- •Предмет теории вероятности. Основные задачи.
- •Понятие события, классификация
- •Классическое определение вероятности
- •Статистическое определение вероятности
- •Элементы комбинаторного анализа
- •Действия над событиями.
- •Теорема сложения вероятностей несовместных событий
- •Условная вероятность. Теорема умножения вероятностей. Независимые события.
- •Теорема сложения вер-тей совместных событий
- •Формула полной вероятности. Формула Байеса
- •Повторные независимые испытания. Формула Бернулли
- •Приближенные вычисления вероятностей в схеме испытаний Бернулли
- •Случайные величины. Закон распределение дискретной случайной величины
- •Математические операции над дсв
- •Математическое ожидание дсв
- •Математическое ожидание числа появлений события в нез. Исп.
- •Дисперсия дсв
- •Дисперсия числа появлений события в независимых испытаниях
- •Основные законы распределения дсв
- •Распределение Пуассона
- •Гипергеометрическое распределение
- •Функция распределения вероятностей случайной величины
- •График функции распределения дсв
- •Непрерывные случайные величины. График.
- •Теорема о вер-ти отдельно взятого значения нсв
- •Вероятность попадания нсв в заданный интервал
- •Плотность вероятности нсв
- •Нахождение функций по плотности распределения
- •Числовые характеристики случайных величин
- •Равномерный закон распределения нсв
- •Показательный закон распределения нсв
- •Нормальный закон распределения нсв
- •Нормальная кривая. Влияние параметров на ее форму.
- •Свойства случайной величины, распределенной по нормальному закону.
- •Закон больших чисел
- •Основные задачи математической статики
- •Сплошное и выборочное наблюдения. Генеральная и выборочная совокупности. Типы выборок. Репрезентативность.
- •Статистическое распределение выборки. Эмпирическая функция распределения. Полигон и гистограмма.
- •Оценка параметров генеральной совокупности. Свойства оценок.
- •Основные методы нахождения оценок.
- •Точечные оценки параметров генеральной совокупности по собственно-случайной выборке.
- •Интервальное оценивание. Предельная ошибка выборки.
Основные методы нахождения оценок.
Статистической оценкой неизвестного параметра теоретического распределения называют функцию f(X1,X2,…,Xn) от наблюдаемых С.В. X1,X2,…,Xn. Точечной называют статистическую оценку, которая определяется одним числом *=f(x1,x2,…,xn), где х1,х2,…,xn – результаты n наблюдений над количественным признаком Х (выборка).
Несмещенной называют точечную оценку, мат. ожидание которой равно оцениваемому параметру при любом объеме выборки.
Смещенной называют точечную оценку, мат. ожидание которой не равно оцениваемому параметру.
Несмещенной оценкой генеральной средней (мат. ожидания) служит выборочная средняя: Хв=(сумма по i от 1 до k nixi)/n, где xi – варианта выборки, ni – частота варианты xi, n=сумма по i от 1 до k ni – объем выборки.
Метод моментов заключается в следующем: любой момент случайной величины (например, -й) зависит, часто функционально, от параметра . Но тогда и параметр может оказаться функцией от теоретического -го момента. Подставив в эту функцию вместо неизвестного теоретического -го момента его выборочный аналог, получим вместо параметра оценку . Пусть , , — выборка объема из параметрического семейства распределений , где . Выберем некоторую функцию так, чтобы существовал момент
|
(3) |
и функция была обратима в области . Тогда в качестве оценки для возьмем решение уравнения
Или (что то же самое), сначала решаем уравнение (3) относительно , а затем вместо истинного момента берем выборочный:
Чаще всего в качестве функции берут . В этом случае
и, если функция обратима в области , то
Можно сказать, что мы берем в качестве оценки такое (случайное) значение параметра , при котором истинный момент совпадает с выборочным.
Точечные оценки параметров генеральной совокупности по собственно-случайной выборке.
Определение собственно случайной выборки.
Выборка называется собственно случайной, если при извлечении выборки объема n все возможные комбинации из n элементов, которые могут быть получены из генеральной совокупности объема N, имеют равную вероятность быть извлеченными [16]
По определению, при собственно случайной выборке выполняется принцип случайности.
Способы практической реализации собственно случайной выборки.
Отбор производится с помощью жеребьевки, таблицы (либо генератора) случайных чисел. Главный принцип - случайность, т.е. все единицы генеральной совокупности имеют равную вероятность попасть в выборочную совокупность.
1. Принцип жеребьевки. Каждый элемент генеральной совокупности заносится на бумажку (это могут быть фамилии, адреса, просто номера (в этом случае выпавшие номера ставят в соответствие с людьми в списках) и т.д.), затем бумажки помещаются в барабан, перемешиваются и не глядя вытаскиваются.
2. Принцип таблицыслучайных чисел. Начиная с любого места таблицы, берем четыре следующих друг за другом числа. Эти числа и будут номерами людей в списке, которых следует отобрать в выборку (числа, превышающие численность генеральной совокупности, опускаются) [1, 101].
3. Принцип генератора случайных чисел. Это то же самое, что и таблицы случайных чисел, только числа вырабатываются компьютером (для этого существует специальная программа).
Различают повторную и бесповторную выборку. При повторном отборе каждый выбранный элемент возвращается в ГС. При бесповторном отборе выбранный элемент не возвращается в ГС[2].
Также используются различные методы моделирования случайности.