- •1.Случайные события. Пространство элементарных событий. Алгебра событий.
- •2 Вероятность в дискретных пространствах элементарных событий.
- •3. Классическая схема равновероятных событий.
- •4 Теорема сложения и умножения вероятности.
- •5. Формула полной вероятности и формула Байеса.
- •7.Повторение испытаний. Схема Бернулли. Биномиальное распределение. Формула Пуассона
- •10.Вероятность в непрерывных пространствах элементарных событий и ее свойства. Геометрические вероятности
- •13. Системы дискретных случайных величин. Таблица распределения. Независимость. Ковариация. Механическая интерпретация. Условные распределения.
- •15.Коэффициент корреляции как характеристика статистической связи. Некоррелированность и независимость случ. Величин.
- •14.Мат. Ожидание и дисперсия суммы случайных величин. Мат ожидание произведения случайных величин.
- •18.Функции случайных величин. Вычисление мат ожиданий. Нахождение закона распределения для функции одной случайной величины, в случае дискретной и непрерывной случайной величин
- •21. Теорема Бернулли.
- •22. Теорема Чебышева и ее обобщение.
- •23. Асимптотическое распределение среднего арифметического независимых случайных величин и относительной частоты.
- •17. Предмет мат статистики. Основные понятия: выборка, генеральная совокупность, статистики Распределение выборки, выборочные моменты.
- •18. Задача статистического оценивания. Несмещенность и состоятельность оценок, эффективность оценок.
- •19. Метод моментов. Несмещенная оценка дисперсии
- •20. Распр. Хи-квадрат, Стьюдента, Фишера. Их определ. Свойства. Применение при нахождении доверительных интервалов и при проверке стат.Гипотез.
- •22.Доверит. Интервал для среднего и разности средних
- •23.Проверка стат.Гипотез. Классиф. Критерий. Стат.Крит. Ур-нь значимости. Крит.Обл. Ошибки 1 и 2 рода.
- •24.Проверка гипотез о равенстве дисперсий и средних.
- •25. Регрессионный анализ. Оценки параметров линейной регрессии методом наименьших квадратов.
- •26. Анализ значимости и адекватности регрессионной модели.
4 Теорема сложения и умножения вероятности.
P
(A/B)-
условная вероятность события A при
условии , что соб.B произошло.
усл.вер-ть P(A/B)
усл.вер-ть P(B/A)
-теорема умножения для зависимых соб.А и В.
Если соб.А не влияет на вер-ть соб.В и наоборот,то они независимы:
P(A/B)=P(A); P(B)=P(B/A) => P(AB)+P(A)*P(B) – вер-ть произ-ния соб-й равна произ-нию вер-тей.
P(ABC)=P(AH)*P(A/H)=P(BC)*P(A/BC)=P(C)*P(B/C)*P(A/BC) (ВС обозначили за Н)
Опр-е независимости для А,В и С- соб. А,В и С назыв.независимыми в совокупности,если выполн.след усл-я:
Если попарно независимы P(AB)=P(A)*P(B), P(BC)=P(B)*P(C), P(AC)=P(A)*P(C).
P(ABC)=P(A)*P(B)*P(C)
P(A+B)=P(A)+P(B) вер-ть суммы двух несовместных событий
- ф-ла сложения
вер-тей двух совместных событий
P(A+B+C)=P(A)+P(B)+P(C)-P(AB)-P(BC)-P(AC)+P(ABC) вер-ть суммы трех несовместных соб-й
Вероятность суммы двух совместных событий равна сумме вероятностей этих событий без вероятности их совместного появления.
5. Формула полной вероятности и формула Байеса.
Формула полной вероятности
Пусть Н1,Н2…Нk подмножества пространства эл.соб-й , такие что:
Hi Hj=, i≠j и I,j=1,2,…,k
H1+H2+…+Hk =
В этом случае говоря,что сис-ма подмножеств Н1,Н2…Нk образует разбиение множества . Для любого соб.А,являющего подмножеством , верна ф-ла полной вер-ти
P(A)=
События Hi называются гипотезами по отношению к соб.А,а вер-ти Р (Hi) трактуются как доопытные вер-ти гипотез, причем Р (Hi)=1.
Формула Байеса
Если известно, что соб.А произошло, то априорные(после опыта) вер-ти гипотез Hi ,очевидно, должны быть пересчитаны, так как появилась доп.информация. Апостериорные вер-ти гипотез Hi ,при условии, что соб.А произошло,вычисляются по ф-ле Байеса:
,i=1,2,…,k,
где Р(А) определяется по ф-ле полной вер-ти.
