
- •1.Случайные события. Действия над событиями.
- •2.Классическое определение вероятности и ее свойства.
- •3.Аксиоматическое определение вероятности.
- •4. Формулы комбинаторики. Гипергеометрическое распределение.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •9. Функция распределения вероятностей и её свойства.
- •10. Плотность распределения вероятностей и её свойства.
- •11. Математическое ожидание и его свойства.
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты
- •15. Основные дискретные распределения случайных величин.
- •16. Равномерное и показательное распределение.
- •17. Нормальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26. Эмпирическая функция распределения.
- •27. Гистограмма и полигон.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •33. Распределение , Стьюдента и Фишера.
- •1. Распределение (хи-квадрат).
- •Распределение Фишера.
- •34 Проверка статистических гипотез.
- •36. Критерий согласия Пирсона.
- •38. Сравнение дисперсий двух нормальных выборок.
- •39.Сравнение средних двух нормальных выборок.
- •40. Дисперсионный анализ.
- •41. Парная регрессия.
- •42. Парный коэффициент корреляции, его свойства.
- •43. Проверка гипотез о достоверности коэффициента корреляции.
- •44. Нелинейная парная регрессия
29. Точечное оценивание.
Пусть
вид распределения изучаемого признака
Х известен
,
но неизвестно значение входящего
параметра
(тета).
Ф-цию называют выборочной ф-цией или статистической, а ее значение в приближенном равенстве – оценкой.
Оценка параметров подразделяются на точечные и интервальные.
Точечной оценкой называется оценка, которая дается одним числом.
Для
того, чтобы статистическая оценка
давала хорошее приближение оцениваемому
параметру
,
она должна обладать определенными
несмещенность, состоятельность,
эффективность.
Оценка
называется несмещенной,
если ее мат. ожидание равно оцениваемому
параметру
.
Это свойство означает отсутствие ошибки одного знака.
Примером несмещенной оценки является выборочное среднее для мат. ожидания â=хв
Примером смещенной оценки является выборочная дисперсия для теоретической дисперсии.
Оценка
параметра
называется состоятельной,
если для любого
Состоятельность оценки означает, что при большом объеме выборки оценка приближается к истинному значению параметра (чем больше n, тем точнее оценка).
Оценки, обладающие свойством несмещенности и состоятельности, при ограниченном объеме выборки могут отличатся дисперсиями.
Чем меньше дисперсия оценки, тем меньше вероятность ошибки при вычислении . Поэтому целесообразно, чтобы дисперсия оценки была минимальной, т.е. чтобы выполнялось условие
Оценка, обладающая таким свойством, называется эффективной.
32.Доверительные интервалы.
Оценка неизвестного параметра, которая задается 2 числами (концами интервала) называется интервальной.
Пусть по выборки получена точечная оценка θ (с верху крышку написать), неизвестного параметра θ. Это оценка тем точнее, чем меньше │ θ - θ │ (с крышкой)l.
Методы математической статистики не позволяют наверняка утверждать, что выполняется неравенство l θ - θ (с крышкой)l<δ, где δ>0.
Можно лишь говорить о вероятности его выполнения: Р(l θ - θ (с крышкой)l)<δ=γ.
Величина γ называется доверительной вероятностью или надежностью. В качестве γ берут число, близкое к единице: 0,98,0,99, 0,995.
Оно выбирается исследователем самостоятельно. Раскрыв знак модуля, получим определение доверительного интервала: P(θ (с крышкой) < θ < θ (с крышкой) +γ).
Доверительным называется интервал (θ (с крышкой) - δ;θ (с крышкой)+δ), который покрывает параметр θ с заданной надежностью γ. При этом δ называется точностью оценки.
Замечание: неверно говорить, что θ попадет в интервал. Задача состоит в том, чтобы построить такой интервал, который бы заключал в себе неизвестный параметр θ.
Для того, чтобы построить доверительный интервал, необходимо знать закон распределения оценки θ (с крышкой)= θ (с крышкой)(х1,х2,…,хn) как функция отборки (х1, х2, …,хn). Затем поступают следующим образом:
1).вычисляют точечную оценку θ (с крышкой)
2)выбирают надежность γ
3)вычисляют точность оценки δ.