- •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
27. Геометрическое и гипергеометрическое распределения.
Дискретная случайная величина Х имеет геометрическое распределение, если она принимает значения k=1, 2, 3, … с вероятностями
Определение является корректным, т.к. сумма вероятностей
Случайная величина Х, имеющая геометрическое распределение, представляет собой число испытаний Бернулли до первого успеха.
Математическое ожидание и дисперсия Х:
Дискретная случайная величина Х имеет гипергеометрическое распределение, если она принимает значения m с вероятностями гдеm=0,1,…,k; k = min(n, M); MN; nN.
Вероятность является вероятностью выбораm объектов обладающих заданным свойством, из множества n объектов, случайно извлечённых (без возврата) из совокупности N объектов, среди кот. Mобъектов обладают заданным свойством.
Математическое ожидание и дисперсия случайной величины, имеющей гипергеометрическое распределение с параметрамиn, M, N:
28. Равномерное распределение.
Непрерывная случайная величина Х распределена равномерно на отрезке [a;b], если её плотность вероятности p(x) постоянна на этом отрезке и равна нулю вне его, т.е.
Функция распределения случайной величины, распределённой по равномерному закону, имеет вид
Математическое ожидание и дисперсия равномерной случайной величины: .
31.Функция Лапласа.
Определение. Нормальное распределение с параметрами а = 0, σ = 1 называется нормированным, а его функция распределения
- функцией Лапласа.
Замечание. Функцию распределения для произвольных параметров можно выразить через функцию Лапласа, если сделать замену:
, тогда
Вероятность попадания нормально распределенной случайной величины на
заданный интервал равна:
38. Центральная предельная теорема.
Центральная предельная теорема
Пусть последовательность одинаково распределённых случайных величин с математическими ожиданиямии дисперсиями.
ТЕОРЕМА. Если случайные величины независимы и, то при достаточно большомn закон распределения суммы будет сколь угодно близок к нормальному закону распределения.
Так как в условиях теоремы случайные величины независимы, то
т.е. в условиях теоремы сумма имеет закон распределения близкий к.Так' какna и с ростом п, возрастают, то удобнее рассматривать не просто суммы , а нормированные суммы. Такие суммы приимеют закон распределения.
Если случайная величина может быть представлена в виде суммы большого числа независимых (или слабо зависимых) случайных величин, каждая из которых мала по сравнению с суммой, то эта сумма имеет закон распределения близкий к нормальному.
Вопрос 39. Предмет математической статистики.
Предметомматем. статистики явл. изучение случайных событий и случайных величин по результатам наблюдений. Статистической совокупностьюназывается совокуп. предметов или явлений, объединенных каким-либо общим признаком. Результатом наблюдений над статист.совокуп. явл. статистические данные – сведения о том, какие значения принял в итоге наблюдений интересующий нас признак (случ. величина Х).
Обработка статист.данных методами матем. статистики приводит к установлению определенных закономерностей, присущих массовым явлениям. При этом точность статистис. выводов повышается с ростом числа наблюдений.
Статис. данные, как правило, представляют собой ряд значений {х1, х2,…..,хn}некоторый случайной величины Х. Исследование случайной величины начинается с обработки этого ряда значений. Затем строятся функции, характер.случайную величину. Эти функции назыв. статистиками.
Т.о., статистика – это функция
Т : (х1, х2,…..хn)→ Т (х1, х2,…..хn),
которая набору значений {х1, х2,…..,хn} случайной величины сопоставляет по некоторому правилу действительное число. Статистика явл. функцией от реализаций случайной величины.
В теорет. исследованиях удобно рассматривать статистикуТкак функцию от случайных величин Х1, Х2, ….., Хn, имеющих такое же распределение, как и случайная величина Х:
Т =Т(Х1, Х2,…..Хn).
Т.о., мы рассматриваем случайную величину Х как набор одинаковых случайных величин {Х1, Х2,…..Хn}. В такой трактовке статистика становится случайной величиной и изучение ее распределения приводит к выводам о распределении самой случайной величины Х.