- •1. Общие правила комбинаторики.
- •2. Выборки без повторений (размещения, перестановки и сочетания)
- •3. Случайные события и действия над ними.
- •4. Вероятность события. Статистическое определение вероятности.
- •5. Классическое определение вероятности.
- •6. Свойства вероятностей.
- •7. Теорема сложения вероятностей (для совместимых и несовместимых событий) и следствия из нее.
- •8. Условная вероятность. Теорема умножения вероятностей.
- •9. Независимые события. Теорема умножения вероятностей независимых событий.
- •10. Формула полной вероятности.
- •11.Формула Байеса.
- •12. Независимые повторные испытания, формула Бернулли.
- •13. Локальная теорема Лапласа.
- •14.Теорема Пуассона.
- •15. Интегральная теорема Лапласа.
- •16. Функция Лапласа, ее свойства и график.
- •17. Применение интегральной теоремы Лапласа и функции Лапласа к вычислению вероятностей
- •18. Геометрическое определение вероятности. (без рисунка).
- •19. Случайные величины. Закон распределения дискретной случайной величины.
- •20. Биноминальное распределен.
- •21. Математическое ожидание дискретной случайной величины и его свойства.
- •22. Дисперсия дискретной случайной величины и ее свойства.
- •23. Среднее квадратическое отклонение (ско) и его свойства.
- •24. Математическое ожидание и дисперсия биноминального рас.
- •26. Плотность вер-ти и ее свойства. Связь с ф-ией распределения.
- •27. Нормальное распределение. Нормальная кривая. Вероятность попадания нормально распределенной случайной величины в интервалы и . Правило трех сигм.
- •28. Числовые хар-ки непрерывной случайной величины.
- •29. Математическое ожидание и дисперсия нормального распределения.
- •30. Неравенство Чебышева.
- •31. Теорема Чебышева и ее практическое применение.
- •32. Теорема Бернулли. Сходимость по вероятности.
- •33. Статистическое распределение выборки. Полигон и гистограмма.
- •34. Статистические оценки параметров распределения.
- •35. Выборочное среднее.
- •36. Выборочная дисперсия как оценка теоретической дисперсии, ско, «направленное» ско.
- •37. Доверительная вероятность и доверительный интервал.
- •38. Доверительный интервал для мо нормального распределения при известном и неизвестном .
- •39. Доверительный интервал для математического ожидания нормального распределения.
- •40. Статистическая проверка статистических гипотез. Эмпирические и теоретические частоты. Критерий согласия Пирсона.
- •41. Функциональная, статистическая и корреляционная зависимости.
- •42. Линейная корреляция. Уравнение прямой регрессии.
- •43. Выборочный коэффициент корреляции и его свойства.
41. Функциональная, статистическая и корреляционная зависимости.
2 случайные величины м.б. связаны функциональной или статистической зависимостью, или м.б. независимы. 2 величины связаны функциональной зависимостью, если значение одной из них может точно указать значение другой. В ТВ имеют дело обычно со статистической зависимостью, когда зная значение одной величины нельзя указать точное значение другой, а можно указать только закон ее распределения, завис. от того какое знач. приняла 1 велич. Част. случ. статистич. завис. явл. корреляционная завис., когда при изменен. одной велич. измен. сред. знач. др. Пусть знач. х велич. Х соотв. сред. знач.велич. У: у1,у2,…,уm. Условным средним наз.сред. арифмет.знач. велич. У соотв-их знач. велич. X
.
Т.обр. усл. сред. явл. функцией от у, т.е. (1)
Корреляционной зависимостью У от Х наз. функциональн. завис.условного среднего от Х. Уравнение (1) - называют уравнением регрессии У на Х. Функция f(x) - регрессией У на Х, а ее график - линией регрессии У на Х. Аналогично, м. рассм. корреляционную завис. Х на У, т.е.
.
Перед теорией корреляции стоят две основные задачи:
1) найти вид корреляц-ой завис., т.е. вид функции f(x) (линейная, квадратичная, …). Если обе линии регрессии прямые, то корреляция называется линейной. Эта задача носит название регрессионного анализа.
2) установить тесноту, т.е. силу связи между У и Х. О силе связи судят по степени рассеивания знач. У вокруг условн. средних. Чем меньше тем связь сильнее. Эта задача называется корреляционным анализом.
42. Линейная корреляция. Уравнение прямой регрессии.
Пусть Х или У связаны линейной корреляционной зависимостью, т.е. обе линии регрессии прямые. Произведено n испытаний, в результате которых получено следующие пары значений (х1, у1), (х2, у2), … , (хn, уn). Для простоты будем считать, что каждое из значений хi, yi встретилось по одному разу (дальнейшие выводы верны и в общем случае). Обычно экспериментальные данные дают отклонение, связанные со случайными факторами. Наша цель найти уравнение прямой, наилучшим образом приближенной к экспериментальным данным. Т.к. значение не повторяется, то
.
Будем искать выборочное уравнение прямой регрессии в виде
,
коэффициент называют выборочным коэффициентом регрессии У на Х. Наша цель провести прямую так, чтобы она была ближе к экспериментальным точкам. Эта задача решается методом наименьших квадратов и заключение в том, что сумма квадратов отклонений должна быть наименьшей т.е. нужно найти минимальную ф-ии
; ;
Замечание: аналогично можно получить выборочное уравнение прямой регрессии Х на У.
43. Выборочный коэффициент корреляции и его свойства.
Выборочным коэффициентом корреляции наз-ся число
Отсюда
Свойства:
| r*|<=1.
Если r*=0, и выборочные линии регрессии прямые, Х и У не связаны лин. корреляционной завис. Тогда ур-е прямых регрессии Они м.б. просто коррелируемы, но не линейны. В эт.случ.условное сред.одной велич. не зав. от др.
Если |r*|=1, то наблюдаемое значение величин Х , У связ. лин. функцион. завис., т.е. они все лежат на одной прямой.
При увелич. |r*| лин. корреляц. завис-ть стан-ся все сильнее, превращаясь в функцион-ю при |r*|=1.
Вывод: коэффициент корреляции указывает на степень линейной корреляции, силу связи м/у случ. велич., чем он >, тем связь сильнее, чем ближе к нулю, тем слабее.