- •Т.І. Малютіна, к.А. Дахер вища математика для економістів
- •Теорія ймовірностей і математична статистика
- •Розділ і випадкові події
- •1.1. Простір елементарних подій. Випадкові події та операції над ними. Комбінаторика
- •1.1.1. Основні поняття теорії ймовірностей. Операції над подіями
- •Питання для самоконтролю
- •1.1.2. Елементи комбінаторики
- •Розв’язування комбінаторних задач
- •Питання для самоконтролю
- •1.2. Ймовірність випадкової події. Способи обчислення ймовірностей випадкових подій
- •1. Класичне означення ймовірності
- •2. Статистична ймовірність
- •3. Геометрична ймовірність
- •Питання для самоконтролю
- •1.3. Теореми додавання і множення ймовірностей. Умовна ймовірність
- •Питання для самоконтролю
- •1.4. Формула повної ймовірності. Формула Байєса
- •Питання для самоконтролю
- •1.5. Послідовні незалежні випробування
- •1.5.1. Формула Бернуллі
- •1.5.2. Формула Пуассона
- •1.5.3. Локальна теорема Муавра-Лапласа
- •1.5.4. Інтегральна теорема Муавра-Лапласа
- •Питання для самоконтролю
- •Розділ іі випадкові величини
- •2.1. Одновимірні випадкові величини. Способи задання
- •2.1.1. Дискретні випадкові величини. Функція розподілу. Основні закони розподілу
- •2.1.2. Неперервні випадкові величини. Щільність розподілу. Основні закони розподілу
- •Питання для самоконтролю
- •2.2. Числові характеристики випадкових величин
- •1. Математичне сподівання
- •2. Дисперсія та середнє квадратичне відхилення
- •3. Початкові та центральні моменти
- •4. Мода і медіана
- •Числові характеристики деяких розподілів
- •Питання для самоконтролю
- •2.3. Рівномірний, показниковий, нормальний розподіли
- •Питання для самоконтролю
- •2.4. Граничні теореми теорії ймовірностей. Закон великих чисел і центральна гранична теорема. Нерівність ЧебишОва
- •2.4.1. Лема Чебишова
- •2.4.2. Теорема Чебишова
- •2.4.3. Теорема Бернуллі
- •Питання для самоконтролю
- •2.5. Двовимірна випадкова величина
- •2.5.1. Закон розподілу ймовірностей. Закони розподілу компонент
- •2.5.2. Функція розподілу двовимірної випадкової величини та її властивості
- •2.5.3. Щільність сумісного розподілу ймовірностей неперервної двовимірної випадкової величини, основні властивості. Ймовірність попадання випадкової точки в задану область
- •2.5.4. Умовні закони розподілу складових системи дискретних і неперервних випадкових величин. Залежні та незалежні випадкові величини
- •1. Випадок дискретної величини
- •2. Випадок неперервної величини
- •Питання для самоконтролю
- •2.5.5. Числові характеристики двовимірної випадкової величини. Кореляційний момент і коефіцієнт кореляції
- •Числові характеристики двовимірної випадкової величини
- •Питання для самоконтролю
- •2.5.6. Умовні числові характеристики двовимірної випадкової величини. Регресія
- •1. Випадок дискретної випадкової величини
- •2. Випадок неперервної випадкової величини
- •Питання для самоконтролю
- •Розділ III елементи математичної статистики
- •3.1. Предмет та основні завдання математичної статистики
- •3.2. Генеральна та вибіркова сукупності. Вибірка. Способи відбору
- •Питання для самоконтролю
- •3.3. Статистичний розподіл вибірки
- •Питання для самоконтролю
- •3.4. Графічне зображення статистичних розподілів
- •3.5. Емпірична функція розподілу. Кумулята
- •Питання для самоконтролю
- •3.6. Числові характеристики статистичного розподілу вибірки
- •Питання для самоконтролю
- •3.7. Статистичні оцінки параметрів генеральної сукупності
- •3.7.1. Статистичні оцінки невідомих параметрів розподілу та їх властивості
- •3.7.2. Статистична оцінка математичного сподівання
- •3.7.3. Статистична оцінка дисперсії. Виправлена дисперсія
- •3.7.4. Метод моментів статистичного оцінювання параметрів розподілу
- •3.7.5. Метод максимуму правдоподібності статистичного оцінювання параметрів розподілу
- •Питання для самоконтролю
- •3.8. Інтервальні оцінки параметрів розподілу
- •3.8.1. Надійність. Інтервал довіри
- •3.8.2. Розподіл – “хі-квадрат”
- •3.8.3. Розподіл Стьюдента
- •3.8.4. Розподіл Фішера-Снедекора
- •3.8.5. Інтервальні оцінки для математичного сподівання
- •3.8.6. Оцінка істинного значення вимірюваної величини
- •3.8.7. Інтервали довіри для середнього квадратичного відхилення нормально розподіленої випадкової величини
- •3.8.8. Оцінка точності вимірювань
- •Питання для самоконтролю
- •3.9. Елементи теорії кореляції
- •3.9.1. Функціональна, статистична й кореляційна залежності
- •3.9.2. Вибірковий коефіцієнт кореляції. Коефіцієнт детермінації
- •Питання для самоконтролю
- •3.9.3. Основні поняття і методи регресійного аналізу
- •3.9.4. Метод найменших квадратів
- •Питання для самоконтролю
- •3.10. Статистична перевірка статистичних гіпотез
- •3.10.1. Статистичні гіпотези. Помилки першого та другого роду
- •3.10.2. Статистичний критерій перевірки нульової гіпотези
- •Питання для самоконтролю
- •3.10.3. Перевірка гіпотези про закон розподілу. Критерій згоди Пірсона
- •3.10.4. Перевірка гіпотези про порівняння середнього значення ознаки генеральної сукупності зі стандартом
- •3.10.5. Перевірка гіпотези про рівність дисперсій двох незалежних випадкових величин
- •3.10.6. Перевірка гіпотези про значущість коефіцієнта кореляції
- •Питання для самоконтролю
- •Список використаної та рекомендованої літератури
- •Додаток а
- •Додаток б
- •Додаток в
- •Додаток г
- •Додаток д Критичні точки розподілу f Фішера-Снедекора
- •Додаток е
- •Додаток ж Значення
- •Вища математика для економістів
- •40030, М. Суми, вул. Петропавлівська, 57
Питання для самоконтролю
1. Що називається вибірковим середнім?
