
- •7.Повторение испытаний. Формула Бернули. Найвероятнейшее число появлений событий
- •9.Понятие случайной величины. Ряд распределения. Многоугольник распределения.
- •10. Функция распределения случайной величины. Её свойства
- •11.Плотность распределения
- •12.Математическое ожидание и его св-ва.
- •19. Закон больших чисел в форме Чебышева, его смысл.
- •29.Стат. Гипотеза. Нулевая, конкурирующая, сложная, простая. Ошибки 1и 2 рода.
- •30. Статистический критерий проверки нулевой гипотезы. Критическая область. Область принятия гипотезы
- •26.Точность оценки, доверительная вероятность. Доверительный интервал.
- •27.Довер-ные интервалы для оценки мат. Ожидания нормальн. Распред-я при известном δ
- •28.Доверительные интервалы для оценки ср квадратич отклонения δ нормального распред-я
- •34.Плотн-ть распред-я двумерной св и ее св-ва
- •36.Линейная корреляц зависимость и прямые регрессии.
34.Плотн-ть распред-я двумерной св и ее св-ва
Плотн-тью распред-я непрерывной СВ наз-ся ф-ция f(х,у)=(υ2 F(х,у))/(υхυу), F(х,у)-ф-ция распред-я двумерн.СВ.Основн.св-ва плотн-ти распред-я:1. f(х,у)≥0 2.∫+∞-∞ ∫+∞-∞ f(х,у)dхdу=1. Теорема: Вероятн-ть попадания случ.точки (Х,У) в область Оху равна Р((Х,У)ЄД)=∫∫Д f(х,у)dхdу.Интеграл справа-двойной интеграл по области Д.Если обл.Д предст-т собой прямоугольник со сторонами,параллельными осям координат,ограничены абсциссами α,β и γ,δ,то вероят-ть эта вычисляется по формуле:Р((х,у) ЄД)= ∫ β α ∫ γ δ f(х,у) dхdу.Ф-ция распред-я двумерной СВ можно выразить ч/з плотн-ть распред-я: F(х,у)= ∫х-∞ ∫у-∞ f(υν) dυdν
35.Функциональная,
стат. И корреляционная зав-ти.
В естественных науках часто речь идёт
о функц-ных зависимостях, когда каждому
значению одной переменной ставится
единственное знач.другой. Функц-ная
завис-ть может иметь место между
неслучайными переменными, напр.зависимость
скорости падения от времени падения
так и между СВ напр.зависимость стоимости
проданых изделий от их числа. В экономике
в большинстве случаев между переменными
величинами существ.стат.или вероятносная
зав-ть–зависимость, когда каждому
значению одной переменной соответствует
не какое-либо одно, а множество значений.
Напр.зав-ть урожайности от кол-ва
внесённых удобрений. В силу неоднозначности
стат.незав-ти между Х
и У
представляет интерес усреднённая по
х схема зав-тей, т.е. х ставится
соответственно (М(У)Х=х)=Мх(У).
Корреляционная зав-ть–зав-ть между
двумя СВ при которой каждому значению
одной СВ ставится в соответствии
опред.условно-матем.ожидание другой
СВ. Если каждому Х
соответствует ср.значение СВ У то зав-ть
назыв. корреляционной У
на Х.
Уравнение регрессии выражает эту
зав-ть: Мх(У)=φ(х).
Если каждому значению СВ У
соответствует ср.значение СВ Х,
то зависимость назыв. корреляционной
Х
на У.
Уравн.которое выражает эту зав-ть:
Му(Х)=Ψ(у).
Ф-ции ф(х)
и Ψ(у)
наз.ф-циями регрессии, а их графики
линиями регрессии. При наличии
коррел.связей меду СВ Х
и У важно
определить форму линии регрессии. Если
линия регрессии опред.в виде линии
у=ах+в,
то её назыв.прямой линии регрессии. А
если линия у=ах2+вх+с,
то её назыв.параболической линии
регрессии, а если у=
+в, то
гиперболической. Обычно ищут прямую
линию регрессии.
36.Линейная корреляц зависимость и прямые регрессии.
Если каждому значению случайной величины Х соответствует среднее значение случайной величины Y, то зависимость наз-ся корреляционной Y на Х.
Уравнение,
которое выражает эту зависимость:
Mx(Y)=
.
Если каждому значению случайной величины Х соответствует среднее значение случайной величины X, то зависимость наз-ся корреляционной X на Y.
Уравнение,
кот выражает эту зависимость: My(X)=
.
Если
линия регрессии определяется в виде
y=ax+b
, то ее называют прямой линией регрессии,
если y=ax2+bx+c
– параболическая линия регрессии, если
y=
+b
–гиперболическая линия регрессии.