
- •11 Теорема Пуассона
- •12. Теорема (локальная теорема Муавра-Лапласа).
- •13. Случайные величины.
- •14. Дискретные случ.Величины. Закон распределения
- •15. Математическое ожидание
- •16. Дисперсия
- •17. Теоремы о мат. Ожидании и дисперсии. Начальные и центральные моменты
- •18.Непрерывные случайные величины.
- •Свойства плотности распределения.
- •19.Равномерное, показательное и нормальное распределение и их характеристики.
- •20. Теорема о нормальном распред-нии. Критерии независимости величин.
- •21. Случайный вектор. Св-ва функции распред-я случ вектора.
- •Функция распределения случайного вектора неубывающая по каждому аргументу.
- •22. Дискрет и непрерывный случ вектор. Св-ва плотности распределения
- •Теорема 1. Пусть —непрерывный случайный вектор. Тогда случайные величины и —непрерывны, причем
- •23. Числовые характеристики системы двух случайных величин. Ковариация, корреляция. Ассиметрия и эксцесс.
- •25.26.Эмпирическая функция распределения. Полигон и гистограмма.
- •27. Точечные оценки неизвестных параметров.
25.26.Эмпирическая функция распределения. Полигон и гистограмма.
27. Точечные оценки неизвестных параметров.
Предположим, что имеется выборка х1..хп из генеральной сов-сти, закон распределения которой зависит от неизвестного параметра а (F(x(a)).
Опр1:
оценкой параметра а называют любую
функцию
=
(х1,..хп),
зависящую от выборочных значений
х1..хп.
Опр2: оценка неизвестного параметра а наз-ся несмещенной, если ее мат. ожидание равно самому параметру а: М( )=а.
Опр3: оценка
неизвестного параметра а наз-ся
состоятельной,
если она сходится по вероятности к
параметру а: для люб ε>0
P{(
-a)≥ε}
→0, n→∞.
Обозначается сходимость по вер-сти
а.
Опр4: несмещенная оценка неизвестного параметра называется эффективной, если она имеет наименшую дисперсию среди всех несмещенных оценок параметра а.
Замеч: выборочная средняя х явл-ся несмещенной и состоятельной оценкой мат. ожидания случайной величины х.