
- •Авторы-составители:
- •1.Цели и задачи дисциплины
- •1). Цель, задачи, структура дисциплины и ее место в учебном процессе.
- •Требования к уровню освоения содержания дисциплины
- •Объем дисциплины Объем дисциплины и виды учебной работы Распределение часов по темам и видам учебной работы
- •4. Содержание курса
- •1. Основные понятия, определения и теоремы теории вероятностей* Введение
- •1.1. Алгебра событий. Основые понятия теории множеств
- •1.2. Основные определения: испытание, событие. Классификация событий
- •1.3. Классическое определение вероятности. Свойства, вытекающие из этого определения
- •Значение вероятности
- •1.4. Основные теоремы теории вероятностей
- •1.5. Зависимые и независимые события
- •2. Формула полной вероятности и формула Бейеса
- •2.1. Формула полной вероятности
- •3. Случайные величины
- •3.1. Дискретные случайные величины
- •Ряд распределения случайной величины X
- •3.4. Ожидаемое среднее значение дискретной случайной величины
- •Вычисление математического ожидания числа рекламных
- •3.5. Свойства математического ожидания случайной дискретной величины
- •Возможные исходы лотереи
- •3.6. Ожидаемое среднее значение функции случайной величины
- •Ряд распределения числа месячных продаж
- •К вычислению среднего ожидаемого значения
- •3.7. Дисперсия дискретной случайной величины
- •К вычислению дисперсии случайной величины
- •3.9. Дисперсия линейной функции случайной величины
- •4. Законы распределения дискретных случайных величин
- •Формула Бернулли. Биномиальные вероятности
- •4.3. Биномиальный закон распределения
- •Биномиальное распределение
- •Биномиальное распределение X – числа гербов, появляющихся
- •Фрагмент таблиц ряда и функции биномиального распределения
- •Биномиальное распределение числа покупателей
- •Распределения
- •4.5. Распределение Пуассона
- •Закон распределения Пуассона
- •Сравнение вероятностей, полученных по формулам Бернулли и Пуассона
- •4.6. Гипергеометрическое распределение
- •Гипергеометрический закон распределения
- •Биномиальный закон распределения
- •Гипергеометрическое распределение
- •4.7. Производящая функция
- •4.8. Мультиномиальное распределение
- •4.9. Геометрическое распределение
- •5. Непрерывные случайные величины
- •6. Законы распределения непрерывных случайных величин
- •7. Закон больших чисел
- •7.1. Принцип практической уверенности. Формулировка закона больших чисел
- •7.2. Неравенства Маркова и Чебышева
- •Выражения (7.1–7.2) справедливы для дискретных и непрерывных случайных величин.
- •7.4. Теорема Бернулли
- •7.5. Теорема Пуассона
- •Контрольные задания по курсу теории вероятностей Вариант 1
- •Вариант 2
- •Вариант 3
- •Вариант 4
- •Вариант 5
- •Вариант 6
- •Вариант 7
- •Вариант 8
- •Вариант 9
- •Вариант 10
- •Вариант 11
- •Вариант 12
- •Вариант 13
- •Вариант 14
- •Вариант 15
- •Вариант 16
- •Вариант 17
- •Вариант 18
- •Вариант 19
- •Вариант 20
- •Вариант 21
- •Вариант 22
- •Вариант 23
- •Вариант 24
- •Вариант 25
- •Вариант 26
- •Вариант 27
- •Вариант 28
- •Вариант 29
- •Вариант 30
- •Вариант 31
- •Вариант 32
- •Вариант 33
- •Вариант 34
- •Вариант 35
- •Вариант 36
- •Вариант 37
- •Вариант 38
- •Вариант 39
- •Вариант 40
- •Математическая статистика Теория вероятностей и математическая статистика – основной инструментарий для прикладной статистики
- •Дисперсией случайной величины х называется число dx , равное математическому ожиданию квадрата отклонения случайной величины от своего математического ожидания: . (1.4)
- •Контрольные вопросы и задачи
- •Статистическое оценивание
- •Интервальная оценка для генеральной доли
- •Контрольные вопросы и задачи
- •Тема 3. Статистическая проверка гипотез
- •Общая логическая схема статистического критерия.
- •Проверка гипотезы о значении генеральной средней
- •Проверка гипотезы о значении дисперсии генеральной совокупности
- •Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
- •Гипотеза об однородности рада вероятностей
- •Гипотезы о виде законов распределения генеральной совокупности
- •Контрольные вопросы и задачи
- •Тема 4. Методика статистического анализа количественных и качественных показателей
- •Контрольные вопросы и задачи
- •Тема 5. Многомерные статистические методы
- •Темы практических и семинарских занятий, тематических дискуссий
- •Задания для самостоятельной работы студентов
- •1.Методы анализов рядов динамики. Особенности моделирования рядов динамики с помощью корреляционного - регрессионного анализа
- •2. Понятие о закономерности распределения. Изучение формы распределения
- •3. Матрицы и таблицы сопряженности
- •4.Понятие о статистическом графике. Элементы статистического графика
- •5. Классификация видов графика: диаграммы сравнения, структурные диаграммы и диаграммы динамиков. Статистические карты
- •6. Условия типичности средних величин
- •7. Понятие малой выборки и методы расчета ее средней ошибки
- •8. Основные направления применения выборочного наблюдения в социально-экономических исследованиях
- •9. Взаимосвязи социально-экономических явлений и процессов, задачи их статического изучения.
