- •Министерство образования и науки российской федерации
- •Дифференциальные уравнения первого порядка
- •Уравнения с разделёнными и разделяющимися переменными
- •Однородные уравнения первого порядка
- •Линейные уравнения первого порядка
- •Уравнение в полных дифференциалах
- •Интегрирующий множитель
- •Дифференциальные уравнения высших порядков
- •Уравнения вида
- •Уравнения второго порядка, приводящиеся к уравнениям первого порядка
- •Линейные однородные уравнения. Определения и общие свойства
- •Линейные однородные уравнения второго порядка с постоянными коэффициентами
- •Линейные однородные уравнения го порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения второго порядка
- •Неоднородные линейные уравнения второго порядка с постоянными коэффициентами
- •Неоднородные линейные уравнения высших порядков
- •Системы обыкновенных дифференциальных уравнений
- •Системы линейных дифференциальных уравнений с постоянными коэффициентами
- •Р я д ы Числовые ряды Числовой ряд. Сумма ряда. Необходимый признак сходимости ряда
- •Достаточные признаки сходимости рядов с положительными членами
- •Знакопеременные ряды
- •Функциональные ряды
- •Ряды Тейлора и Маклорена
- •Ряды Фурье
- •Ряды Фурье для четных и нечетных функций
- •Ряд Фурье для функции с периодом
- •К о м б и н а т о р и к а
- •Общие правила комбинаторики
- •Соединения в комбинаторике
- •Размещения без повторений
- •Перестановки без повторений
- •Сочетания без повторений
- •Размещения с повторениями
- •11 12 13 14 15 16 17 19
- •Перестановки с повторениями
- •Т е о р и я в е р о я т н о с т е й Случайные события Основные понятия теории вероятностей
- •Основные теоремы теории вероятностей Теорема сложения вероятностей несовместных событий
- •Зависимые и независимые события. Условная вероятность
- •Теорема умножения вероятностей
- •Теорема сложения вероятностей совместных событий
- •Вероятность появления хотя бы одного события
- •. Формула полной вероятности
- •Формула Бейеса
- •Повторение испытаний
- •Формула Бернулли
- •Локальная теорема Лапласа
- •. Формула Пуассона
- •Интегральная теорема Лапласа
- •Случайные величины Случайная величина. Виды случайных величин
- •Закон распределения вероятностей дискретной случайной величины
- •Числовые характеристики дискретных случайных величин
- •Математическое ожидание дискретной случайной величины
- •Дисперсия дискретной случайной величины
- •Плотность распределения вероятностей непрерывной случайной величины
- •Числовые характеристики непрерывных случайных величин
- •Законы распределений
- •Равномерное распределение
- •Нормальное распределение
- •. Правило трёх сигм
- •Показательное распределение
- •Функция надёжности
- •Элементы математической статистики Основные сведения из математической статистики
- •Статистическое распределение выборки. Полигон и гистограмма
- •1 4 6
- •10 15 25
- •Статистические оценки параметров распределения
- •Оценка генеральной дисперсии по исправленной выборочной
- •Точность оценки, доверительная вероятность (надёжность). Доверительный интервал
- •Методы расчёта сводных характеристик выборки
- •Сведение первоначальных вариант к равноотстоящим
- •Оценка отклонения теоретического и эмпирического распределений от нормального. Асимметрия и эксцесс
- •Элементы теории корреляции
- •. (1)
- •(4) . (5) Корреляционная таблица
- •Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •Методика вычисления выборочного коэффициента корреляции
- •. Статистическая проверка статистических гипотез
- •Линейное программирование Задача линейного программирования
- •Построение математической модели
- •Графическое решение задачи линейного программирования
- •Симплексный метод решения задачи линейного программирования
- •Решение задачи 1 симплексным методом
- •Искусственное начальное решение. Метод больших штрафов.
