
- •1. Случайная величина (св), классификация св: непрерывная и дискретная св. Экономические примеры.
- •2. Полное описание св: закон распределения, функция распределения и плотность распределения св.
- •3. Основные свойства функции распределения и плотности распределения св.
- •4. Числовые характеристики св: математическое ожидание, дисперсия, асимметрия и эксцесс.
- •5. Основные свойства математического ожидания и дисперсии.
- •6. Основные распределения св (краткий обзор).
- •7. Биноминальное распределение св. Числовые характеристики биноминального распределения. Функция распределения биноминального распределения.
- •8. Пуассоновское распределение: функция распределения Пуассоновского распределения. Числовые характеристики Пуассоновского распределения: математическое ожидание и дисперсия.
- •9. Равномерное распределение св на отрезке [a, b]. Функция распределения равномерного распределения. Числовые характеристики равномерного распределения: математическое ожидание и дисперсия.
- •10. Показательное распределение св. Функция распределения показательного распределения. Числовые характеристики показательного распределения: математическое ожидание и дисперсия.
- •11. Нормальное распределение св. Функция распределения нормального распределения. Числовые характеристики нормального распределения: математическое ожидание и дисперсия.
- •12. Предельные теоремы теории вероятностей. Неравенство Чебышева. Теорема Чебышева.
- •13. Теорема я. Бернулли. Центральная предельная теорема а.М.Ляпунова (формулировка).
- •14. Основные категории и задачи математической статистики.
- •15. Вариационные ряды: дискретные и интервальные. Аналитическое и геометрическое описание вр.
- •16. Оценивание параметров распределения случайных величин. Требования, предъявляемые к оценкам.
- •17. Точечные и интервальные оценки параметров распределения случайных величин.
- •18. Метод максимального правдоподобия (Фишере) точечного оценивания параметров распределения случайных величин. Примеры.
- •19. Метод моментов (Пирсона) точечного оценивания параметров распределения случайных величин. Примеры.
- •24. Критерии Фишера и Стьюдента проверки статистических гипотез. Примеры.
- •25. Функции предложения и функции спроса, равновесная цена и равновесный объём. Примеры.
- •Законы спроса и предложения
- •Равновесный объем
- •29. Общая постановка задачи линейного программирования (злп). Графическое решение двумерных злп.
- •30. Многомерные задачи злп. Понятие о симплекс- методе.
- •31. Специальные злп. Транспортная задача.
- •32. Основные понятия и определения математической теории игр. Антагонистическая игра (игра с нулевой суммой).
- •33. Минимаксная стратегия игры. Верхняя и нижняя цена игры. Определение оптимальных стратегий.
- •34. Теорема фон-Неймана о существовании оптимального решения конечной матричной игры.
- •35. Теорема фон-Неймана об активных стратегиях. Методы упрощения платежной матрицы.
- •36. Решение игр в чистых стратегиях и седловые точки матрицы игры.
- •37. Аналитическое решение игры (2 × 2), графическое решение игр вида (2 X n) и (n X 2).
- •38. Приведение матричной игры к злп.
- •39. Игры с природой. Постановка задачи. Математическая модель.
- •3. Коэффициент напряженности работ
1. Случайная величина (св), классификация св: непрерывная и дискретная св. Экономические примеры.
Случайный
характер окружающих нас явлений
проявляется через некоторые числовые
характеристики этих явлений. Так,
например, неудачи или успех в экономической
деятельности выражаются потерями или
прибылью, упущенной выгодой; различные
правонарушения оцениваются эквивалентными
материальными потерями, потерями
рабочего времени; неблагоприятные
погодные условия приводят также к
потерям производства сельскохозяйственных
товаров, росту цен и т.д. На всех этих
примерах видно, что существует опр.
соответствие между случайными событиями
и вызванными ими последствиями,
выраженными в числовой форме.
Теоретико-множественная трактовка
основных понятий теории вероятностей
позволяет дать следующее определение
результату этого соответствия -
случайная величина. Случайная
величина – числовое множество, каждый
элемент которого есть ф-ия случайного
события
.
Различают случайные величины
дискретные и непрерывные. Если
множество значений случайной величины
конечное или счётное множество, то
такая случайная величина называется
дискретной, если случайная величина
принимает значения из некоторого
числового интервала множества
действительных чисел - то такая случайная
величина называется непрерывной.
Поскольку случайные величины есть
функции, т.е. множества, поэтому обычно
их обозначают прописными буквами
латинского алфавита X,
Y, Z,… а их
значения – соответствующими строчными
буквами х, у, z….
Замечание: Как видно из определения
случайной величины она определена на
тех же множествах, что и функция
вероятность. В отличие от вероятности
на случайную величину Х не накладываются
никаких ограничений (аксиом) в математике
и даже можно сказать большее, её
конкретный вид определяется вне
математики. Так, например, величину и
характер санкций за правонарушения в
разные исторические времена определяли
по-разному. Потери при неблагоприятных
погодных условиях определяются ценами
сельскохозяйственные продукты и т.д.
