
- •2. События. Сумма событий, произведение, разность
- •Сумма событий, произведение, разность
- •3. Условная вероятность.
- •4. Формула полной вероятности, формула Байеса. Формула полной вероятности
- •Формула Байеса
- •5. Схема испытаний Бернулли.
- •6. Теорема Пуассона.
- •7. Локальная теорема Лапласа.
- •8. Интегральная теорема Лапласа. Отклонение относительной частоты от постоянной вероятности. Интегральная теорема Лапласа
- •Отклонение относительной частоты от постоянной вероятности
- •9. Дискретные случайные величины. Закон распределения дискретной случайной величины (ряд распределения, многоугольник распределения).
- •Дискретные случайные величины
- •Закон распределения дискретной случайной величины (ряд распределения, многоугольник распределения)
- •10. Функция распределения вероятностей и ее свойства. Функция распределения вероятностей
- •Свойства функции
- •11. Плотность распределения вероятностей и ее свойства.
- •12. Математическое ожидание и его свойства. Математическое ожидание
- •Свойства математического ожидания
- •13. Дисперсия и ее свойства. Среднеквадратическое отклонение. Дисперсия
- •Свойства дисперсии
- •Среднеквадратическое отклонение
- •Пример дисперсии
- •14. Мода. Медиана, начальные и центральные моменты. Мода
- •Медиана
- •Начальные и центральные моменты
- •15. Биномиальное распределение.
- •16. Распределение Пуассона.
- •17. Геометрическое распределение.
- •18. Непрерывные случайные величины. Плотность распределения. Функция распределения.
- •19. Числовые характеристики непрерывной случайной величины. Математическое ожидание
- •Дисперсия
- •20. Коэффициент асимметрии. Эксцесс.
- •25. Закон больших чисел. Неравенство Чебышева. Теорема Чебышева.
- •26. Усиленный закон больших чисел, теорема Бернулли. Теорема Пуассона.
- •27. Центральная предельная теорема.
- •28. Многомерные случайные величины. Функция распределения и плотность распределения.
- •33. Задачи математической статистики.
- •34. Выборка. Типы выбора. Виды выбора. Свойства выбора.
- •35. Вариационный ряд и его свойства. Гистограмма
- •36. Эмпирическая функция распределения.
- •37. Выборочные числовые характеристики: выборочная средняя, выборочная дисперсия, исправленная выборочная дисперсия.
- •38. Точечное оценивание неизвестного параметра. Свойства оценок: состоятельность, несмещенность, эффективность.
- •39. Интервальные оценки. Доверительный интервал. Доверительный интервал для оценки математического ожидания нормально распределенной случайной величины.
- •40. Метод моментов.
- •41. Метод максимального правдоподобия.
- •42. Метод наименьших квадратов.
- •43. Проверка статистических гипотез. Ошибки первого и второго рода.
- •44. Критерий согласия Пирсона 𝜒2.
- •45. Критерий Стьюдента.
- •Сравнение выборочного среднего с заданным значением
- •Сравнение двух выборочных средних при известных дисперсиях
- •Сравнение двух выборочных средних при неизвестных равных дисперсиях
- •Сравнение двух выборочных средних при неизвестных неравных дисперсиях
- •Сравнение двух выборочных средних в связанных выборках
- •Сравнение разности средних с заданным значением
- •46. Точный критерий Фишера.
- •47. Непараметрический критерий Вилкоксона.
33. Задачи математической статистики.
Математическая статистика изучает различные методы сбора, обработки и осмысления результатов многократно повторяемых случайных событий. Понятие случайного события определяется в теории вероятностей, обработка результатов также производится при помощи теоретически разработанных вероятностных методов.
Для процесса построения и применения моделей характерно, чем больше данных, тем точнее, адекватнее модель. О современной математической статистике можно говорить как о науке о принятии решений в условиях неопределенности.
Математическая статистика – раздел математики, занимающейся установлением закономерностей, которым подчинены массовые случайные явления, на основе обработки статистических данных, полученных в результате наблюдений.
Двумя основными задачами математической статистики являются:
∙ - определение способов сбора и группировки этих статистических данных;
∙ - разработка методов анализа полученных данных в зависимости от целей исследования, к которым относятся:
а) оценка неизвестной вероятности события; оценка неизвестной функции распределения; оценка параметров распределения, вид которого известен; оценка зависимости от других случайных величин и т.д.;
б) проверка статистических гипотез о виде неизвестного распределения или о значениях параметров известного распределения.
Для решения этих задач необходимо выбрать из большой совокупности однородных объектов ограниченное количество объектов, по результатам изучения которых можно сделать прогноз относительно исследуемого признака этих объектов.
Иногда проводят сплошное обследование, т. е. обследуют каждый из объектов совокупности относительно признака, которым интересуются. На практике, однако, сплошное обследование применяется сравнительно редко.
Обычно совокупность исследуется относительно некоторого качественного или количественного признака, характеризующего эти объекты. Определим основные понятия математической статистики.
Генеральная совокупность –- полное множество некоторых единиц, которые обладают теми или иными общими свойствами, существенными для их характеристики.
В математической статистике понятие генеральной совокупности трактуется как совокупность всех мыслимых наблюдений, которые могли бы быть произведены при данном реальном комплексе условий и аналогично понятию случайной величины.
Выборочной совокупностью, или просто выборкой, называют совокупность случайно отобранных объектов.
Объем генеральной совокупности N и объем выборки n – число объектов в рассматриваемой совокупности.
Сущность выборочного метода состоит в том, чтобы по некоторой части генеральной совокупности выносить суждение о свойствах в целом.
Исследуемый признак генеральной совокупности является дискретным, если он принимает отдельные, изолированные возможные значения с определёнными вероятностями.
Исследуемый признак генеральной совокупности является непрерывным, если он может принимать все значения из некоторого конечного или бесконечного промежутка.
По всякой ли выборке можно достаточно уверенно судить об генеральной совокупности?
Случайная выборка строится таким образом, что
∙ каждый объект генеральной совокупности имеет одинаковую вероятность быть отобранным;
∙ объекты выбирают независимо друг от друга.
∙ случайность гарантирует надежность.