- •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.
28. Закон больших чисел. Неравенство Маркова
В широком понимании закон больших чисел состоит в прогнозировании значения многомерной СВ при сравнительно широких условиях. При этом суммарное поведение достаточно большого числа СВ становится практически неслучайным.
Для практики важно знание условий, при выполнении которых совокупное действие многих СВ приводит к результату, практически независимому от случая.
В узком понимании, закон больших чисел – это ряд теорем, в каждой из которых, при определенных условиях устанавливается факт приближения средних характеристик большого числа испытаний к некоторым постоянным величинам.
Теорема: Если СВ Х принимает только неотрицательные значения, имеет математическое ожидание М(х), то для любого числа А>0 выполняется неравенство:
P(X→A)
для СВ Х запишем нерав.Чебышева во 2 форме, т.е. переходя к получаем: , т.к. , то ч.т.д.
Вторая форма записи неравенства Маркова. Рассмотрим вероятность того, что P(XA)=1- P(X>A);
P(X>A)=1- P(XA);
1- P(XA);
P(XA)
29.Закон больших чисел. Неравенство Чебышева
В широком понимании закон больших чисел состоит в прогнозировании значения многомерной СВ при сравнительно широких условиях. При этом суммарное поведение достаточно большого числа СВ становится практически неслучайным.
Для практики важно знание условий, при выполнении которых совокупное действие многих СВ приводит к результату, практически независимому от случая.
В узком понимании, закон больших чисел – это ряд теорем, в каждой из которых, при определенных условиях устанавливается факт приближения средних характеристик большого числа испытаний к некоторым постоянным величинам.
Для любой СВ Х, имеющей математическое ожидание М(х) и дисперсию Д(х) справедливо неравенство Чебышева.
P(|X- Мх|>E)
Вторая форма записи.
P(|X- Мх|E)
Следствие из неравенства Чебышева.
Для сл.в.Х с биномиальным ЗР неравенство Чебышева имеет вид:
Док-во: Х-биномиальный ЗР, M(X)=np, D(X)=npq
Для СВ с нормированным биномиальным ЗР имеет место: ; M(X)=p, D(X)=pq/n
30.Закон больших чисел. Теорема Чебышева.
В широком понимании закон больших чисел состоит в прогнозировании значения многомерной СВ при сравнительно широких условиях. При этом суммарное поведение достаточно большого числа СВ становится практически неслучайным.
Для практики важно знание условий, при выполнении которых совокупное действие многих СВ приводит к результату, практически независимому от случая.
В узком понимании, закон больших чисел – это ряд теорем, в каждой из которых, при определенных условиях устанавливается факт приближения средних характеристик большого числа испытаний к некоторым постоянным величинам.
Теорема Чебышева. Если дисперсия n независимых сл.в. Х1,Х2,…,Хn ограничены одной и той же постоянной С, то есть D(Xi)≤C, i=1,n, то при n стремящемся к бесконечности среднее арифметическое сл..в. сходится ПО ВЕРОЯТНОСТИ к средней ариф.их мат.ожиданий, то есть
«Сходимость по вероятности» означает, что даже при достаточно большом числе сл.в. невозможно гарантировать равенство средней арифместической этих сл.в. и сред.ариф.их мат.ожиданий, хотя существует тенденция их сходимости с ростом числа сл.в.
Следствие. Если независимые СВ x1,x2,…,xn имеют равные мат.ожидания, то при ограниченности их дисперсий одной и той же постоянной С сред.арифметическое исходных СВ сходится ПО ВЕРОЯТНОСТИ к к мат.ожиданию каждой СВ.
Док-во: