
- •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.
35. Вариационный ряд и его свойства. Гистограмма
Вариационный ряд (упорядоченная выборка) - Последовательность x1<=x2<=x3<=...<=xn, полученная в результате расположения в порядке неубывания исходной последовательности независимых одинаково распределенных случайный величин х1, х2,...хn.
Правило трёх сигм ({\displaystyle 3\sigma }3σ) гласит: вероятность того, что любая случайная величина отклонится от своего среднего значения менее чем на {\displaystyle 3\sigma }3σ,
{\displaystyle P(|\xi -E\xi \mid <3\sigma )\geq {\frac {8}{9}}}.
Практически все значения нормально распределенной случайной величины лежат в интервале {\displaystyle \left(\mu -3\sigma ;\mu +3\sigma \right)}(μ-3σ; μ+3σ), где μ=Еξ {\displaystyle \mu =E\xi } — математическое ожидание случайной величины. Более строго — приблизительно с вероятностью 0,9973 значение нормально распределенной случайной величины лежит в указанном интервале.
Для наглядного представления о поведении исследуемой случайной величины в выборке можно строить различные графики. Наиболее часто используют следующие виды графического представления характеристик выборки: полигон, гистограмма и кумулятивная кривая. Гистограмма и полигон позволяют выявить преобладающие значения признака и характер распределения частот и относительных частот
Полигон - ломаная линия с координатами (xi, mx) где xi откладываются на оси абсцисс, а mx – на оси ординат. Если на оси ординат откладывать не абсолютные, а относительные (wi) частоты, то получим полигон относительных частот.
Полигон служит обычно для представления дискретного вариационного ряда. В системе координат (xi, mx) строятся точки, соответствующие значениям частот или относительных частот ряда, а затем эти точки соединяются прямыми линиями.
Для непрерывного признака графической иллюстрацией служит гистограмма, то есть ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиной h, а высотами – отрезки длиной ni/h (гистограмма частот) или wi/h (гистограмма относительных частот).
В первом случае площадь гистограммы равна объему выборки, во втором – единице.
Гистограмма – прямоугольники, с основаниями, равными интервалам значений признака и высотами, равными частотам.
Полигон (гистограмма) аналогичны кривой распределения, эмпирическая функция распределения – функции распределения случайной величины.
Гистограмма — это диаграмма, используемая, как правило, для представления интервального вариационного ряда.
Наиболее существенное отличие от полигона в том, что частота и относительная частота отображаются не точкой, а прямой, параллельной оси абсцисс на всем интервале.
Это объясняется тем, что данная частота (относительная частота) относится не к дискретному значению признака, а ко всему интервалу.
36. Эмпирическая функция распределения.
Функция Fn(x) обладает следующими свойствами:
1) значения эмпирической функции принадлежат отрезку [0,1];
2) Fn(x) - неубывающая функция;
3) если х, - наименьшая варианта, то Fn(x)= 0 при х< хк ,; если хк - наибольшая варианта, то Fn(x) = 1 при х>хк.
Эмпирическая функция распределения Fn(x) обладает всеми свойствами обычной функции распределения.