- •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.
43. Понятие о доверительных оценках и доверительном интервале
Точечная оценка параметра распределения полученная по данным одновр выборки не содержит никаких суждений относительно истинности значений исслед параметра.
Для получения более полной оценки огр-ся интервал, в котором с заданной надежностью (r ) будет находиться истинное значение параметра ɵ, такой интервал называется доверительным интервалом параметров распределения.
r = 0,9; 0,95; 0,99
Оценка параметра распределения на основе доверительного интервала называется интервальной оценкой.
Величина доверительного интервала зависит:
от объема выборки
от значения доверительной вероятности r.
С ростом объема выборки доверительный интервал сужается, т.е явл более точным.
С ростом доверительной вероятности доверительный интервал расширяется, становится менее надежным.
44. Доверительная оценка неизвестной вероятности (npq>=10)
При этом условии частота события имеет закон распределения близкий к нормальному.
Рассмотрим сл.вел , которая распределена по закону Гаусса при заданной надежности r по таблице значений ф-ий Лапласа определяется критическое значение распред Гаусса (+2), для кот выписывается ее равенство.
=>↔
(1)
Из решения неравенства (1) опред границы довер-го интервала неизвестной вероятности.
Графики границы доверительного интервала при фиксированном ta можно определить как точки пересечения прямой х=р* и так называемого эллипса доверия, кот.описывается в уравнении (1).
Эллипс доверия сужается с ростом объема выборки и при уменьшении надежности r.
Чем точнее оценка, тем менее она надежна, чем надежнее оценка , тем менее она точна, при фиксированной надежности, точность оценки можно повысить за счет увеличения объема выборки.
45. Доверительная оценка неизвестной вероятности (npq<10)
npq<10 => m/n; р,
0, 1/n, 2/n, … 1
Вероятность возможн знач.
Пусть к- число испытаний, в котором событие наступило. к= p*n
Границы доверительного интервала неизвестной вероятности опред из уравнения
р1:
р2:
рассм.сл.,когда
46. Доверительная оценка при неизвестном м и неизвестном d
Дана выборка предположительно отобранная из нормального распределения генеральной совокупности, параметры которого нам неизвестны.
По выбор. дан. полученной оценки Н.З.Р
Рассмотрим СВ
СВ Т распределяется по закону Стьюдента с (n-1) степенями свободы..
Число степеней свободы определяется как общее число, как общее число наблюд признаков х к числу уравнений связывающих эти наблюдения.
При заданной надежности Ɣ и по числу степени n-1 определяет критическое значение распределения Гаусса.⇒
При n≥30 распр.Стъюдента практически совпадает с распр.Гаусса и дов.инт.неизв.мат.ож.опред.по форме:
47. Доверительная оценка неизвестной Dx при неизвестном Mx
Существуют два основных метода построения доверительных интервалов: байесовский метод и метод доверительных интервалов, предложенный Нейманом. Применяя метод построения доверительных интервалов, основанный на формуле Байеса, исходят из предположения, что оцениваемый параметр сам случаен. Предполагается также, что известно априорное распределение параметра. Этот метод часто неприменим, так как оцениваемая величина на практике является просто неизвестной постоянной, а не случайной величиной. Кроме того, ее распределение бывает также неизвестным. От этих недостатков свободен метод доверительных интервалов.
Найдем доверительный интервал для дисперсии D[X]=σ2 нормально распределенного признака Х с неизвестным математическим ожиданием. При выводе интервальной оценки, в случае известного математического ожидания, мы пользовались
k
величиной ḊB=(1\n)*∑ *ni*(xi-α)2. Теперь это значение
i=1
использовать нельзя, поэтому в качестве несмещенной оценки дисперсии будем использовать исправленную выборочную дисперсию S2=(n\n-1)* ḊB . Случайная величина
Zn-1=(n-1)S2)\σ2 имеет распределение Пирсона χ2 с (n-1) степенями свободы. Выберем близкую к единице вероятность γ и найдем интервал, в который попадает неизвестный параметр с надежностью γ . Получим, что оцениваемое значение дисперсии D[X]=σ2 с надежностью γ покрывается доверительным интервалом
((n-1)S2)\h2 ; (n-1)S2)\h1 ).