и дисперсия компонент.
- •29. Зависимость случайных величин. Корреляционный момент и коэффициент корреляции, их свойства.
- •30. Предмет математической статистики. Генеральная совокупность, выборка, ее свойства.
- •31. Статистический и интервальный ряды распределения.
- •32. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
- •33. Свойства точечных оценок числовых характеристик и параметров распределения.
- •34. Точечная оценка математического ожидания и ее свойства.
- •35. Точечная оценка дисперсии, несмещенная оценка дисперсии.
- •36. Метод моментов. Метод максимального правдоподобия.
- •37. Интервальные оценки параметров распределения.
- •38. Интервальная оценка математического ожидания нормального распределения.
31. Статистический и интервальный ряды распределения.
Расположив элементы выборки в порядке не убывания, получим вариационный ряд х1,х2,…,хn. Если в вариационном ряду есть повторяющиеся элементы, то выборку можно записать в виде статистического ряда распределения, т.е. в виде таблицы:
Х |
Х’1 |
X’2 |
... |
X’k |
р |
|
|
... |
|
Для непрерывных случайных величин при достаточно больших объемах выборки n вместо статистического ряда распределения используют интервальный вариационный ряд,
X |
[a1;a2) |
[a2;a3) |
... |
[av;av+1) |
p |
|
|
... |
|
Ширина интервала
(где x(min) – минимальный элемент выборки, х(max) – максимальный, расчет Δ производится с числом знаков после запятой, на один больше чем в исходных данных). Границы интервалов считаются так: левая граница (л.г.)=х(min)-0,5Δ; правая граница (п.г.)=(л.г)+Δ
32. Выборочные аналоги функции распределения и функции плотности. Полигон, гистограмма, кумулята.
Выборочным аналогом плотности распределения fx(x) случайной величины Х служит выборочная плотность распределения . Графиком этой функции является гистограмма – ломанная с вершинами в точках , где через обозначены середины интервалов – полигоном частот, а фигура, состоящая из прямоугольников, в основании которых лежат интервалы группирования (aj,aj+1), а высотами являются значения , называется гистограммой. По выборочной плотности распределения легко построить выборочную функцию распределения:
При этом ломанная с вершинами в точках называется кумулятой.
33. Свойства точечных оценок числовых характеристик и параметров распределения.
Статистической оценкой называется любая функция γ=γ(Х1,Х2...,Хn) от элементов выборки Х1,Х2,…,Хn .
Оценка обладающая свойством называется состоятельной оценкой.
Несмещенной называют точечную оценку, математическое ожидание которой равно оцениваемому параметру при любом объеме выборки .
Смещенной называют точечную оценку, математическое ожидание которой не равно оцениваемому параметру .
Оценка, обладающая свойством называется эффективной оценкой параметра Θ.
Выборочное среднее является состоятельной, несмещенной и эффективной оценкой математического ожидания МХ.
34. Точечная оценка математического ожидания и ее свойства.
Несмещенная оценка математического ожидания
35. Точечная оценка дисперсии, несмещенная оценка дисперсии.
Смещенной оценкой дисперсии служит выборочная дисперсия
;
Несмещенной оценкой генеральной дисперсии служит исправленная выборочная дисперсия
36. Метод моментов. Метод максимального правдоподобия.
Момент – числовая характеристика с.в.
Метод моментов:
Определяется зависимость Θ=g(α1,α2, …, αr) параметра Θ от начальных моментов с первого по r-й.
Для вычисления оценки параметров Θ по данному методу в эту зависимость g вместо неизвестных теоретических моментов подставляют их выборочные аналоги
Метод наибольшего правдоподобия:
Составляется функция правдоподобия:
Находится такое значение Θ, при котором эта функция является максимальной, т.е. , и выбирается в качестве оценки.