истор.процесса – локальная цивилизация – общность людей, объединенных дух.традициями и проживающие на одной тер-и. Выделяет первичные, вторичные и третичные цивилизации. Свыше 20 цив-ций. Сейчас основных 8 (западно-христ, православно-христ, иудейская, исламская, индуистская, дальневосточная, буддистская, конфуцианская). 4 этапа развития: генезис, рост, упадок и дезинтеграция.
Недостатки: не принимает во внимание качественные различия хозяйственных систем в современном мире.
- теория единой цивилизации
- теория столкновения цивилизаций
6. Основные вопросы экономики и способы их решения различными экономическими системами: традиционной, административно-плановой, рыночной, смешанной. Основные черты ,преимущества и недостатки экономических систем.
Дискретные случайные величины. Ряд распределения. Числовые характеристики.
Пусть (,F,P) – дискретное вероятностное пространство.
Числовая ф-ция Х=Х() определенная на пространстве эл.соб-й называется дискретной случ.величиной.
Сис-ма равенств: P[x=xi]=рi, ш=1,2…n,.. определяет распределение вероятностей дискретной слу.величины Х. Очевидно,что рi≥0, рi=1
Простейшей формой закона распределения дискретной величины является ряд распределения.
-
Xi
x1
x2
x3
…
хn
…
P(x=xi)
P1
P2
P3
…
pn
…
Графической интерпретацией ряда распределения является многоугольник распределения.
Функция распределения случайной величины.
Для непрерывных случайных величин применяют такую форму закона распределения, как функция распределения.
Функция распределения случайной величины Х называется ф-ция F(х), определяемая для любого действительного зн-я х,как вер-ть события [Х<х], т.е. F(х)=Р[Х<х].
Функция распределения обладает следующими свойствами:
0≤F(х)≤1
F(x)- неубывающая ф-ция х, если если х2>х1,то F(х2)>F(х1)
Функция может быть изображена в виде графика. Для непрерывной величины это будет кривая изменяющееся в пределах от 0 до 1, а для дискретной величины - ступенчатая фигура со скачками.
Числовые характеристики случайной величины.
Математическое ожидание случайной величины.
Пусть Х- дискретная случ.величина,принимающая зн-я х1,х2.. с вероятностями р1,р2.. Математическое ожидание M[x] случ.величины X определяется формулой
=m
Свойства мат.ожидания:
с=const
M[c]=c
M[c*X]=c*M[X]
M[c+X]=c+M[X]
M[X+Y]=M[X]+M[Y] мат.ожидание суммы равно сумме мат.ожиданий
Х- некая дискр.случ.вел-на. Рассмотрим h(X) – функцию от Х.
Примеры h(X): x2, sin x, ln x (если х>0)
Мат.ожидание
функции случ.вел-ны:
Дисперсия
Дисперсия (D[x]) характеризует разброс случ.величины Х относительно ее математического ожидания и вычисляется:
Дисперсия случайной величины всегда величина положительная.
Среднеквадратическое отклонение.
Св-ва дисперсии:
D[X]≥0
D[c]=0, если случ.вел-на Х постоянна
D[X]=0
D[cX]=c2D[X], где с=const
D[X+c]=D[X]
D[X+Y]=D[X]+D[Y]
Начальным моментом k-го порядка αk случайной величины X называется математическое ожидание k-ой степени случайной величины X.
,
α=1,2,3..
k=1 α1=M[X]=m
k=2 α2=M[X2]
Центрированная случайная величина - это величина, равная X’=X-MX
Покажем, что математическое ожидание MX’ равно 0.
Центральным моментом k-го порядка μk случ.величины Х называется матем.ожидание k-ой степени отклонения Х от ее мат.ожидания m
,
k=1,2,3…
Модой dx дискретной случайной величины, принимающей зн-я x1,x2.. , называется такое зн-е случ.величины,кот.имеет наибольшую вер-ть: P[X= dx]=max P[X=xk] (при условии что xk –единств.зн-е,удовлетвор.этому условию.
Медианой hx случайной величины называется такое ее значение, для которого окажется ли случайная величина меньше этого значения. Квантиль порядка р=0,5 назыв. медианой hx случ.вел-ны Х (hx=х0,5)
Для непрерывной случайной величины медиана это абсцисса точки, в которой площадь под кривой распределяется пополам.
