- •ВИЩА МАТЕМАТИКА ДЛЯ ЕКОНОМІСТІВ
- •Видання містить короткі теоретичні відомості та формули, типові приклади задач і методику їх розв’язання, завдання для самостійної роботи, а також контрольні питання до кожної теми.
- •Призначене для студентів економічних спеціальностей вищих навчальних закладів.
- •ВСТУП
- •Питання для самоконтролю
- •Вправи
- •1.1.2. Елементи комбінаторики
- •Таблиця 1.1
- •Розв’язування комбінаторних задач
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •1.4. ФОРМУЛА ПОВНОЇ ЙМОВІРНОСТІ. ФОРМУЛА БАЙЄСА
- •Питання для самоконтролю
- •Вправи
- •1.5. ПОСЛІДОВНІ НЕЗАЛЕЖНІ ВИПРОБУВАННЯ
- •1.5.1. Формула Бернуллі
- •1.5.2. Формула Пуассона
- •1.5.3. Локальна теорема Муавра-Лапласа
- •1.5.4. Інтегральна теорема Муавра-Лапласа
- •Питання для самоконтролю
- •Вправи
- •2.1.1. Дискретні випадкові величини. Функція розподілу. Основні закони розподілу
- •Питання для самоконтролю
- •Вправи
- •2.2. ЧИСЛОВІ ХАРАКТЕРИСТИКИ ВИПАДКОВИХ ВЕЛИЧИН
- •Таблиця 2.1
- •Числові характеристики деяких розподілів
- •Питання для самоконтролю
- •Вправи
- •Питання для самоконтролю
- •Вправи
- •2.4.1. Лема Чебишова
- •2.4.2. Теорема Чебишова
- •2.4.3. Теорема Бернуллі
- •Питання для самоконтролю
- •Вправи
- •2.5. ДВОВИМІРНА ВИПАДКОВА ВЕЛИЧИНА
- •Таблиця 2.2
- •Таблиця 2.3
- •Таблиця 2.4
- •Питання для самоконтролю
- •Вправи
- •Таблиця 2.5
- •Числові характеристики двовимірної випадкової величини
- •Продовж. табл. 2.5
- •Питання для самоконтролю
- •Вправи
- •2.5.6. Умовні числові характеристики двовимірної випадкової величини. Регресія
- •Питання для самоконтролю
- •Вправи
- •3.1. ПРЕДМЕТ ТА ОСНОВНІ ЗАВДАННЯ МАТЕМАТИЧНОЇ СТАТИСТИКИ
- •Питання для самоконтролю
- •3.3. СТАТИСТИЧНИЙ РОЗПОДІЛ ВИБІРКИ
- •Таблиця 3.1
- •Таблиця 3.2
- •Таблиця 3.3
- •Таблиця 3.4
- •Таблиця 3.5
- •Таблиця 3.6
- •Питання для самоконтролю
- •Вправи
- •3.4. ГРАФІЧНЕ ЗОБРАЖЕННЯ СТАТИСТИЧНИХ РОЗПОДІЛІВ
- •Рис. 3.1. Гістограма частот за даними прикладу 3.1
- •Рис. 3.2. Полігон частот за даними таблиці 3.6
- •3.5. ЕМПІРИЧНА ФУНКЦІЯ РОЗПОДІЛУ. КУМУЛЯТА
- •Питання для самоконтролю
- •Вправи
- •Таблиця 3.8
- •Таблиця 3.9
- •Питання для самоконтролю
- •Вправи
- •3.7.1. Статистичні оцінки невідомих параметрів розподілу та їх властивості
- •3.7.2. Статистична оцінка математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.8. ІНТЕРВАЛЬНІ ОЦІНКИ ПАРАМЕТРІВ РОЗПОДІЛУ
- •3.8.1. Надійність. Інтервал довіри
- •3.8.3. Розподіл Стьюдента
- •3.8.4. Розподіл Фішера-Снедекора
- •3.8.5. Інтервальні оцінки для математичного сподівання
- •Питання для самоконтролю
- •Вправи
- •3.9. ЕЛЕМЕНТИ ТЕОРІЇ КОРЕЛЯЦІЇ
- •Таблиця 3.10
- •Таблиця 3.10
- •Питання для самоконтролю
- •Вправи
- •3.9.3. Основні поняття і методи регресійного аналізу
- •3.9.4. Метод найменших квадратів
- •Рис. 3.3. Діаграма розсіювання точок
