- •1. События и их классификация. Классическое определение вероятности
- •2. Элементы комбинаторики: перестановки, сочетания, размещения, правило умножения и правило сложения
- •3. Действия над событиями. Соотношения между событиями
- •4. Теорема сложения вероятностей несовместных событий.
- •5. Теорема сложения вероятностей совместных событий.
- •6. Частота события и ее свойства. Статистическое определение вероятности.
- •7. Условная вероятность. Теорема умножения вероятностей. Вероятность появления хотя бы 1 события
- •8. Формула полной вероятности. Формулы Байеса
- •9. Повторные независимые испытания. Формула Бернулли. Наивероятнейшее число появления события
- •10. Повторные независимые испытания. Формула Пуассона
- •11. Повторные независимые испытания. Локальная и интегральная теорема Лапласа
- •12. Понятие случайной величины и ее функции распределения. Свойства функции распределения
- •13. Дискретные случайные величины. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение, начальные и центральные моменты, асимметрия и эксцесс)
- •14. Биномиальный закон распределения
- •15. Распределение Пуассона
- •16. Непрерывные случайные величины. Плотность распределения. Числовые характеристики (математическое ожидание, дисперсия, среднее квадратическое отклонение)
- •17. Равномерное распределение. Вероятность попадания случайной величины в заданный интервал
- •18. Показательное распределение. Вероятность попадания случайной величины в заданный интервал
- •Характеристики
- •19. Нормальное распределение. Вероятность попадания в заданный интервал нормальной случайной величины. Правило 3-х сигм
- •20. Функции случайных величин
- •21. Понятие системы случайных величин. Закон распределения двумерной случайной величины. Функция распределения двумерной случайной величины
- •22. Понятие о законе больших чисел. Неравенства Маркова и Чебышева
- •23. Теоремы Чебышева и Бернулли. Центральная предельная теорема
- •24. Цепи Маркова. Применение Марковских цепей в экономике
- •25. Выборочный метод. Основные понятия. Полигон и распределения. Эмпирическая функция распределения.
- •26. Оценка параметров по выборке. Понятие несмещённости, состоятельности и эффективности оценки
- •27. Основные характеристики генеральной и выборочной совокупностей
- •28. Связь между характеристиками генеральной и выборочной совокупностей.
- •29. Точечные и интервальные оценки. Доверительная вероятность и доверительный интервал.
- •30. Доверительный интервал для оценки мат.Ожидания нормального распределения
- •31. Понятие корреляционной зависимости. Корреляционная таблица. Линейная корреляция
- •32. Метод наименьших квадратов для определения параметров линейной регрессии
- •33. Статистическая гипотеза. Основные понятия
- •34. Уровень значимости и мощность критерия. Этапы проверки стат.Гипотезы
- •Этапы проверки статистических гипотез
- •35. Проверка гипотезы о значимости выборочного коэффициента корреляции
- •36.Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
- •37. Основные понятия дисперсионного анализа
35. Проверка гипотезы о значимости выборочного коэффициента корреляции
Проверка гипотезы о значимости выборочного коэффициента корреляции. Для того, чтобы при данном уровне значимости проверить нулевую гипотезу o равенстве нулю генерального коэффициента корреляции нормальной двумерной случайной величины при конкурирующей гипотезе , надо вычислить наблюдаемое значение критерия:
и по таблице критических точек распределения Стьюдента по заданному уровню значимости и числу степеней свободы найти критическую точку .
36.Проверка гипотезы о нормальном распределении генеральной совокупности. Критерий согласия Пирсона
Рассмотрим нормальные независимые случайные величины , причем , a . Тогда сумма квадратов этих величин
распределена по закону с степенями свободы. С увеличением числа степеней свободы распределение медленно приближается к нормальному.
1. Проверка гипотезы о расхождении между эмпирическими (экспериментальными) частотами и теоретическими (контрольными) частотами .
Алгоритм применения критерия Пирсона для сопоставления эмпирического и теоретического (другого эмпирического) распределений одного признака
Занести в таблицу наименование разрядов и эмпирические частоты (данные по экспериментальной группе).
Во 2-й столбец записать теоретические частоты (данные по контрольной группе).
Проверить равенство сумм частот (или их уравнять).
Подсчитать разности между эмпирическими и теоретическими частотами (экспериментальной и контрольной группами) по каждой строке и записать их в 3-й столбец.
Возвести в квадрат полученные разности и записать их в 4-й столбец.
Разделить полученные квадраты разностей на теоретические частоты (данные по контрольной группе) и записать в 5-й столбец.
Просуммировать значения 5-го столбца, обозначив ее
Определить по таблице критическое значение для соответствующего уровня значимости и данного числа степеней свободы ( - количество разрядов признака, т.е. строк в таблице).
Если , то расхождения между распределениями существенны на данном уровне значимости.
37. Основные понятия дисперсионного анализа
Дисперсионный анализ применяется для исследования влияния одной или нескольких качественных переменных (факторов) на одну зависимую количественную переменную (отклик).
Исходным материалом для дисперсионного анализа служат данные исследования трех и более выборок, которые могут быть как равными, так и неравными по численности, как связными, так и несвязными. По количеству выявляемых регулируемых факторов дисперсионный анализ может быть однофакторным (при этом изучается влияние одного фактора на результаты эксперимента), двухфакторным (при изучении влияния двух факторов) и многофакторным (позволяет оценить не только влияние каждого из факторов в отдельности, но и их взаимодействие).
Одной из используемых моделей данных в дисперсионном анализе является двухфакторная модель. Она состоит в учёте систематических (первый фактор) и случайных (второй фактор) ошибок в определении измеряемых параметров.
Пусть с помощью методов производится измерение нескольких параметров, чьи точные значения — . В таком случае, результаты измерений различных величин различными методами можно представить как: , где:
— результат измерения -го параметра по методу ;
— точное значение -го параметра;
— систематическая ошибка измерения -го параметра по методу ;
— случайная ошибка измерения -го параметра по методу .
Тогда дисперсии случайных величин , , , (где:
) выражаются как:
и удовлетворяют тождеству:
Двухфакторная схема позволяет лишь обнаружить систематические расхождения, но непригодна для их численной оценки с последующим исключением из результатов наблюдений. Эта цель может быть достигнута только при многократных измерениях (то есть при повторных использованиях указанной схемы над данными повторных экспериментов).