- •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.
50. Статистическая проверка гипотез: сравнение математических ожиданий двух генеральных совокупностей при известных σх2 и σу2
Сравнивая средние показатели для различных серий экспериментов проверяется основная гипотеза Н0: М(х) = М(у)
Н1: М(х) ≠ М(у)
М(х) > М(у)
М(х) < М(у)
Существует 2 схемы проверки таких гипотез:
Х и у отобраны из нормально распред. генер.совокупностей с известными значениями дисперсий
σх2 и σу2 –известны
Выбор. Данные отображаются их нормально распределенных генер.совокупностей, значений дисперсий, которые не известны,но известно что они равны.
σх2 = σу2
в 1 случае стат. критерии распр.по закону Гаусса.
m и n – объемы выборок
х и у – выб.средние
П
То не отвергается,
в противном случае она отвергается в
пользу конкурирующей.
Двуст. 1) tкр.=tα Если |Tнабл.|≤ tкр
Одност.2) tкр.=t2α |Tнабл.|< tкр
3) tкр.=- t2α |Tнабл.|> tкр
В
Стьюдент
k=n+m-2
. 1) tкр.=tα |Tнабл.|≤ tкр
.2) tкр.=t2α |Tнабл.| ≤ tкр не отвечают
3) tкр.=- t2α |Tнабл.|≥tкр
51. Статистическая проверка гипотез: сравнение математических ожиданий двух генеральных совокупностей при неизвестных .
Дана выборка () предположительно отобран из теории распределения генеральных совокупностей, параметры которого нам неизвестны:
СВ Т имеет ЗР Стъюдента с (n-1) степенями свободы. Число степеней свободы определяется как обязательное число наблюдений признака x минус число уравнений, связывающих эти наблюдения.
При заданной надежности Ɣ и числу степени (n-1) определяется критическим значением распределения Гаусса. Из этого следует:
При n≥30 распределения Стъюдента практически совпадает с распределением Гаусса и доверительный интервал неизвестн. мат. ожиданием определяется по формуле:
;
52. Статистическая проверка гипотез: исключение грубых ошибок наблюдений.
Трудность обнаружения грубых ошибок обусловлена следующим обстоятельством. Если число измерений n мало, то доверительный интервал широк, и даже значительные отклонения от среднего в него укладываются. Если же n велико, то возрастает вероятность того, что хотя бы одно измерение сильно отклонится от среднего на «законных основаниях», т. е. случайно.
Методы исключения грубых погрешностей измерений для малых выборок изложены в материалах лекционного курса. Для больших выборок на практике используется следующий метод проверки однородности наблюдений.
Пусть произведено n независимых измерений и вычислены значения эмпирического среднего и стандарта s. Сомнительный элемент выборки, резко отличающийся от других, будем обозначать через . Это «крайний» элемент выборки, т. е. или .
В основе рассматриваемого метода лежит тот факт, что критические значения максимального относительного отклонения (1) выражаются через квантили распределения Стьюдента с n-2 степенями свободы: (2)
На практике обычно вычисляются два значения при и : .
Этими значениями вся область изменения r разбивается на три интервала: 1) ; 2) ; 3) . Наблюдения, попавшие в первый интервал, не рекомендуется отбрасывать ни в коем случае. Наблюдения, попавшие во второй интервал можно исключить, если имеются какие-либо дополнительные соображения в пользу их ошибочности. Наконец, наблюдения, попавшие в третий интервал, всегда отбрасываются как грубо ошибочные.