- •4. Классическое определение вероятности.
- •5. Геометрические вероятности и статистическая вероятность.
- •6. Теоремы сложения и умножения вероятностей..
- •48. Основные понятия дисперсионного анализа.
- •7. Условная вероятность.
- •8. Независимость событий.
- •9. Формулы полной вероятности и Байеса.
- •47. Критерии согласия Пирсона и Колмогорова.
- •17. Случайные величины и законы их распределения
- •21 Мода и медиана
- •22.Моменты случайных величин
- •26. Закон Пуассона.
- •27. Геометрическое и гипергеометрическое распределения.
- •28. Равномерное распределение.
- •31.Функция Лапласа.
- •38. Центральная предельная теорема.
- •Вопрос 39. Предмет математической статистики.
- •Вопрос 40. Генеральная и выборочная совокупность.
- •2. Алгебра событий.
- •11.Формула Бернулли.
- •30.Нормальный закон распределения Непрерывная случайная величина х имеет нормальный закон распределения (закон Гаусса) с параметрами а и , если ее плотность вероятности имеет вид
- •13.Теорема Пуассона.
- •15. Случайные величины их класификация
- •29.Показательное распределение.
- •16.Дискретные и Непрерывные величины.
- •37. Теорема Чебышева и Бернулли.
- •23.Асимметрия и эксцесс.
- •25.Биномиальный закон распределения.
- •26.Функции случайных величин.
- •33. Многомерные случайные величины.
- •14. Локальной и интегральной формуле Муавра – Лапласа
- •3 Частота и вероятность
- •35. Корреляционный момент и коэфф.Корреляции.
- •34 Зависимые и независимые случайные величина.
- •12.Найвераятнейшее число успехов в схеме Бернулли.
- •10. Последовательность независимых повторных испытаний.
- •32. Распределение «хи-квардат». Стьюдента и Фишера –Снедекора.
- •44. Статистические гипотизы.
- •43. Предельная ошибка и необходимость объем выборки.
- •45. Уровень значимости и мощность критерии.
- •46. Проверка статистических гипотез.
- •53. Ранговая корреляция
- •52. Проверка значимости уравнение и коэффициентов уравнения регрессии.
- •50. Модели и Основные понятия корреляционного и регрессионного анализа
- •51. Линейная корреляционная зависимость и линии регрессии.
- •49. Однофакторный дисперсионный анализ
6. Теоремы сложения и умножения вероятностей..
Теорема сложения вероятностей несовместных событий. Вероятность появления одного из двух несовместных событий, безразлично какого, равна сумме вероятностей этих событий
Р(А+В) = Р(А) + Р(В).
Следствие 1. Вероятность появления одного из нескольких попарно несовместных событий, безразлично какого, равна сумме вероятностей этих событий
Р(А1 + А2 + … + Аn) = Р(А1) + Р(А2) + … Р(Аn).
Следствие 2. Сумма вероятностей противоположных событий равна 1
Р(А) + Р(А)= 1.
Теорема сложения вероятностей совместных событий. Вероятность появления хотя бы одного из двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления
Р(А + В) = Р(А) + Р(В) – Р(АВ).
Теорема может быть обобщена на любое конечное число совместных событий
Р(А1 + А2 + А3 +…+ Аn ) = Р(А1) + Р(А2) + Р(А3) +…+ Р(Аn) – Р(A1A2) -Р(А1А3) - …-P(An-1An) + (А1А2А3) +…+ Р(Аn-2Аn-1Аn) - …+ (-1)n-1Р (А1А2…Аn).
Теорема умножения вероятностей. Вероятность совместного наступления двух событий равна произведению вероятности одного из них на условную вероятность другого, вычисленную в предположении, что первое событие уже наступило
Р(АВ)=Р(А)РА(В).
В частности для независимых событий Р(АВ)=Р(А)Р(В), т.е. вероятность наступления двух независимых событий равна произведению вероятностей этих событий.
Следствие. Вероятность совместного появления нескольких зависимых событий равна произведению вероятности одного из них на условные вероятности всех остальных, вычисленную в предположении, что все предыдущие события уже наступили
Р(А1А2А3…Аn)=P(A1)PA1(A2)PA1*A2(A3)…PA1A2…An-1(An).
В частности, вероятность совместного наступления нескольких событий независимых в совокупности, равна произведению вероятностей этих событий
P(A1A2A3…An)= P(A1)P(A2)…P(An).
48. Основные понятия дисперсионного анализа.
В процессе наблюдения за исследуемым объектом качественные факторы произвольно или заданным образом изменяются. Конкретная реализация фактора называется уровнем фактораили способом обработки. Модель дисперсионного анализа с фиксированными уровнями факторов называется моделью I, модель со случайными факторами – моделью II. Благодаря варьированию фактора можно исследовать его влияние на величину отклика.
В зависимости от количества факторов, определяющих вариацию результативного признака, дисперсионный анализ подразделяется на однофакторный и многофакторный.
Основными схемами организации исходных данных с двумя и более факторами являются:
--перекрёстная классификация, характерная для моделей I, в которых каждый уровень фактора сочетается при планировании эксперимента с каждой градацией другого фактора;
--иерархическая классификация, характерна для модели II, в которой каждому случайному, наудачу выбранному значению одного фактора соответствует свое подмножество значений второго фактора;
**Модель дисперсионного анализа с фиксированными эффектами – устанавливает строго определённые уровни изучаемого фактора.
**Модель со случайными эффектами – уровни значения фактора выбираются исследователями случайно из широкого значения диапазона фактора.
Для дисперсионного анализа однофакторных экспериментов различие этих двух моделей не столь существенно, однако в многофакторном дисперсионном анализе оно может оказаться весьма важным.
При выполнении дисперсионного анализа должны выполняться следующие статистические допущения: независимо от уровня фактора величины отклика имеют нормальный закон распределения и одинаковую дисперсию.
В основе дисперсионного анализа лежит разделение дисперсии на части или компоненты. Вариацию, обусловленную влиянием фактора, положенного в основу группировки, характеризует межгрупповая дисперсия σ2. Она является мерой вариации частных средних по группам χјсред.вокруг общей средней и определяется по формуле:
2=,
где-k.число-групп;
nj-число единиц в j-ой группе;
хj сред.- частная средняя по j-ой группе;
х сред. – общая средняя по совокупности единиц.
Вариацию, обусловленную влиянием прочих факторов, характеризует в каждой группе внутригрупповая дисперсия σ2j.
σ2j =
Между общей дисперсией σ20, внутригрупповой дисперсией σ2 и межгрупповой дисперсией σ2 сред.существует соотношение: σ20 = 2 + σ2.
Внутригрупповая дисперсия объясняет влияние неучтённых при группировке факторов, а межгрупповая дисперсия объясняет влияние факторов группировки на среднее значение по группе.