2. Що називається розмахом вибірки, коефіцієнтом варіації?
3. Що називається початковим емпіричним моментом s-го порядку?
4. Що називається вибірковою дисперсією?
5. Що називається центральним емпіричним моментом s-го порядку?
6. Що називається модою, медіаною?
7. Як знайти моду й медіану для дискретного (інтервального) ряду?
9. Що називається асиметрією, ексцесом?
Вправи
1. У результаті валютних торгів протягом п’яти днів був встановлений такий курс американського долара у гривнях: 6,02; 6,05; 6,03; 6,08; 6,07. Знайти вибіркову середню, вибіркову дисперсію, коефіцієнт варіації курсу долара.
2. Для дослідження розподілу маси новонароджених зважили 1 000 малюків і побудували інтервальний статистичний розподіл:
|
1,0 – 1,5 |
1,5 – 2,0 |
2,0 – 2,5 |
2,5 – 3,0 |
3,0 – 3,5 |
3,5 – 4,0 |
4,0 – 4,5 |
4,5 – 5,0 |
|
20 |
80 |
100 |
300 |
250 |
190 |
50 |
10 |
Побудувати
гістограму частот, визначити моду;
побудувати кумуляту, графічно
визначити медіану; обчислити
,
3. Прибуток
мегамаркету відповідно по місяцях набув
таких значень (млрд. грн.):
Місяць |
1 |
2 |
3 |
4 |
5 |
6 |
7 |
8 |
9 |
10 |
11 |
12 |
P |
0,2 |
0,5 |
0,4 |
0,2 |
0,4 |
0,5 |
0,2 |
0,2 |
0,4 |
0,5 |
0,4 |
0,2 |
Знайти вибіркове середнє та вибіркове середньоквадратичне відхилення.
4. Знайти вибіркове середнє за даним розподілом вибірки:
|
1 450 |
1 480 |
1 490 |
|
3 |
5 |
2 |
5. Знайти вибіркову дисперсію за даним розподілом вибірки:
|
0,02 |
0,05 |
0,08 |
|
3 |
2 |
5 |
3.7. Статистичні оцінки параметрів генеральної сукупності
Вивчаючи певну
ознаку
генеральної сукупності, ми можемо знати
характер розподілу випадкової величини
але параметри цього закону залишаються
невідомими. Тоді постає подальше
завдання: на основі
одержаної вибірки визначити наближені
числові значення невідомих параметрів
розподілу – точкові статистичні оцінки
або просто статистичні оцінки.
3.7.1. Статистичні оцінки невідомих параметрів розподілу та їх властивості
Статистичною
оцінкою невідомого параметра
теоретичного розподілу називається
будь-яка однозначна функція від випадкових
величин, які спостерігаються:
Для того, щоб оцінка
мала практичну цінність, вона мусить
задовольняти певні умови. Статистична
оцінка є сама випадковою величиною.
Статистична
оцінка
невідомого параметра розподілу
випадкової величини
називається незміщеною, якщо її
математичне сподівання дорівнює точному
значенню цього параметра:
Якщо оцінка не задовольняє цієї умови, то вона називається зміщеною.
Статистична
оцінка
невідомого параметра розподілу
випадкової величини
називається ефективною, якщо вона має
найменшу дисперсію серед усіх незміщених
оцінок параметра
обчислених за вибірками одного й того
ж обсягу.
Під час розглядання вибірок великого обсягу до статистичних оцінок додається вимога слушності (або змістовності, або конзистентності).
Статистична
оцінка
невідомого параметра розподілу
випадкової величини
називається слушною (або змістовною,
або конзистентною), якщо
збігається за ймовірністю до оцінюваного
параметра при необмеженому зростанні
обсягу вибірки, тобто виконується
така рівність: для
(3.26)
де
– яке завгодно мале число.