- •Особые случаи применения симплекс-метода
- •1.7.2 Бесконечное множество решений
- •1.7.4 Неограниченные решения
- •1.7.5 Промежуточное вырожденное решение
- •Задача о назначениях
- •4 Изменение запаса ресурса продукта а 7
- •1 Изменение единицы стоимости продукта а 4
- •Заключение
Сведение первоначальных вариант к равноотстоящим
Рассмотренный метод был применим для равноотстоящих вариант. Однако на практике, как правило, данные наблюдений не являются равноотстоящими числами. Поэтому предварительно вариационный ряд приводят к равноотстоящим. Для этого интервал, в котором заключены все наблюдаемые значения признака (первоначальные варианты), делят на несколько равных частичных интервалов. Практически в каждый частичный интервал должно попасть не менее 8 – 10 первоначальных вариант. Затем находят середины частичных интервалов, которые и образуют последовательность равноотстоящих вариант. В качестве частоты каждой «новой» варианты (середины частичного интервала) принимают общее число первоначальных вариант, попавших в соответствующий частичный интервал.
Оценка отклонения теоретического и эмпирического распределений от нормального. Асимметрия и эксцесс
Теоретическимназывают распределение вероятностей. Теоретические распределения изучает теория вероятностей.
Эмпирическимназывают распределение относительных частот. Эмпирические распределения изучает математическая статистика.
При изучении распределений, отличных от нормального, возникает необходимость количественно оценить это различие. С этой целью вводят специальные характеристики, в частности асимметрию и эксцесс. Для нормального распределения эти характеристики равны нулю. Поэтому если для изучаемого распределения асимметрия и эксцесс имеют небольшие значения, то можно предположить близость этого распределения к нормальному. Наоборот, большие значения асимметрии и эксцесса указывают на значительное отклонение от нормального.
Как оценить асимметрию? Можно доказать, что для симметричного распределения (график такого распределения симметричен относительно прямой ) каждый центральный момент нечётного порядка равен нулю. Для несимметричных распределений центральные моменты нечётного порядка отличны от нуля. Поэтому любой из этих моментов (кроме момента первого порядка, который равен нулю для любого распределения) может служить для оценки асимметрии; естественно выбирают простейший из них, т.е. момент третьего порядка. Однако принять этот момент для оценки асимметрии неудобно потому, что его величина зависит от единиц, в которых измеряется случайная величина. Чтобы устранить этот недостаток,делят наи таким образом получают безразмерную характеристику.
Асимметрией теоретического распределения называют отношение центрального момента третьего порядка к кубу среднего квадратического отклонения и обозначается:
.
Асимметрия эмпирического распределенияопределяется равенством:
.
Асимметрия положительна, если «длинная часть» кривой распределения расположена справа от математического ожидания; отрицательна - «длинная часть» кривой распределения расположена слева от математического ожидания. Практически определяют знак асимметрии по расположению кривой распределения относительно моды. Если «длинная часть» кривой распределения расположена правее моды, то асимметрия положительна (рис.4), слева - отрицательна (рис.5).
Для оценки «крутости», т.е. большего или меньшего подъёма кривой теоретического распределения по сравнению с нормальной кривой, пользуются характеристикой – эксцессом.
Эксцессом теоретического распределенияназывают характеристику, которая определяется равенством
Эксцесс эмпирического распределенияопределяется равенством
Для нормального распределения ; следовательно, эксцесс равен нулю. Поэтому если эксцесс некоторого распределения отличен от нуля, то кривая распределения отличается от нормальной кривой: если эксцесс положительный, то кривая имеет более высокую и «острую» вершину, чем нормальная кривая; если эксцесс отрицательный, то сравниваемая кривая имеет более низкую и «плоскую» вершину, чем нормальная кривая. При этом предполагается, что нормальное и теоретическое распределения имеют одинаковые математические ожидания и дисперсии.
Заметим, что моменты удобно вычислять методом произведений: