- •Доверительный интервал для оценки ско σ нормального распределения. Распределение хи-квадрат.
- •Точечная и интервальная оценка вероятности биномиального распределения с заданной надежностью γ по относительной частоте.
- •Метод моментов для точечной оценки параметров распределения.
- •Метод наибольшего правдоподобия для дискретных и непрерывных случайных величин. Распределение Пуассона. Биномиальное распределение. Показательный закон. Нормальный закон.
- •Числовые характеристики вариационного ряда. Характеристики положения и характеристики рассеивания. Мода, Медиана. Размах варьирования. Коэффициент вариации. Асимметрия. Эксцесс.
- •14. Статистические моменты. Обычные, начальные и центральные эмрирические моменты. Условные эмпирические моменты. Нахождение центральных моментов по условным.
- •15. Метод произведений для вычисления выборочных средней и дисперсии. Сведение первоначальных вариант к равноотстоящим.
- •16. Эмпирические и выравнивающие частоты для дискретных и непрерывных распределений. Примеры.
- •17. Построение нормальной кривой по опытным данным. Оценка отклонения эмпирического распределения от нормального. Асимметрия. Эксцесс.
- •18. Построение статистической функцией распределения. Гистограмма.Назовите числовые характеристики статистического распределения. Дайте определение этих характеристик.
- •Точечная оценка параметра. Свойство точечной оценки. Состоятельная, несмещенная, эффективная оценка. Исправленная дисперсия.
- •Доверительный интервал и доверительная вероятность (надежность). Построение доверительного интервала для математического ожидания случайной величины, распределенной по нормальному закону.
- •§14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ
- •Понятие функциональной, статистической и корреляционной зависимости.
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •Сущность метода наибольшего правдоподобия для нахождения оценок параметров распределений.
- •Сущность метода наименьших квадратов при обработке результатов наблюдений.
- •Формулировка задачи статистической проверки гипотез. Приведите примеры задач на проверку гипотез. Вероятностные данные для применения метода минимума риска к решению задачи проверки гипотез.
- •3.1. Классический метод проверки гипотез
- •Сущность метода минимума риска при решении задачи проверки гипотез. Сформулируйте оптимальное решающее правило. Ошибки первого и второго рода. Сущность метода
- •§ 2. Ошибки первого и второго рода
- •28. Сравнение двух дисперсий нормальных генеральных совокупностей. Распределение Фишера-Снедекора.
- •29. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсей нормальной совокупности. Критерий Стьюдента.
- •Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны. Выборки независимы. Функция Лапласа.
- •Сравнение двух вероятностей биномиальных распределений.
- •34. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена.
- •35. Определение параметров выборочного уравнения прямой линии среднеквадратичной регрессии по несгрупированным и сгруппированным данным.
- •36. Выборочный коэффициент корреляции. Методика вычисления выборочного коэффициента корреляции. Выборочное корреляционное отношение и его свойство. Мера корреляционной связи.
- •42. Корреляционный анализ. Коррелированность и зависимость случайных величин. Численные характеристики системы двух случайных величин: корреляционный момент и коэффициент корреляции.
- •43. Регрессионный анализ. Линейная регрессия. Прямые линии среднеквадратической зависимости. Коэффициенты регрессии y на X и X на y.
- •[Править]Парная и множественная регрессия
- •Случайные числа. Генератор псевдослучайных чисел. Метод Монте-Карло. Применение метода Монте-Карло для вычисления определенного интеграла.
- •Случайные процессы. Процесс Пуассона и его свойства: стационарность, отсутствие последействия и ординарность.
- •48. Цепь Маркова. Переходная вероятность. Однородная цепь Маркова.Матрица перехода. Равенство Маркова.
- •Определение
- •[Править]Переходная матрица и однородные цепи
- •[Править]Конечномерные распределения и матрица перехода за n шагов
14. Статистические моменты. Обычные, начальные и центральные эмрирические моменты. Условные эмпирические моменты. Нахождение центральных моментов по условным.
Обычные, начальные и центральные эмпирические моменты
Обычным эмпирическим моментом порядка k называют среднее значение k-x степеней разностей .
Начальным эмпирическим моментом порядка k называют обычный момент порядка k при C=0
Центральным эмпирическим моментом порядка k называют обычный момент порядка k при C=хв
Условные эмпирические моменты. Отыскание центральных моментов по условным.
Вычисление центральных моментов требует довольно громоздких вычислений. Чтобы упростить расчеты, заменяют первоначальные варианты условными.
Условным эмпирическим моментом порядка k называют начальный момент порядка k, вычисленный для условных вариант:
Выразим обычные моменты через условные:
15. Метод произведений для вычисления выборочных средней и дисперсии. Сведение первоначальных вариант к равноотстоящим.
Метод произведений дает удобный способ вычисления условных моментов различных порядков вариационного ряда с равностоящими вариантами.
Сведение первоначальных вариант к равноотстоящим
Выше изложена методика расчета выборочных характеристик для равноотстоящих вариант. На практике, как правило, данные наблюдений не будут равноотстоящими числами. Для того, чтобы значения признака свести вычисления к случаю равноотстоящих вариант, интервал, в котором заключены все наблюдаемые значения признака, делят па несколько равных частичных интервалов. 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.
16. Эмпирические и выравнивающие частоты для дискретных и непрерывных распределений. Примеры.
Эмпирические и выравнивающие (теоретические) частоты
Дискретное распределение
Эмпирическими частотами называют фактически наблюдаемые частоты .
Выравнивающими (теоретическими), в отличие от фактически наблюдаемых эмпирических частот, называют частоты , найденные теоретически (вычислением).
Выравнивающие частоты находят по равенству
— вероятность наблюдаемого значения вычисленная при допущении, что X имеет предполагаемое распределение.
Непрерывное распределение
В случае непрерывного распределения, вероятности отдельных возможных значений равны нулю. Поэтому весь интервал возможных значений делят на k непересекающихся интервалов и вычисляют вероятности попадания X в i-й частичный интервал, а затем, как и для дискретного распределения, умножают число испытаний на эти вероятности.
В частности, если имеются основания предположить, что случайная величина X (генеральная совокупность) распределена нормально, то выравнивающие частоты могут быть найдены по формуле
17. Построение нормальной кривой по опытным данным. Оценка отклонения эмпирического распределения от нормального. Асимметрия. Эксцесс.
Построение нормальной кривой по опытным данным
Один из способов построения нормальной кривой по данным наблюдений состоит в следующем.
Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс.
Асимметрия эмпирического распределения определяется равенством:
Эксцесс эмпирического распределения определяется равенством: