
- •1 Раздел.
- •1.Вероятностный эксперимент. Пространство элементарных событий.
- •2.Дискретные и непрерывные пространства элементарных событий. Примеры.
- •3.Случайные события: определение, примеры.
- •4.Классификация событий.
- •5.Операции над событиями.
- •6.Сумма и произведение случайных событий.
- •7.Разность событий, противоположные события.
- •8. Определение вероятности, аксиомы Колмогорова.
- •9.Относительные частоты, их свойства.
- •10.Классический метод вычисления вероятности.
- •11.Элементы комбинаторики и тв
- •12. Статистический метод вычисления вероятности.
- •13. Аксиоматический метод задания вероятности.
- •14. Свойства вероятностей.
- •15. Условные вероятности. Аксиомы Колмогорова (для случая условных вероятностей).
- •16. Независимость событий (для двух и для трёх событий).
- •17. Теоремы умножения вероятностей (для двух и для трёх событий). Условия их применения.
- •18. Теоремы сложения вероятностей (для двух и для трёх событий). Условия их применения.
- •19. Формула полной вероятности.
- •20. Формула Байеса.
- •21. Схема испытаний Бернулли.
- •22. Формула Бернулли. Наиболее вероятное число наступления «успехов» в схеме.
- •23. Локальная теорема Муавра-Лапласа
- •24. Интегральная теорема Муавра-Лапласа
- •25. Теорема Пуассона
- •2 Раздел.
- •1.Определение случайной величины, типы случайных величин, примеры. Закон распределения вероятностей случайной величины.
- •2.Фукция распределения вероятностей случайных величин, ее свойства.
- •3.Типы случайных величин. Примеры.
- •4.Дискретная случайная величина. Как можно задать закон распределения дискретной случайной величины?
- •5.Непрерывная случайная величина. Что называется плотностью распределения вероятностей?
- •6.Взаимосвязь между функцией распределения и плотностью распределения.
- •7.Свойства плотности распределения.
- •8.Числовые характеристики распределения случайной величины.
- •9.Математическое ожидание случайной величины, ее свойства.
- •10.Мода случайной величины.
- •11.Медиана случайной величины, геометрический смысл медианы.
- •12.Дисперсия случайной величины, ее свойства. Среднее квадратическое отклонение.
- •13.Коэффициент асимметрии.
- •14.Коэффициент эксцесса.
- •2.Статистический закон распределения дискретной случайной величины.
- •3.Статистический закон распределения непрерывной случайной величины.
- •4.Графическое изображение статистических законов распределения.
- •5.Точечные оценки числовых характеристик: математического ожидания, моды, медианы.
- •7.Статистические гипотезы. Параметрические и непараметрические гипотезы.
- •8.Статистические гипотезы. Нулевая и альтернативная гипотеза.
- •9.Проверка статистических гипотез. Статистический критерий значимости. Примеры статистических критериев.
- •10.Область допустимых значений и критическая область статистического критерия.
- •11.Ошибки, совершаемые при проверке статистических гипотез. Уровень значимости статистического критерия.
- •12. Непараметрические статические гипотезы. Гипотеза о виде закона распределения.
- •13. Проверка гипотезы о виде закона распределения. Критерий Пирсона.
- •14. Интервальные оценки параметров распределения
- •15. Доверительная вероятность, доверительный интервал.
- •16. Доверительные Интервалы для математического ожидания нормально распределенной случайной величины
- •17. Функциональная, статистическая, регрессионная зависимость.
- •18. Корреляционное поле. Выбор модели регрессионной зависимости.
- •20.Коэффициент корреляции, его свойства.
- •21.Проверка значимости коэффициента корреляции.
- •22. Построение нелинейного выборочного уравнения регрессии.
- •24.Проверка значимости коэффициента детерминации.
- •25.Для чего применяется метод наименьших квадратов в регрессионном анализе?
14. Интервальные оценки параметров распределения
Любая функция f{x1,x2,..., хп) от результатов наблюдения x1,x2,..., хп исследуемой с. в. X называется выборочной статистикой ИЛИ просто статистикой. Статистика Θс крышкой используемая в качестве приближённого значения неизвестного параметра Θ, называется статистической оценкой параметра Θ.
Существует два вида оценок параметров: точечные и интервальные. Точечные оценки определяют точку Θс крышкой, являющуюся некоторым приближением оцениваемого параметра Θ. Интервальная оценка представляет собой интервал (Θ1с крышкой, Θ2с крышкой)который с заданной вероятностью накрывает неизвестное значение параметра Θ.
Познакомимся сначала с точечными оценками. Поскольку любая выборка является конечной и случайной, все выборочные функции Θс крышкой = f{x1,x2,..., хп) являются случайными величинами, то есть при переходе от одной выборки к другой вычисленные значения оценки Θс крышкой будут отличаться друг от друга. Желательно, чтобы получаемые значения Θс крышкой располагались как можно ближе к истинному значению оцениваемого параметраΘ . Это достигается в тех случаях, когда статистическая оценка Θс крышкой = f{x1,x2,..., хп)обладает такими свойствами, как состоятельность, несмещённость и эффективность.
Статистическая оценка Θс крышкой называется состоятельной, если ее вычисляемое по опытным данным значение при увеличении объема выборки сходится по вероятности к истинному значению 0 оцениваемого параметра, то есть, если для любого, сколь угодно малого s > 0 lim Р(\Θ - Θс крышкой \< е) =1.Оценка Θс крышкой называется несмещенной (или оценкой без систематической ошибки), если ее математическое ожидание совпадает со значением Θс крышкой оцениваемого параметра; M[Θс крышкой] =Θ .Несмещенная Θс крышкой оценка называется эффективной, если по сравнению с другими оценками параметра, вычисляемыми на основании выборок одинакового объема п, она обладает наименьшей дисперсией.
15. Доверительная вероятность, доверительный интервал.
Заменяя при проведении статистического исследования неизвестное значение параметра Θ его точечной оценкой Θс крышкой, мы отдаем себе отчет в том, что при этом совершаем некоторую ошибку. Большое практическое значение имеет информация о величине этой ошибки. Другими словами, возникает вопрос об определении точности оценки Θ с крышкой, то есть о таком значении ε, что | Θ − Θс крышкой|< ε .
Поскольку в нашем распоряжении имеются лишь выборочные данные, то можно определить только вероятность P осуществления этого неравенства,
которая называется доверительной вероятностью:
P(Θ − Θс крышкой< ε )=P.
Соотношение может быть записано следующим образом:P(Θ1 с крышкой< Θ < Θ2 с крышкой)=P.
Это означает, что неизвестное значение оцениваемого параметра Θ с доверительной вероятностью P будет накрыто интервалом (Θ1 с крышкой,Θ2 с крышкой)
который называется доверительным интервалом (или интервальной оценкой параметра Θ).
Значение доверительной вероятности выбирается исходя из целей исследования и ответственности при принятии решения в конкретной задаче. Обычно доверительная вероятность P принимается равной 0,95,
0,99, реже -0,999.