
- •1.Означення та приклади подій : випадкова, достовірна, неможлива, елементарна, складна.
- •2.Означення та приклад повної групи подій та простору елементарних подій.
- •3.Класичне означення ймовірності випадкової події
- •5.Дати означення відносної частоти появи події.
- •6. Дати геометричне та статистичне означення ймовірностей.
- •7.Дати визначення умовної ймовірності.
- •8.Формула множення ймовірностей для залежних та незалежних подій.
- •9.Формула для обчислення появи хоча б однієї події.
- •10. Формула повної ймовірності
- •11.Формула Баєса.
- •13.Формула Бернуллі для обчислення ймовірностей,умова використання. Наслідки.
- •14. Найімовірніше число наступів події в схемі Бернуллі.
- •15.Сформулювати локальну теорему Мауавра-Лапласа.
- •16.Сформулювати інтегральну теорему Мауавра-Лапласа.
- •17.Функція Гаусса та її властивості
- •18.Функція Лапласа та її властивості.
- •19.Формула Пуассона,умови її використання.
- •20.Означення випадкової величини, дискретної та неперервної випадкової величини.
- •21.Закон розподілу випадкової величини.
- •22.Інтегральна функція розподілу випадкової величини: означення.Властивості.
- •30.Означення закону розподілу багатовимірної випадкової величини.
- •32. Коефіцієнт кореляції та його властивості
- •Щільність імовірностей системи п випадкових величин є функція
- •34.Двовимірний нормальний закон.
- •35.Біномінальний закон розподілу двв, числові характеристики.
- •36. Пуасонівський закон розподілу двв, числові характеристики.
- •37.Геометрический закон розподілу двв, числові характеристики.
- •38. Гіпергеометричний закон розподілу двв, числові характеристики.
- •39.Рівномірний закон розподілу.
- •40. . Нормальний закон розподілу
- •41.Показниковий закон та його використання в теорії надійності та теорії черг.
- •43. Правило трьох сигм. Логарифмічний нормальний закон розподілу
- •45. Теорема Чебишова
- •46. ) Теорема Бернулі
- •48.Предмет і задачі математичної статистики.
- •49. Утворення вибірки. Генеральна та вибіркова сукупність.
- •50. Статистичним розподілом вибірки
- •51.Емпірична функція розподілу, гістограма та полігон.
- •52.Числові характеристики : вибіркова середня, дисперсія вибірки, середньоквадратичне відхилення.
- •53.Мода й медіана,емпіричні початкові та центральні моменти, асиметрія та ексцес.
- •54.Дати визначення статистичної оцінки.
- •55.Точкові та інтервальні статистичні оцінки.
- •56.Дати визначення довірчого інтервалу.
- •57.Що таке нульова та альтернативна статистичні гіпотези.
- •58.Перевірки правдивості нульової гіпотези про нормальний закон розподілу ознаки генеральної сукупності.
- •59.Емпіричні та теоретичні частоти.
- •60.Критерії узгодження Пірсона та Колмогорова.
- •61.Помилки 1-го і 2-го роду.
- •62.Статистичний критерій.Критична область.
- •63.Дати означення моделі експерименту.
- •64.Дати поняття одно фактичний аналіз.
- •65.Що таке таблиця результатів.
- •66.Загальна дисперсія,між групова та внутрішньо групова дисперсія.
- •67.Загальний метод перевірки впливу фактора на ознаку способом порівняння дисперсії.
- •68.Поняття про функціональна ,статистична і кореляційна залежності.
- •70. Вибірковий коефіцієнт кореляції
- •71. Множина регресії ,множинний коєфіцієнт кореляції та його властивості .
48.Предмет і задачі математичної статистики.
Предмет математичної статистики - це формальна математична сторона статистичних методів дослідження, байдужа до специфічної природи об'єктів, які вивчаються. Згідно з цим визначенням предмет математичної статистики є чисто математичною теорією математико-статистичних методів незалежно від специфіки і сфери їх застосування.
Всі задачі математичної статистики умовно можна розчленити на дві групи.
Першою з них є розробка методів збору і групування статистичних даних, отриманих в результаті спостережень, опрацювання статистичних звітів чи даних в результаті спеціально поставлених експериментів.
Друга задача полягає в розробці методів аналізу статистичних даних залежно від мети. Сюди належать:
а) оцінка ймовірності події; знаходження функції розподілу випадкової величини; оцінка залежності випадкової величини від інших випадкових величин, тощо; оцінка невідомих параметрів розподілу;
б) перевірка статистичних гіпотез про зроблені вище припущення.
Висновки за допомогою методів математичної статистики, зроблені зі зібраних статистичних даних, повинні правильно відображати загальні ймовірносні характеристики процесу, що досліджується.
49. Утворення вибірки. Генеральна та вибіркова сукупність.
два способи можливого утворення вибірки:
з повторенням, коли елемент після вивчення повертається назад до сукупності, що вивчається та може бути повторно вивчений;
без повторення, коли елемент після вивчення назад до сукупності не повертається.
На практиці статистичних досліджень відрізняють два види дослідів:
суцільний, коли розглядаються всі елементи сукупності
вибірковий, де вивчається лише деяка частина елементів.
Вся сукупність елементів, яку треба вивчити називається генеральною сукупністю. Поняття генеральної сукупності, в певному сенсі, є аналогічним поняттю випадкової величини (закону розподілу ймовірностей), бо повністю обумовлене певним комплексом умов. Та частина об’єктів, що її відібрано для безпосереднього вивчення із генеральної сукупності, називається вибірковою сукупністю (або просто – вибіркою). Кількість елементів у генеральній чи вибірковій сукупності називають їх об’ємами.
Вибіркова сукупність розглядається, як деякий емпіричний аналог генеральної сукупності. Сутність вибіркового методу полягає в тому, щоб за деякою частиною генеральної сукупності(за вибіркою) робити висновки про її властивості вцілому, наприклад, про її закон розподілу, або про числові значення її певних параметрів. Головним недоліком вибіркового методу є помилки досліду, які також називають помилками репрезентативності.
50. Статистичним розподілом вибірки
називається таблиця, в якій вказані значення х ознаки Х у зростаючому порядку (в цьому випадку значення утворюють дискретний варіаційний ряд, самі значення ознаки називаються варіантами), а також відповідні частоти або відносні частоти
де n=n1+n2+…nk,
,
якщо i>j,
;
51.Емпірична функція розподілу, гістограма та полігон.
Емпіричною функцією розподілу Fn(x) називається відносна частота (частість) того, що ознака (випадкова величина Х) прийме значення, менше ніж заданий х, тобто
Fn(x)=w(X<x)=
Іншими
словами емпірична функція розподілу
являє собою нагромаджену частість
=
Можна помітити, що статистичний ряд – це статистичний аналог розподілу ознаки (випадкової величини Х). В цьому сенсі полігон (гістограма) – аналог кривої розподілу, а емпірична функція розподілу - функції розподілу випадкової величини Х.
Полігон, як правило, використовують для зображення дискретного статистичного ряду, він являє собою ламану, для якої кінці відрізків мають координати (xi,ni).
Гістограму використовують для зображення лише неперервних статистичних рядів (вона являє собою ступінчасту фігуру із прямокутників з основами, що дорівнюють значенням ознаки ki=xi+1–xi, та висотами, що дорівнюють частотам (частостям) nі (wi) інтервалів). Якщо з’єднати середини верхніх сторін відрізками, то отримаємо полігон того ж самого розподілу.