2. Полное описание св: закон распределения, функция распределения и плотность распределения св.
В зависимости от типа случайной величины – дискретной или непрерывной -возможны различные способы её задания. Но в любом случае задать случайную величину только набором её значений не достаточно, поскольку эти значения имеют свойство различное количество раз повторяться в зависимости от повторяемости случайных событий, на которых определена функция - случайная величина. Характеристика повторяемости случайных событий есть его вероятность. Поэтому для наиболее полного, исчерпывающего описания случайной величины надо задавать 2-а множества: множество её значений и множество вероятностей этих значений. В результате мы приходим к следующему определению. Закон распределения дискретной случайной величины – совокупность 2-х множеств, одно из которых значение случайной величины, а второе – вероятности таких событий, что случайная величина принимает множество своих значений Х={x1,x2,…, xn}, P={p1,p2,…, pn}. Про случайную величину говорят, что она «распределена» по данному закону распределения или «подчинена» этому закону распределения. Закон распределения может быть задан в виде ряда, таблицы, аналитически (в виде формулы) и графически. Если закон распределения имеет вид таблицы или множества упорядоченных пар с указанием значений случайной величины и их вероятностей, то такая таблица или множество носит название ряд распределения. Ряд распределения дискретной случайной величины Х:
хi |
1 |
2 |
3 |
4 |
pi |
0.2 |
0.5 |
0.2 |
0.1 |
Функцией
распределения случайной величины
называется числовая функция F(x),
,
определенная для каждого действительного
x и равная вероятности такого
события, что случайная величина примет
значения строго меньше х:
.
В
соответствии с определением случайной
величины Х=
F(x)
является также полной её характеристикой.
Функцию F(x)
иногда называют интегральной функцией
распределения или интегральным
законом распределения. Функция
распределения F(x)
является не только полной, но и
универсальной характеристикой случайной
величины Х=
,
поскольку она может быть использована
для полного описания как для дискретных,
так и для непрерывных случайных величин.
хi |
1 |
2 |
3 |
4 |
pi |
0.2 |
0.5 |
0.2 |
0.1 |
Построить для Х функцию распределения. F(x).
Решения. Будем задавать различные значения х и находить для них значения F(x) = P(X < x)
Если х ≤ 1
F(x) = 0, в том числе и при х =1, т.к. F(1)=P(X<1)=0
Пусть 1< x ≤ 2 F(x) = 0.2
Пусть 2< x ≤ 3 F(x) = 0.7
Пусть 3< x ≤ 4 F(x) = 0.9
Пусть x > 4 F(x) = 1
Изобразим функцию F(x) графически (рис.11).
F
(x)
1
0 .5
0 1 2 3 4 5 х
Рис.11
Этот пример позволяет утверждать, что в случае дискретных случайных величин F(x) есть разрывная ступенчатая функция, скачки которой происходят в точках, соответствующих возможным значениям случайной величины случайной величины и равны вероятностям этих значений. Сумма всех скачков функции F(x) равна 1.
Полное
описание непрерывной случайной величины
начинается с определения ф-ии непрерывной
случайной величины.
,
f(x) – ф-ия
плотности вероятности. Полным описанием
непрерывной случайной величины яв-ся
2 ф-ии: ф-ия распределения – F(x)
и ф-ия плотности вероятности – f(x).
Ф-ия распределения яв-ся общим описанием
для любой случайной величины, ф-ия
плотности вероятности – только для
непрерывной случайной величины, закон
распределения – только для дискретной.
Невозможность описания дискретной
случайной величины ф-ий плотности
связано с тем, что для дискретной
случайной величины ф-ия кусочно-постоянная
и не существует производной от ф-ии
распределения случайной величины. В
теории вероятности предпочтительно
исп-ся для описания непрерыв. случ.
величины – ф-ия плотности. Основные
свойства функции распределения: 1. ф-ия
распределения
,
2.
(достоверная вероятность), 3.
.
Задание непрерывной случайной величины
с помощью функции распределения F(x)
также не является единственным. При
решении теоретических и прикладных
задач часто требуется знание вероятности
значений случайной величины, лежащих
в интервале от х до х +Δx,
где Δ – малая величина. Поэтому вводят
ещё одно полное описание, предназначенное
только для непрерывных случайных
величин - производную от функции
распределения -
.
Плотностью вероятности (плотностью
распределения) f(x)
непрерывной случайной величины Х
называется производная её функции
распределения
.
По заданной плотностью вероятности
f(x)
непрерывной случайной величины Х её
функции распределения F(x)
восстанавливается опр. интегрированием:
.
Свойства ф-ии плотности распределения:
1.
,
2.
- условие нормировки ф-ии плотности
распределения. Отсюда следует, что для
нахождения вероятности события, что
непрерывная случайная величина примет
значение на [x1,x2]
будет равны: 3.
.