- •1)Предмет теории вероятности. Её роль в экономической теории.
- •2 Подхода исследования случ. Явлений:
- •2) Основные понятия тв. Объективная и субъективная стороны вер-ти.
- •3) Частота события, её сходимость по вероятности.
- •4. Классич. Опр-е «р». Осн. Формулы комбинаторики.
- •5. Геом. Опр-е «р». Достоинства и огр-я.
- •6. Прост. И слож. С-я. Сумма соб-ий. Т.Сложения «р».
- •7. Прост. И слож соб-я. Произвед-е с-ий. Услов. «р» с-я. Т. Умн-я «р».
- •9. Лок. И интегр. Теоремы Муавра-Лапласа.
- •8. Ф. Бернулли. Ф. Пуассона. Сфера их применения.
- •10. Формула полной вер-ти. Ф. Байеса.
- •20. "Точные" зр. Распределение Гаусса. Понятие о квантилях распределения.
- •21. "Точные" зр. Распределение Пирсона(хи квадрат).
- •22. "Точные" зр. Распределение Стьюдента.
- •23. "Точные" зр. Распределение Фишера.
- •24. Понятие многомерной дискретной случайной величины и закон ее распределения.
- •25. Функция распределения многомерной св.
- •26. Понятие многомерной непрерывной св. Плотность вероятности двумерной св.
- •27. Условные зр. Числовые характеристик двумерной св.
- •28. Закон больших чисел. Неравенство Маркова.
- •29. Закон больших чисел. Неравенство Чебышева.
- •30. Закон больших чисел. Теорема Чебышева
- •31. Закон больших чисел. Т. Бернулли. Т. Пуассона
- •32. Закон больших чисел. Центральная предельная теорема
- •Корреляционный момент и коэффициент корреляции
- •34. Понятие о регрессионной зависимости св. Линей. Ур-я регрессии
- •35. Осн. Понятия математ. Статистики
- •Вариационные Ряды
- •37. Эмпирическая функция распределения.
- •38. Числовые характеристики вариационного ряда.
- •39. Точечная оценка параметров распределения. Свойства.
- •40. Метод максимального правдоподобия получения точечной оценки.
- •41. Метод наименьших квадратов получения точечной оценки.
- •42. Метод моментов получения точечной оценки.
- •43. Понятие о доверительных оценках и доверительном интервале.
- •46. Доверительная оценка неизвестного Mx при неизвестной Dx
- •47. Доверительная оценка неизвестной Dx при неизвестном Mx.
- •48.Элементы общей теории проверки статистических гипотез
- •49.Статисическая проверка гипотез:проблема выбора критической области. Ошибки 1 и 2 рода.
- •50.Статистическая проверка гипотез :сравнение математических ожиданий 2 генеральных совокупностей при известных σ2х , и σ2у
- •55. Статистическая проверка гипотез: непараметрический критерий сравнения Уилкоксона.
- •57. Статистическая проверка гипотез: критерий согласия (Пирсона).
- •59. Статистическая проверка гипотез о равенстве вероятности события заданному числовому значению.
31. Закон больших чисел. Т. Бернулли. Т. Пуассона
ЗБЧ - это некоторый принцип, согласно которому совокупные действия большого числа СВ приводят к результату почти независящему от случая. Другими словами, при большом числе СВ их ср.знач. перестает быть случайным т.е его можно предсказать с опр. степенью доверия. В узком понимании это ряд теорем, в каждой из кот. для тех или иных условий устанавливается факт приближения ср.характеристик большого числа испытаний к некоторым постоянным величинам.
Теорема Бернулли. Частота события в серии n независимых испытаний, в каждом из которых оно может произойти с одной и той же вероятностью p, при неограниченном увеличении числа n сходится по вероятности к вероятности p этого события в отдельном испытании(т.е невозможно определить число испытаний при котором сходящиеся др. к другу величины будут совпадать):
или
.
Доказ-во:
Для СВ Х=m/n,
распределенной по нормированному ЗР ,
запишем неравенство Чебышева во 2-ой
форме
,
≥
(1-
)=1,
.
Теорема Пауссона.
Частота события
в n
повторных независимых испытаниях, в
каждом из которых оно может произойти
соответственно с вероятностями
p1..,p2.,..pn
при неограниченном увеличении числа n
сходится по вероятности к средней
арифметической вероятностей события
в отдельных испытаниях, т.е.
или
32. Закон больших чисел. Центральная предельная теорема
ЗБЧ - это некоторый принцип, согласно которому совокупные действия большого числа СВ приводят к результату почти независящему от случая. Другими словами, при большом числе СВ их ср.знач. перестает быть случайным т.е его можно предсказать с опр. степенью доверия. В узком понимании это ряд теорем, в каждой из кот. для тех или иных условий устанавливается факт приближения ср.характеристик большого числа испытаний к некоторым постоянным величинам.
Центральная предельная теорема :совокупные действия нескольких СВ при некоторых условиях приводят к нормальному ЗР.
Теорема Ляпунова.
Если Х1,Х2....Хn—
независимые случайные величины, у каждой
из которых существует математическое
ожидание M(Xi)=a,
дисперсия D(Xi)
=
,
абсолютный
центральный момент
третьего порядка
и
i=
и выполняется
условие
,то
ЗР СВ
к
нормальному ЗР с мат.ождианием
и
.
Смысл данной теоремы состоит в том,что
суммарное рассеяние n-независ.СВ
совпадат с рассеянием возможных значений
СВ Yn
и порядок влияния рассеяния отд.СВ
примерно одинаково.
Следствие: Если
—
независимые случайные величины, у
которых существуют равные математические
ожидания M(Xi)=a, дисперсии D(Xi)=
и абсолютные центральные моменты
третьего порядка
(i=
1, 2,...,n),
то закон распределения суммы
Yn=X1+X2+...+Xn при n
неограниченно
приближается к нормальному закону.
Корреляционный момент и коэффициент корреляции
Корреляционным
моментом (ковариацией) наз-ся матем.ожидание
произведения центрированных СВ
и
Корреляционный момент –это второй смешанный центральный момент.
Корреляционный момент показывает степень разброса возмож.значений СВ Х и У относительно их математических ожиданий и вид.зависимости(прямая(+) или обратная(-)) между СВ Х и У.
Свойства:
1.
2.
3.
Доказ-во:
=
=M(XY-Xmy-Ymx+
)=M(XY)-
M(Y)-
M(X)+
=
Коэффициент
корреляции пары СВ X
и Y
наз-ся число = отношению корреляц.момента
к произведению их средних квадратичных
отклонений.
. Коэффициент корреляции(
)
–это безразмерная величина ,определяет
тесноту линейной зависимости между СВ
Х и У.
Свойства:
1.
т.е [-1;1] Доказ-во:
/:
,
,
2. Если rxy=0 , то между СВ Х и У отсутствует линейная зависимость , при этом говорят,что СВ Х и У явл-ся некоррелированными. Из некоррелир-ти СВ не следует их независимость,т.к помимо линейной зависимости между СВ может существовать др. виды зависимости , а из независимости СВ следует всегда их некоррелированность.
3. Если
между
СВ Х и У существует жесткая линейная
функциональная зависимость.