- •Питання для самоконтролю
- •Вправи
- •3.10. СТАТИСТИЧНА ПЕРЕВІРКА СТАТИСТИЧНИХ ГІПОТЕЗ
- •3.10.1. Статистичні гіпотези. Помилки першого та другого роду
- •3.10.2. Статистичний критерій перевірки нульової гіпотези
- •Питання для самоконтролю
- •Таблиця 3.12
- •Таблиця 3.13
- •Таблиця 3.14
- •Таблиця 3.15
- •3.10.4. Перевірка гіпотези про порівняння середнього значення ознаки генеральної сукупності зі стандартом
- •3.10.5. Перевірка гіпотези про рівність дисперсій двох незалежних випадкових величин
- •Питання для самоконтролю
- •Вправи
- •Додаток А
- •Таблиця значень функції
- •Додаток Б
- •Таблиця значень функції Лапласа
- •Додаток В
- •Додаток Г
- •Додаток Д
- •Критичні точки розподілу F Фішера-Снедекора
- •Додаток Е
- •Таблиця значень
- •Додаток Ж
- •Значення
24.Коробки з шоколадом пакуються автоматично, їх середня маса дорівнює 1,06 кг. Якщо тільки 5 % коробок має масу, меншу 1 кг, знайти середнє квадратичне відхилення, вважаючи, що маса коробок розподілена нормально.
25.Випадкова величина Х має нормальний розподіл з М(Х) = 0. Ймовірність попадання величиниХ в інтервал(–а; а) дорівнює 0,5, a > 0. Знайти s і f (x).
26.Середнє квадратичне відхилення випадкової величини, розподіленої за нормальним законом, дорівнює 2 см, а математичне сподівання – 16 см. Знайти межі, в яких з ймовірністю 0,95 слід очікувати випадкову величину.
2.4.ГРАНИЧНІ ТЕОРЕМИ ТЕОРІЇ ЙМОВІРНОСТЕЙ.
ЗАКОН ВЕЛИКИХ ЧИСЕЛ І ЦЕНТРАЛЬНА ГРАНИЧНА ТЕОРЕМА. НЕРІВНІСТЬ ЧЕБИШОВА
2.4.1. ЛЕМА ЧЕБИШОВА
Лема Чебишова. Нехай Х – випадкова величина, можливі значення якої невід’ємні A = const, A > 0, тоді ймовірність того, що випадкова величина Х набуде значення не меншеА, буде не більшим дробу, чисельник якого – M ( X ), а знаменник А, тобто
|
|
|
|
|
|
P( X ³ A) £ |
M ( X ) |
. |
(2.18) |
|||||||
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
A |
|
|
|
|||
|
Нерівність Чебишова. Якщо випадкова величинаХ має скінченні ма- |
|||||||||||||||
|
||||||||||||||||
|
тематичне сподівання M ( X ) = а і дисперсію D( X ), |
то для будь-якого |
||||||||||||||
|
числа e > 0 виконується нерівність: |
|
|
|
||||||||||||
|
P ( |
|
X - a |
|
³ e ) £ |
D ( X ) |
Þ P ( |
|
X - a |
|
£ e ) > 1 - |
D ( X ) |
. (2.19) |
|||
|
|
|
|
|
||||||||||||
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
e 2 |
|
|
|
|
|
e 2 |
||||
|
|
|
|
|
|
|||||||||||
|
Кажуть, що послідовність випадкової величини X n збігається за |
|||||||||||||||
ймовірністю до числа ,Аякщо для досить малого |
довільного числа |
e > 0 , ймовірність події (X n - A < e ) при n ® ¥ наближається до 1,
тобто lim P (| X n - A |< e ) =1.
n®¥
ДВНЗ “Українська академія банківської справи НБУ”
57
Приклад 2.10. Ймовірність запізнення пасажира на потяг0,007. Оцінити ймовірність того, що із 20 000 пасажирів буде від 100 до 180 (включно) тих, що запізнилися.
