- •Предмет теории вероятностей. Основные понятия теории вероятностей.
- •Ограниченность классического определения вероятности. Статическая вероятность.
- •Теорема сложения вероятностей. Теорема сложения вероятностей несовместных событий.
- •Теорема сложения вероятностей. Теорема сложения вероятностей совместных событий.
- •Теорема сложения вероятностей. Полная группа событий. Противоположные события.
- •Теорема умножения вероятностей. Теорема умножения вероятностей независимых событий.
- •Теорема умножения вероятностей. Теорема умножения вероятностей зависимых событий.
- •Теорема умножения вероятностей. Вероятность появления хотя бы одного события. Условная вероятность.
- •Повторение испытаний. Теорема Лапласа.
- •Вероятность отклонения относительной частоты от постоянной вероятности в независимых испытаниях.
- •Случайные величины. Виды случайных величин.
- •Простейший поток событий. Геометрическое распределение.
- •Гипергеометрическое распределение.
- •Математическое ожидание дискретной случайной величины.
- •Среднеквадратическое отклонение. Начальные и центральные теоретические моменты.
- •Закон больших чисел.
- •Генеральная и выборочная совокупности.
- •Статистические оценки параметров распределения.
- •Точность оценки, доверительная вероятность (надежность).
- •Формула Бейеса.
- •Формула Бернулли
- •Локальная и интегральная теоремы Лапласа
- •Отклонение относительной частоты от постоянной вероятности в независимых испытаниях
- •Наивероятнейшее число появлений события в независимых испытаниях
- •Закон распределения вероятностей дискретной случайной величины. Простейший поток событий
- •Числовые характеристики дискретных случайных величин. Теоретические моменты
- •Параметры случайных непрерывных процессов.
- •Параметры фиксированных случайных процессов
- •Закон больших чисел. Теорема Чебышева
Статистические оценки параметров распределения.
Статистической оценкой неизвестного параметра теоретического распределения называют функцию от наблюдаемых случайных величин. Статистические оценки параметров распределения должны удовлетворять следующим требованиям: состоятельности, несмещённости, эффективности.
Состоятельной называют статистическую оценку, которая при неограниченном увеличении числа наблюдений стремится по вероятности к оцениваемому параметру.
Несмещённой называют статистическую оценку, если её математическое ожидание равно оцениваемой характеристике независимо от числа наблюдений. Несмещённая статистическая оценка называется эффективной, если она имеет минимально возможную дисперсию.
Генеральная средняя и выборочная средняя
Пусть задана дискретная случайная величина Х в виде генеральной совокупности. Генеральной средней называют среднее арифметическое значений признака генеральной совокупности:
|
|
(6.2) |
где xi – варианта генеральной совокупности, ni – частота варианты xi,
.
N– все возможные значения частот дискретной случайной величины Х.
В частном случае, когда генеральная совокупность содержит по одному значению каждой варианты, генеральная средняя равна:
|
|
(6.2а) |
Если рассматривать значения Х генеральной совокупности как случайную величину, то математическое ожидание М(Х) равно генеральной средней М(Х)= xг, а генеральная средняя определяется как математическое ожидание:
xг = М(Х).
Пусть извлечена выборка объема n из генеральной совокупности относительно количественного признака X. Выборочной средней`x называется среднее арифметическое значение признака выборочной совокупности.
|
|
(6.3) |
где
.
В частном случае, когда выборка содержит по одному значению каждой варианты, выборочная средняя равна:
|
|
(6.3а) |
Аналогично генеральной совокупности можно сделать вывод относительно выборочной средней. Если рассматривать значения Х выборки, как случайную величину, то математическое ожидание m(Х) равно выборочной средней:
|
|
(6.4) |
Генеральной
дисперсией называют среднее арифметическое
квадратов отклонения значений признака
X от их среднего значения xг.
Рассеяние значений количественного
признака X в выборке вокруг своего
среднего значения`x характеризует
выборочная дисперсия. Выборочной
дисперсией Dв называется среднее
арифметическое квадратов отклонения
значений признака X от их среднего
значения
.
|
|
(6.5) |
В частном случае, когда выборка содержит по одному значению каждой варианты, выборочная дисперсия равна:
|
|
(6.5а) |
Пример 4.
Выборочная совокупность задана таблицей распределения в примере 1.
Таблица 6.6
-
i
1
2
3
4
xi
2
3
5
10
ni
5
5
3
2
Найти выборочное математическое ожидание, дисперсию, среднеквадратическое отклонение для распределения, заданного таблицей 6.6.
Решение.
Выборочная средняя вычисляется по формуле (6.4):
Выборочная дисперсия Dв вычисляется по формуле (6.5):
Выборочное среднее
квадратическое отклонение:
.
В задачах выборочная совокупность может быть задана таблицей распределения с относительной частотой. Рассмотрим пример 4, заменив в таблице 6.6 последнюю строку относительной частотой pi=ni/n. В примере n=15. Выборочная дисперсия Dв вычисляется по данным таблицы 6.7.
Таблица 6.7
i |
1 |
2 |
3 |
4 |
xi |
2 |
3 |
5 |
10 |
pi |
P1 =5/15 |
P2 =5/15 |
P3 =3/15 |
P4 =2/15 |
Выборочная дисперсия Dв может быть вычислена как с использованием относительной частоты, так и абсолютной частоты.
Характеристики случайной величины, построенные на основании выборочных данных, называются выборочными или точечнымиоценками.
Точечной называют оценку, которая определяется одним числом. Все оценки, рассмотренные в примере 4, являются точечными.

,
.
.
.