- •Поняття випадкового процесу. Прості та складені випадкові події.
- •Операції над подіями.
- •Класичне означення імовірності.
- •Основні формули комбінаторики.
- •5. Геометрична ймовірність.
- •Статистична ймовірність.
- •Залежні та незалежні події. Умовна ймовірність.
- •Найімовірніше число появи випадкової події.
- •Локальна теорема Лапласа.
- •Інтегральна теорема Лапласа.
- •Використання інтегральної теореми.
- •Формула Пуассона.
- •Дискретні та неперервні величини. Закони розподілу їх ймовірностей.
- •Функція розподілу ймовірностей та її властивості.
- •Щільність ймовірностей та її властивості.
- •Математичне сподівання.
- •24. Властивості математичного сподівання.
- •Мода та медіана.
- •Дисперсія та середньоквадратичне відхилення.
- •Властивості дисперсії.
- •Початкові та центральні моменти.
- •Асиметрія та ексцес.
- •Система двох дискретних випадкових величин.
- •Закон розподілу ймовірностей дискретної двомірної величини.
- •Коефіцієнт кореляції та його властивості.
- •Функція розподілу ймовірностей системи двох випадкових величин та її властивості.
- •34. Щільність розподілу двомірної випадкової величини.
- •Основні числові характеристики системи двох неперервних випадкових величин (х,у).
- •Ймовірність влучення випадкових точок у прямокутник.
- •Функція 1-ого випадкового аргументу.
- •Математичне сподівання функції 1-ого випадкового аргументу.
- •Функції 2-х випадкових аргументів.
- •Математичне сподівання суми двох випадкових аргументів.
- •Біноміальний розподіл.
- •Розподіл х2.
- •Математичне сподівання і дисперсія при нормальному розподілу.
- •Емпірична функція розподілу.
- •Статистичні оцінки параметрів генеральної сукупності. Статистичні гіпотези.
- •Точкові статистичні оцінки.
- •Інтервальні статистичні оцінки.
- •Нульова й альтернативна гіпотези.
- •Область прийняття гіпотези. Критична область.
- •Алгоритм перевірки правильності нульової гіпотези.
- •Помилки першого та другого роду.
- •Елементи дисперсійного аналізу. Однофакторний дисперсійний аналіз.
- •Двофакторний дисперсійний аналіз.
- •Елементи теорії регресії і кореляції.
- •Рівняння лінійної парної регресії. Коефіцієнт кореляції.
- •Визначення параметрів в0, в1.
- •Властивості в0, в1.
- •Довірчі інтервали для в0, в1.
- •Множинна лінійна регресія
Емпірична функція розподілу.
Нехай відомий статистичний розподіл частот кількісної ознаки Х. Позначимо: пх – число спостережень, при яких спостерігалося значення ознаки, менше х; п – об'єм вибірки. Відносна частота події Х < х дорівнює пх/п. Якщо х змінюється, то змінюється й відносна частота, тобто відносна частота є функція від х. Оскільки ця функція знаходиться емпіричним шляхом, то її називають емпіричною.
Емпіричною функцією розподілу називають функцію F*(х), яка визначає для кожного значення х відносну частоту події Х < х.
F*(х) = пх / п,
де пх - число варіант, менших х; п – об'єм вибірки.
Властивості емпіричної функції розподілу: 1) значення емпіричної функції розподілу належать відрізку [0,1]; 2) F*(х) – неспадна функція; 3) якщо х1 – найменша варіанта, то F*(х) = 0 при х < х1; якщо хк – найбільша варіанта, то F*(х) = 1 при х > хк.
Емпірична функція розподілу вибірки служить для оцінки теоретичної функції розподілу генеральної сукупності.
_________________________________
Статистичні оцінки параметрів генеральної сукупності. Статистичні гіпотези.
Інформація,
яку дістали на основі обробки вибірки
про ознаку генеральної сукупності,
завжди міститиме певні похибки, оскільки
вибірка становить лише незначну частину
від неї, тобто обсяг вибірки значно
менший від обсягу генеральної сукупності.
Тому слід організувати вибірку так, щоб
ця інформація була найбільш повною
(вибірка має бути репрезентативною) і
забезпечувала з найбільшим ступенем
довіри про параметри генеральної
сукупності або закон розподілу її
ознаки. Параметри генеральної сукупності
M(xi)=Xг,
Dг,
δг,
Mo, rxy
є величинами сталими, але їх числове
значення невідоме. Ці параметри оцінюються
параметрами вибірки:
які дістають при обробці вибірки. Вони
є величинами непередбачуваними, тобто
випадковими.
Тут
через θ позначено оцінювальний параметр
генеральної сукупності, а через
— його статистичну оцінку, яку називають
ще статистикою. При цьому θ = const,
а
— випадкова величина, що має певний
закон розподілу ймовірностей. Зауважимо,
що до реалізації вибірки кожну її
варіанту розглядають як випадкову
величину, що має закон розподілу
ймовірностей ознаки генеральної
сукупності з відповідними числовими
характеристиками: M(xi)=Xг=M(x),
D(xi)=Dг,
δ(xi)=δг
_________________________________
Точкові статистичні оцінки.
Статистична
оцінка
яка визначається одним числом, точкою,
називається точковою. Беручи до уваги,
що
є випадковою величиною, точкова
статистична оцінка може бути зміщеною
і незміщеною: коли математичне сподівання
цієї оцінки точно дорівнює оцінювальному
параметру θ, а саме:
то
називається незміщеною; в противному
разі, тобто коли
точкова статистична оцінка
називається зміщеною відносно параметра
генеральної сукупності θ. Різниця
(3) називається
зміщенням статистичної
оцінки
Оцінювальний
параметр може мати кілька точкових
незміщених статистичних оцінок Точкова
статистична оцінка називається
ефективною, коли при заданому обсязі
вибірки вона має мінімальну дисперсію.
Отже, оцінка
буде незміщеною й ефективною.
_________________________________