Розв’язання. Застосуємо нерівність Чебишова
P ( X - a < e ) ³ 1 - D ( X ) ; e 2
M ( X ) = пр = 20 000 × 0,007 = 140; D( X ) = прq = 140 ×0,993 = 130,02.
Межі допустимих значень симетричні відносно М(Х), ліва – 140 –
– 40 = 100, права – 180 – 140 = 40.
P ( |
|
X - 140 |
|
< 40 ) ³ 1 - |
130 ,02 |
= 1 - 0,09 = 0,91. |
|
|
|||||
|
|
|
||||
|
|
|
|
40 2 |
|
|
|
|
|
||||
|
|
2.4.2. ТЕОРЕМА ЧЕБИШОВА |
Теорема. Якщо X1, X2,..., Xn – попарно незалежні випадкові величини, дисперсії їх рівномірно обмежені (тобто D(Хi) £ С), то яким би малим не було додатне число e, справедливе таке співвідношення
æ |
X |
1 + X 2 + ... + X n |
|
|
|
M ( X1 ) + M ( X 2 ) + ... + M (X n ) |
ö |
|
Þ |
||||||||||||
ç |
|
|
|
|
|
|
- |
|
|
|
|
|
|
|
|
|
|
÷ |
=1, |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
lim Pç |
|
n |
|
|
|
|
|
|
|
n |
|
|
|
|
|
< e ÷ |
|
||||
n®¥ è |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ø |
|
|
|||
|
|
|
|
æ |
|
n |
|
|
|
|
n |
|
|
ö |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
ç |
|
å X i |
|
|
åM ( X i ) |
|
|
÷ |
|
C |
|
|
|
|
|||
|
|
|
Þ P |
ç |
|
i=1 |
|
|
|
|
i=1 |
|
|
÷ |
|
|
|
(2.20) |
|||
|
|
|
ç |
|
|
|
|
- |
|
|
< e |
÷ |
³ 1 - |
|
. |
|
|
||||
|
|
|
n |
|
|
n |
ne 2 |
|
|
||||||||||||
|
|
|
|
ç |
|
|
|
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
ç |
|
|
|
|
|
|
|
|
|
÷ |
|
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
|
|
|
|
|
|
ø |
|
|
|
|
|
|
|
Наслідок із теорема Чебишова. Якщо в результаті п спостере-
жень, де п досить велике, одержані випадкові величини X1, X2,..., Xn – попарно незалежні з одним і тим же M ( X ), тобто M ( X1) = M ( X 2 ) = ...
... = M ( X n ) = a і рівномірно обмеженими дисперсіями D(Xі) £ С, то се-
1 n
реднє арифметичне значення величин, що спостерігаються å X i ,
n i =1
збігається за ймовірністю до числа а, тобто:
|
æ |
|
n |
|
|
ö |
|
|
|
|
|
ç |
|
å X i |
|
|
÷ |
|
D( X ) |
|
|
|
ç |
|
|
|
|
÷ |
|
|
||
P |
|
i=1 |
- a |
< e |
³1 - d , d = |
|
. |
(2.21) |
||
ç |
|
|
÷ |
ne 2 |
||||||
n |
||||||||||
|
ç |
|
|
|
|
÷ |
|
|
|
|
|
ç |
|
|
|
|
÷ |
|
|
|
|
|
è |
|
|
|
|
ø |
|
|
|
|
ДВНЗ “Українська академія банківської справи НБУ”
58