- •1.Основные понятия и формулы комбинаторики.
- •2.Случайные события и действия над ними. Виды событий
- •3. Аксиоматическое определение вероятности
- •6.Понятие дискретной случайной величины. Закон распределения дискретной одномерной случайной величины. Функция распределения f(X), ее свойства.
- •7.Числовые характеристики дискретной случайной величины.
- •8.Схема Бернулли. Формула Бернулли. Локальная и интегральная теорема Муавра-Лапласа
- •9.Биномиальное распределение.
- •10.Понятие непрерывной случайной величины. Функция распределения, ее свойства. Функция плотности распределения вероятностей, ее свойства. Числовые характеристики непрерывных случайных величин.
- •11.Распределение Пуассона
- •12.Нормальный закон распределения. Числовые характеристики нормального закона. Свойства нормальной кривой. Правило 3-х сигм, его практическое применение.
- •14.Дискретный вариационный ряд и его числовые характеристики
- •15.Интервальный статистический ряд и его числовые характеристики.
- •16.Статистическое оценивание параметров распределения по выборке. Точечные оценки параметров распределения
- •18.Статистическая проверка гипотез. Мощность критерия. Критические области
- •19.Статистическая проверка гипотез. Ошибки первого и второго родов.
- •Уровень значимости
- •Мощность и ошибка второго рода
- •20.Двумерная случайная величина. Закон распределения. Условные законы распределения.
- •21.Двумерная случайная величина. Числовые характеристики двумерной случайной величины.
- •2 Типа взаимосвязей между х и у:
2 Типа взаимосвязей между х и у:
1) может быть неизвестно, какая из двух переменных является независимой, а какая - зависимой, переменные равноправны, это взаимосвязь корреляционного типа;
2) если х и у неравноправны и одна из них рассматривается как объясняющая (независимая) переменная, а другая - как зависимая, то это взаимосвязь регрессионного типа.
Виды регрессий:
1) гиперболическая - регрессия равносторонней гиперболы: у = а + b / х + Е;
2) линейная - регрессия, применяемая в статистике в виде четкой экономической интерпретации ее параметров: у = а+b*х+Е;
3) логарифмически линейная - регрессия вида: In у = In а + b * In x + In E
4) множественная - регрессия между переменными у и х1 , х2 ...xm, т. е. модель вида: у = f(х1 , х2 ...xm)+E, где у - зависимая переменная (результативный признак), х1 , х2 ...xm - независимые, объясняющие переменные (признаки-факторы), Е- возмущение или стохастическая переменная, включающая влияние неучтенных факторов в модели;
5) нелинейная - регрессия, нелинейная относительно включенных в анализ объясняющих переменных, но линейная по оцениваемым параметрам; или регрессия, нелинейная по оцениваемым параметрам.
6) обратная - регрессия, приводимая к линейному виду, реализованная в стандартных пакетах прикладных программ вида: у = 1/a + b*х+Е;
7) парная - регрессия между двумя переменными у и x, т. е, модель вида: у = f (x) + Е, где у -зависимая переменная (результативный признак), x – независимая, объясняющая переменная (признак - фактор), Е - возмущение, или стохастическая переменная, включающая влияние неучтенных факторов в модели.