- •1.Предмет теории вероятности. Её роль в экономике.
- •2.Основные понятия тв. Объективная и субъективная стороны вероятности.
- •3.Частота события. Её сходимости к вероятности.
- •4.Классическое определение вероятности. Основные формулы комбинаторики.
- •5.Геометрическое определение вероятности. Достоинства и ограничения
- •6.Простые и сложные события. Сумма событий. Теорема сложения вероятностей
- •7.Простые и сложные события. Произведение событий. Условная вероятность события. Теорема умножения вероятностей.
- •8. Формула Бернулли. Формула Пуассона. Сфера их применения.
- •9.Локальная и интегральная теоремы Муавра-Лапласа.
- •10. Формула полной вероятности. Формула Байеса.
- •11. Дискретные случайные величины. Формы задания их законов распределения.
- •21. Точные законы распределения. Распределение («хи-квадрат»)
- •23. Точные законы распределения. Распределение Фишера.
- •24.Понятие многомерной дискр. Случайной величины и закон ее распределения
- •25.Функция распределения многомерной св.
- •26.Понятие многомерной непрерывной случайной величины. Плотность вероятности двумерной случайной величины.
- •27. Условные законы распределения. Числовые характеристики двумерной св.
- •28. Закон больших чисел. Неравенство Маркова
- •29.Закон больших чисел. Неравенство Чебышева
- •30.Закон больших чисел. Теорема Чебышева.
- •31.Закон больших чисел. Теорема Бернулли. Теорема Пуассона.
- •32.Закон больших чисел. Центральная предельная теорема.
- •33. Корреляционный момент и коэффициент корреляции.
- •34. Понятие о регрессионной зависимости случайных величин. Линейные уравнения регрессии.
- •35. Основные понятия математической статистики.
- •36.Вариационные ряды и их графическое изображение.
- •37. Эмпирическая функция распределения и ее основные свойства.
- •38.Числовые характеристики вариационного ряда, их свойства.
- •39. Точечная оценка параметров распределения. Свойства.
- •40.Метод максимального правдоподобия получения оценки.
- •41.Метод наименьших квадратов получения оценки.
- •42.Метод моментов получения оценки.
- •43. Понятие о доверительных оценках и доверительном интервале
- •46. Доверительная оценка при неизвестном м и неизвестном d
- •47. Доверительная оценка неизвестной Dx при неизвестном Mx
- •48. Элементы общей теории проверки статистической гипотезы.
- •49.Статистическая проверка гипотез: Проблема выбора критической области. Ошибки 1 и 2 рода.
- •50. Статистическая проверка гипотез: сравнение математических ожиданий двух генеральных совокупностей при известных σх2 и σу2
- •51. Статистическая проверка гипотез: сравнение математических ожиданий двух генеральных совокупностей при неизвестных .
- •52. Статистическая проверка гипотез: исключение грубых ошибок наблюдений.
- •53. Статистическая проверка гипотез: сравнение дисперсий двух генеральных совокупностей.
- •55.Непараметрический критерий Уилкоксона
- •57. Распределение Пирсона
- •59. Статистическая проверка гипотез о равенстве вероятности события заданному числовому значению.
34. Понятие о регрессионной зависимости случайных величин. Линейные уравнения регрессии.
у
у3
у2
у1
М1(х/y) М2(х/y) М3(х/y)
М(х/y)=- ∞ʃ+∞х(х/y)dx=- ∞ʃ+∞xf(x,y)dx…
Зависимость условных М(х/y) наз. регрессионной зависимостью (регрессией) х/y. Графическое изображение регрессии наз. линией регрессии х/y.
Аналогично, регрессией у/х наз. зависимость условных М(у/х) СВ У при фиксированных значениях СВ Х.
Если линия регрессии х/y параллельна оси ОУ(ОХ), то Св Х и У- независимы.
У
у3 М1(х/y)=
у2 М2(х/y)=
у1 М3(х/y)
М1(х/y)= М2(х/y)= М3(х/y) х1 х2 х3 х
Линии регрессии х/y и у/х-это 2 разные линии, которые совпадают в случае жесткой функциональной зависимости, но всегда пересекаются в точке (Мх;Му).
Уравнение линейной регрессии х/у и у/х имеют вид:
М(х/у)=mx + rxy * δx/δy (y-my)
М(y/x)=m y + rxy * δ y /δx (х-mx)
rxy * δx/δy - весовой коэффициент значимости СВ У
rxy * δy /δx - весовой коэффициент значимости Х
Коэффициент корреляции характеризует тесноту зависимости м/у СВ Х и У, а регрессионная зависимость определяет вид зависимости м/у СВ Х и У.
А регрессионная зависимость определяет вид зависимости между СВ Х и Y.
35. Основные понятия математической статистики.
МС – это раздел математики, занимающийся изучением методов сбора, систематизации, обработки и анализа результатов наблюдений с целью выявления стат.закономерностей.
В ТВ закономерности сл.явлений устанавлив.по средствам их абстрактного описания, МС опираетсся на результаты наблюдений, при этом применяя методы ТВ опр-ся стат.закономерности исследуемых явлений.
Значения различных характеристик, полученные по методам МС, носят приближенный характер, поэтому необходимы научно обоснованные методы оценки этих параметров. Отсюда, одна из гл.задач МС – выработка научно-обоснованных правил и рекомендаций по оценке параметров распределения, а также самих распределений.
В силу того, что оценки параметров распределений, а также сами распределения, полученный по стат.данным, носят приближенный характер, повляются различные предположения (стат.гипотезы) относительно их истинных значений. Любая стат.гипотеза предполагает опр.процедуру проверки.
Следующая гл. задача МС – проверка стат.гипотез.
Оценка параметров распределений , а так самих расп-ий осущ.по ограниченному объёму данных, осн.функция МС – распространение полученных выводов на всю генеральную совокупность с опр.степенью доверия (0,9; 0,95; 0,99)
Осн.понятия МС.
Генеральной совокупностью наз.множество стат.данных,позволяющее с исчерпывающей точностью оценить параметры расп-я. Аналогом CВ в ТВ явл. Понятие «признака» в МС.
Огранич.объем стат.данных, отображенный из ген.совокупности сл.образом наз.выборкой.
Х = ( х1, х2, … , хn ), где х – это элемент выборки, n – объем выборки.
Выборка должна обладать свойством случайности и репрезентативности.
Понятия «ген.совокупность» и «выборка» относительны. Выборку можно рассматривать как n – мерную СВ; при этом ЗР выборочных данных совпадает ЗР всей выборки. ЗР выборки совпадает с ЗР ген.совокупности, из которой она извлечена.
Виды выборки:
-механическая, в которую элементы из ген.совокупности отбираются через опр.интервал
-собственно-случайная , образуется сл.выбором элементов из ген.совокупности.
-типическая, в которую сл.образом отбираются элементы из типических групп ген.совокупности.
-серийная(гнездовая),отбираются не отдельные элементы, а целые серии, на которые разделена ген.сов-ть.
Сущ. 2 способа организации выборки:
1)бесповторный – соответствуем схеме урн без возвращения
2)повторный – соответствуем схеме урн с возвращением
На практике применяется комбинированный отбор, в котором указанные выше способы поцетаются.