- •Экономико-математические методы и их классификация.
- •Основные понятия моделирования. Классификация экономико-математических моделей.
- •Комплексный анализ работы торговых и промышленных объектов как пример простейшей модели.
- •Принципиальная схема межотраслевого баланса. Модель Леонтьева.
- •Величина
- •Применение балансовых моделей в задачах планирования производства продукции.
- •Применение балансовых моделей при ограничениях на внешние ресурсы.
- •Модели прогнозирования отраслевых цен.
- •Постановка задачи прогнозирования. Простейшие методы прогнозирования.
- •Трендовые модели прогнозирования.
- •Дискретные и непрерывные случайные величины. Закон распределения. Интегральная функция распределения. Функция плотности распределения вероятностей.
- •Числовые характеристики случайной величины: математическое ожидание, дисперсия, среднеквадратическое отклонение, мода, медиана.
- •Выборочный метод. Абсолютные и относительные частоты. Эмпирическая функция распределения. Полигон частот.
- •Выборочные оценки параметров распределения.
- •Доверительный интервал для выборочного среднего. Анализ однородности выборки.
- •Проверка соответствия выборочных данных теоретическому распределению.
- •Дисконтирование денежных потоков.
- •Анализ инвестиционных проектов.
-
Числовые характеристики случайной величины: математическое ожидание, дисперсия, среднеквадратическое отклонение, мода, медиана.
Математическое ожидание дискретной случайной величины есть сумма произведений всех её возможных значений на их вероятности:
M(X) = x1p1 + x2p2 + ... + xnpn
Свойства математического ожидания.
1) Математическое ожидание постоянной величины равно самой величине:
М(С) = С
2) Постоянный множитель можно выносить за знак математического ожидания:
М(СХ) = С·М(Х)
3) Математическое ожидание суммы случайных величин равно сумме математических ожиданий слагаемых:
М(Х1 + Х2 + …+ Хn) = М(Х1) + М(Х2) + ... + М(Хn)
4) Математическое ожидание произведения взаимно независимых случайных величин равно произведению математических ожиданий сомножителей:
М(Х1 · Х2 · ... · Хn) = М(Х1) · М(Х2) · ... · М(Хn)
Дисперсия дискретной случайной величины есть математическое ожидание квадрата отклонения случайной величины от её математического ожидания:
D(X) = (x1 - M(X))2p1 + (x2 - M(X))2p2 + ... + (xn- M(X))2pn = x21p1 + x22p2 + ... + x2npn - [M(X)]2
Свойства дисперсии.
1) Дисперсия постоянной величины равна нулю: D(С) = 0
2) Постоянный множитель можно выносить за знак дисперсии, предварительно возведя его в квадрат: D(СХ) = С2 · D(Х)
3) Дисперсия суммы (разности) независимых случайных величин равна сумме дисперсий слагаемых: D(Х1 ± Х2 ± ... ± Хn) = D(Х1) + D(Х2) + ... + D(Хn)
Среднее квадратическое отклонение дискретной случайной величины, оно же стандартное отклонение или среднее квадратичное отклонение есть корень квадратный из дисперсии:
σ(X) = √D(X)
Мода дискретной случайной величины Mo(X) - это значение случайной величины, имеющее наибольшую вероятность. На многоугольнике распределения мода - это абсцисса самой высокой точки. Бывает, что распределение имеет не одну моду.
Математическим ожиданием дискретной случайной величины называется сумма произведений всех ее возможных значений и соответствующих им вероятностей:
Модой дискретной случайной величины, обозначаемой называется ее наиболее вероятное значение.
Медианой случайной величины называется такое ее значение , для которого одинаково вероятно, окажется ли случайная величина меньше или больше , т.е.
Дисперсией случайной величины называется математическое ожидание квадрата ее отклонения:
Дисперсия дискретной случайной величины вычисляется по формуле:
или
Средним квадратическим отклонением (стандартом) случайной величины называется арифметический корень из дисперсии, т.е.
-
Выборочный метод. Абсолютные и относительные частоты. Эмпирическая функция распределения. Полигон частот.
-
Выборочные оценки параметров распределения.
Оценка математического ожидания (выборочной средней):
Неслучайное математическое ожидание: - генеральная средняя
С.в. - оценка матожидания - выборочная средняя
, где частота отдельных значений
Так как
Оценка выборочной дисперсии:
- стандарт (выборочное стандартное –среднеквадратическое отклонение).
Удобная формула оценки дисперсии через оценку второго начального момента
Аналогично рассчитываются и другие выборочные оценки распределения
Точечные оценки точности оценок (статистик) генеральных числовых характеристик
-оценки статистических характеристик
- с.в., характеризуемая законами распределения и числовыми характеристиками распределения (обычно математическим ожиданием и дисперсией).
Можно говорить о распределении оценки матожидания, о матожидании оценки мат.ожидания, о дисперсии оценки мат.ожидания и т.д.
1. Оценка называется состоятельной, если она сходится по вероятности к оцениваемой характеристике.
2.Оценка называется несмещенной, если .
- смещение, систематическая погрешность (от смещенности)
Асимптотически несмещенная оценка
3.Оценка называется эффективной, если при используемом методе ее расчета выполняется условие .
Пример1. Оценка является несмещенной, а ее дисперсия уменьшается при усреднении в раз:
Если ~- эффективная оценка.
В прикладной статистике и в эконометрике, наибольшее внимание уделяют обеспечению эффективности и несмещенности оценок.
Пример 2. Оценка дисперсии является смещенной:
Доказано, что - т.е. данный алгоритм дает смещенную оценку дисперсии: . Исправленная (несмещенная) оценка дисперсии
.
На практике исправленной оценкой дисперсии пользуются при
Интервальная оценка точности (надежность) генеральных математического ожидания и дисперсии
Доверительный интервал - интервал значений, в котором с заданной доверительной вероятностью (обычно назначают ) находится истинное значение оцениваемой статистической характеристики : .
Радиус доверительного интервала равен:,
- аргумент, соответствующий значению функции Лапласа, равной :
; - среднеквадратическое отклонение (его оценка).