- •2)Операции над векторами.
- •3)Модуль вектора
- •4)Условие коллинеарности, ортогональности и компланарности векторов.
- •5)Линейная комбинация системы векторов, линейная зависимость векторов.
- •10)Линейные операции над матрицами.
- •11)Произведение матриц, условие его существования.
- •12)Обратная матрица. Ранг матрицы.
- •15)Системы n линейных уравнений с m неизвестными .Теорема Кронекера-Капелли.
- •19)Производная функции одной переменной и ее геометрический и экономический смысл.
- •16 )Различные виды уравнения прямой :
- •21)Основные правила дифференцирования.
- •22)Производная сложной и обратной функции.
- •23)Дифференциал функции и его применение а приближенных вычислениях.
- •24)Условие возрастания и убывания функции.
- •26)Выпуклая и вогнутая кривая. Точка перегиба. Условия существования точки перегиба.
- •27)Условие выпуклости и вогуности.
- •28)Определение первообразной и неопределенного интеграла.
- •33)Основные методы интегрирования.
- •34)Применение определенного интеграла в геометрии и экономике.
- •38)Алгебра событий. Теоремы сложения и умножения событий.
- •42)Дискретные и непрерывные случайные величины. Закон распределения вероятностей случайной величины.
- •43) Виды законов распределения дискретных случайных величин.
- •45)Плотность распределения вероятностей непрерывной случайной величины и ее свойства.
- •46)Числовые характеристики дискретных случайных величин.
- •47)Законы распределения непрерывных случайных величин.
- •48)Нормальное распределение случайной величины.
- •59)Построение нормальной кривой по опытным данным.
- •60)Критерий согласия Пирсона хи-квадрат. Общая схема проверки.
- •61)Линейная корреляция. Уравнение линий регрессии. Метод наименьших квадратов.
- •62)Коэффициент корреляции и его свойства.
59)Построение нормальной кривой по опытным данным.
Построение нормальной кривой распределения по опытным данным
Один из способов построения нормальной кривой по опытным данным наблюдений (либо экспериментов) заключается в следующем:
*
находят
и
например,
по методу произведений;
*
находят ординаты
(выравнивающие
частоты) теоретической кривой по
формуле
где
сумма
наблюдаемых частот,
разность
между двумя соседними вариантами
и
*
строят точки
в
прямоугольной системе координат и
соединяют их плавной линией.
Близость выравнивающих частот к наблюдаемым подтверждает правильность допущения о том, что обследуемый признак распределен нормально.
В качестве иллюстрации, рассмотрим следующий пример.
60)Критерий согласия Пирсона хи-квадрат. Общая схема проверки.
61)Линейная корреляция. Уравнение линий регрессии. Метод наименьших квадратов.
График выборочной функции регрессии называется выборочной линией регрессии.
Рассмотрим линейную функцию регрессии, которая соответствует равномерному развитию социально-экономических явлений.
Пусть исследуется система количественных
признаков (Х,У), где Х –факторный признак
(независимая случайная величина), У-
результативный признак (зависимая
случайная величина). В результате
независимых опытов получены
пар чисел: (х1, у1), (х2,
у2), . . . , (х n
, уn ). Уравнение
регрессии У на Х будем искать в виде
=
.
Угловой коэффициент прямой линии
регрессии У на Х называется выборочным
коэффициентом регрессии У на Х и
обозначается
.
Т.о. выборочное уравнение прямой линии регрессии У на Х имеет вид
=
+
(2)
Параметры уравнения
и
находим применяя «принцип наименьших
квадратов»,
суть которого заключается в следующем:
сумма квадратов отклонений значений
величины У, вычисленных по уравнению
(2), от наблюдаемых значений
должна быть минимальной. В результате
получаем:
,
b =
,
где
,
,
и
- средние значения.
Аналогично можно найти выборочное уравнение прямой линии регрессии Х на У.
=
При большом числе наблюдений одно и то же значение величины Х или величины У, а также пара значений (х,у) может наблюдаться несколько раз. Пусть nx раз наблюдается значение х, ny раз – значение у, а nxy раз – пара (х,у). В таких случаях данные наблюдений группируют и записывают в виде таблицы, которую называют корреляционной.
62)Коэффициент корреляции и его свойства.
. Корреляционным моментом
двух случайных величин Х и У
называется математическое ожидание произведения отклонений этих
величин от их математических ожиданий.
= М{[X – M(У)] [У – М(У)]}
Коэффициентом корреляции
случайных величин Х и У называется
отношение корреляционного момента к произведению средних
квадратических отклонений этих величин.
Величина коэффициента корреляции не зависит от выбора единиц измерения случайных величин.
Можно показать, что абсолютная величина коэффициента корреляции не превышает единицы:
1
Если
, то случайные величины Х и У независимы