- •10. Роль качественного анализа в исследовании связей
- •11. Основные статистические методы изучения связей в торговле и сфере услуг: метод параллельных данных, метод аналитических группировок, графический метод, балансовый метод.
- •12.Применение дисперсионного анализа в экономико-статистических исследованиях
- •13. Регрессионное уравнение как форма аналитического выражения статистических связей
- •14. Способы отбора факторных признаков при построении регрессионных моделей
- •15. Оценка результатов корреляционно-регрессионного анализа
- •7.Темы курсовых/контрольных работ/рефератов Варианты контрольных работ для студентов заочной формы обучения всех специальностей Вариант первый
- •Вариант второй
- •Вариант третий
- •Вариант четвертый
- •Вариант пятый
- •Вариант шестой
- •Вариант седьмой
- •Учебно-методическое обеспечение Литература:
- •16. Елисеева и.И., Юзбашев м.М. – Общая теория статистики. Учебник - м.: Финансы и статистика, 2005. Материально-техническое и информационное обеспечение дисциплин
Возможные исходы лотереи
X |
Y |
X+Y |
Вероятность результата |
–1 |
–1 |
–2 |
(47/50) (46/49) = 1081/1225 |
–1 |
9 |
8 |
(47/50) (2/49) = 47/1225 |
–1 |
29 |
28 |
(47/50) (1/49) = 47/2450 |
9 |
–1 |
8 |
(2/50) (47/49) = 47/1225 |
9 |
9 |
18 |
(2/50) (1/49) = 1/1225 |
9 |
29 |
38 |
(2/50) (1/49) = 1/1225 |
29 |
–1 |
28 |
(1/50) (47/49) = 47/2450 |
29 |
9 |
38 |
(1/50) (2/49) = 1/1225 |
29 |
29 |
58 |
(1/50) (0/49) = 0 |
При нахождении вероятностей соответствующих результатов применяется теорема умножения вероятностей для зависимых событий. Например, случайная величина X+Y примет значение, равное –2 руб., если выигрыш не выпадает ни на первый, ни на второй билеты. Вероятность проиграть по первому билету лотереи равна 47/50, по второму – при условии, что первый билет не выиграл, – 46/49.
По теореме умножения получаем вероятность проигрыша по обоим билетам. Вероятность выиграть на оба билета книги по 30 руб. оказывается равной 0, так как возможен лишь один такой выигрыш. Таким образом, случайная величина X+Y может принимать следующие значения: –2, 8, 18, 28 и 38 руб.
Закон распределения случайной величины:
Сумма выигрыша, руб. |
–2 |
8 |
18 |
28 |
38 |
Вероятность |
1081/1225 |
94/1225 |
1/1225 |
47/1225 |
2/1225 |
Вероятности P(X + Y = 8), Р(Х + Y = 28) и Р(Х + Y = 38) получаем, используя теорему сложения вероятностей. Найдем математическое ожидание Х + Y:
Следовательно, М(Х + Y) = М(Х) + М(Y).
3.6. Ожидаемое среднее значение функции случайной величины
ожидаемое среднее значение можно вычислять как функцию случайной величины. Пусть h(X) – функция случайной величины X. Ожидаемое значение функции дискретной случайной величины:
(3.7)
Функция h(X) может быть любой, например X 2, 3Х 4, logX. Разберем простой пример, когда h(X) – линейная функция от X, т. е. h(X) = = аХ + b, где а, b – числовые параметры.
Пример 3.5. Компания продает некоторый продукт, учет продаж которого ведется в тысячах штук. Закон распределения объема ежемесячных продаж продукта представлен в табл. 3.5. Найдем ожидаемое среднее значение числа месячных продаж.
Таблица 3.5
Ряд распределения числа месячных продаж
Число единиц товара х, тыс, шт. |
Р(х) |
5000 6000 7000 8000 9000 |
0,2 0,3 0,2 0,2 0,1 |
|
1,0 |
Решение. Из формулы (3.4) следует, что М(Х) = 5000∙0,2 + 6000∙0,3+ + 7000∙ 0,2 + 8000∙ 0,2 + 9000∙ 0,1 = 1000 + 1800 + 1400 + + 1600 + 900 = 6700.
Пример 3.6. На данных примера 3.5 предположим, что стоимость фиксированного месячного выпуска продукции составляет 8000 условных денежных единиц, а доход от реализации каждой единицы товара – 2 денежные единицы. Найдем ожидаемый месячный доход от продажи продукции.
Решение. Функция дохода от продажи продукции компании есть h(X) = 2X – 8000. Формула (3.12) свидетельствует, что ожидаемое значение h(X) есть сумма произведений h(X) на соответствующие вероятности. Результаты расчета представлены в табл. 3.6.
Таблица 3.6