- •Тема 1: Случайные события. Классификация событий
- •2. Классическое определение вероятности. Свойства вероятности события
- •3. Статистическое определение вероятности события и условия его применимости
- •Лекция 2 Тема 2: Основные теоремы
- •1. Сумма событий. Теорема сложения вероятностей и её следствия
- •2. Зависимые и независимые события. Произведение событий. Условная вероятность. Теорема умножения вероятностей
- •3. Формула полной вероятности. Формула Байеса
- •Лекция 3 Тема 3: Повторные независимые испытания Тема 4: Дискретные случайные величины
- •1. Повторные независимые испытания. Формула Бернулли
- •2. Асимптотическая формула Пуассона и условия ее применимости
- •3. Локальная теорема Муавра-Лапласа и условия ее применимости
- •4. Интегральная теорема Муавра-Лапласа, её следствия и условия их применимости
- •5. Понятие случайной величины и ее описание. Дискретная случайная величина и ее закон (ряд) распределения.
- •Лекция 4 Тема 4: Дискретные случайные величины
- •1. Математические операции над дискретными случайными величинами
- •2. Математическое ожидание, дисперсия и среднее квадратическое отклонение дискретной случайной величины, их свойства
- •3. Математическое ожидание и дисперсия числа m и частости m/n наступлений события в п повторных независимых испытаниях
- •4. Биномиальный закон распределения и закон Пуассона
- •Лекция 5 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
- •1. Функция распределения случайной величины, ее свойства и график
- •2. Непрерывная случайная величина (нсв). Плотность вероятности нсв, ее определение и свойства
- •3. Равномерный (прямоугольный) закон распределения и его числовые характеристики.
- •Лекция 6 Тема 5: Непрерывные случайные величины. Нормальный закон распределения
- •1. Нормальный закон распределения
- •2. Формулы для определения вероятностей: а) попадания нормально распределенной случайной величины в заданный интервал; б) ее отклонения от математического ожидания. Правило трех сигм
- •3. Центральная предельная теорема. Понятие о теореме Ляпунова
- •Лекция 7 Тема 6: Двумерные (n-мерные) случайные величины
- •1. Понятие двумерной (n-мерной) случайные величины
- •2. Условные распределения и их нахождение по таблице распределения
- •3. Понятие о функции распределения и плотности вероятности двумерной случайной величины
- •4. Ковариация и коэффициент корреляции
- •Лекция 8 Тема 6: Двумерные (n-мерные) случайные величины Тема 7: Закон больших чисел
- •1. Двумерное нормальное распределение. Условное математическое ожидание и условная дисперсия
- •2. Лемма Чебышева (неравенство Маркова) Неравенство Чебышева и его частные случаи для случайной величины, распределенной по биномиальному закону, и для частости события
- •3. Неравенство Чебышева для средней арифметической случайных величин. Теорема Чебышева и ее значение
- •4. Закон больших чисел. Теорема Бернулли и ее практическое значение
- •Лекция 9 Тема 8. Выборочный метод. Общие вопросы
- •1. Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда
- •2. Генеральная и выборочная совокупности. Основная задача выборочного метода
- •3. Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность
- •Лекция 10 Тема 9: Оценка доли признака и генеральной средней
- •1. Оценка генеральной доли и генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность оценок
- •2. Оценка генеральной средней по собственно-случайной выборке
- •2. Оценка генеральной дисперсии по собственно-случайной выборке. Исправленная выборочная дисперсия
- •3. Понятие доверительного интервала и доверительной вероятности оценки
- •4. Средняя квадратическая ошибка выборки при оценке генеральной доли и генеральной средней
- •5. Определение необходимого объема повторной и бесповторной выборок
- •Лекция 11 Тема 10: Элементы статистической проверки гипотез
- •1. Статистическая гипотеза и статистический критерий
- •2. Построение теоретического закона распределения по опытным данным. Понятие о критериях согласия
- •3. Критерий согласия 2 Пирсона и схема его применения
- •Лекция 12 Тема 11: Элементы теории корреляции
- •1. Функциональная, статистическая и корреляционная зависимости. Основные задачи теории корреляции
- •2. Линейная корреляция. Уравнения прямых регрессии для парной корреляции
- •3. Оценка тесноты связи. Коэффициент корреляции (выборочный), его определение и свойства
- •4. Коэффициент детерминации и корреляционное отношение.
- •5. Проверка значимости уравнения регрессии
3. Понятие об оценке параметров генеральной совокупности. Свойства оценок: несмещенность, состоятельность, эффективность
На практике редко встречается ситуация, когда изучаемый закон распределения неизвестен полностью. Чаще вид закона распределения известен заранее (из теоретических соображений) и требуется найти только неизвестные параметры, от которых он зависит ( в распределении Пуассона; a и 2 для нормального распределения и т.д.).
Более того, в некоторых задачах сам закон распределения не существен, а требуется найти только его числовые характеристики.
В связи с этим возникает следующая задача: по известным значениям x1, x2, , xn случайной величины Х, полученным в результате n независимых опытов, оценить значение некоторого параметра закона распределения случайной величины Х.
Ясно, что любая оценка для (обозначим ее ) представляет собой некоторое выражение, зависящее от x1, x2, , xn , т.е. . Таким образом, сама оценка является случайной величиной, зависящей как от закона распределения случайной величины Х, так и от числа опытов n.
Свойства оценок:
Оценка называется несмещенной, если ее математическое ожидание равно оцениваемому параметру, т.е. ;
Оценка называется состоятельной, если она удовлетворяет закону больших чисел, т.е. сходится по вероятности к оцениваемому параметру: ;
Несмещенная оценка параметра называется эффективной, если она имеет наименьшую дисперсию среди всех возможных несмещенных оценок параметра , вычисленных по выборкам одного и того же объема n.
На практике, в целях упрощения расчетов, не всегда проводят оценку, удовлетворяющую свойствам 1 и 3. Нередко целесообразно использовать незначительно смещенные оценки или оценки, обладающие большей дисперсией по сравнению с эффективными оценками. С другой стороны, практический смысл имеют только состоятельные оценки.
Лекция 10 Тема 9: Оценка доли признака и генеральной средней
ПЛАН
1. Оценка генеральной доли и генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность оценок.
2. Оценка генеральной дисперсии по собственно-случайной выборке. Исправленная выборочная дисперсия.
3. Понятие доверительного интервала и доверительной вероятности оценки.
4. Средняя квадратическая ошибка выборки при оценке генеральной доли и генеральной средней.
5. Определение необходимого объема повторной и бесповторной выборок.
1. Оценка генеральной доли и генеральной средней по собственно-случайной выборке. Несмещенность и состоятельность оценок
Пусть генеральная совокупность содержит N элементов, из которых M элементов обладает некоторым признаком А. Необходимо найти оценку генеральной доли . В качестве такой возможной оценки параметра р рассмотрим его статистический аналог – выборочную долю .
Теорема 1. Выборочная доля повторной выборки является несмещенной и состоятельной оценкой генеральной доли , причем ее дисперсия , где q=1-p.
Доказательство. Математическое ожидание и дисперсия частости события в n независимых повторных испытаниях, в каждом из которых оно может произойти с одной и той же вероятностью p , равны соответственно M(w)=p, D(w)=w2=pq/n . Из первого равенства следует, что выборочная доля w есть несмещенная оценка генеральной доли р; из второго равенства получаем ее дисперсию.
Состоятельность оценки следует непосредственно из теоремы Бернулли , или .
Теорема 2. Выборочная доля бесповторной выборки является несмещенной и состоятельной оценкой генеральной доли , причем ее дисперсия , где q=1-p.