- •6.030505 “Управління персоналом і економіка праці ”
- •Опис навчальної дисципліни «математика для економістів»
- •Інструментальні:
- •Змістовий модуль 2. Диференціальне числення функції однієї змінної та його застосування в економіці
- •Змістовий модуль 3. Диференціальне числення функції багатьох змінних та його застосування в економіці
- •Змістовий модуль 4. Інтегрування функцій. Диференціальні та різницеві рівняння
- •Модуль 2. Теорія ймовірностей і математична статистика Змістовий модуль 1. Теорія ймовірностей
- •Тема 13. Економічна динаміка та її моделювання: диференціальні та різницеві рівняння
- •Змістовий модуль 5. Ряди та їх застосування. Елементи математичної економіки
- •Тема 14. Ряди та їх застосування
- •Змістовий модуль 2. Математична статистика
- •Тема 1. Емпіричні та логічні основи теорії ймовірностей
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •1. Випадкові події
- •2. Прості та складені випадкові події. Простір елементарних подій
- •3.Операції над подіями
- •Тема 2. Основні теореми теорії ймовірностей, їх економічна інтерпретація
- •2. Елементи комбінаторики
- •3. Геометрична ймовірність
- •4. Статистична ймовірність
- •5. Умовна ймовірність
- •5.1. Залежні та незалежні випадкові події
- •5.2. Обчислення умовної ймовірності
- •Формули ймовірностей добутку та суми випадкових подій
- •7. Імовірність появи хоча б однієї випадкової події
- •1320 11 8. Формула повної ймовірності
- •9. Формула Байєса
- •Питання для самоконтролю
- •Література
- •Тема 3. Схема незалежних випробувань
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •1. Формула Бернуллі
- •2. Найімовірніше число появи випадкової події (мода)
- •3. Локальна теорема
- •4. Інтегральна теорема
- •5. Використання інтегральної теореми
- •6. Формула Пуассона для малоймовірних випадкових подій
- •7. Проста течія подій
- •Питання для самоконтролю
- •Тема 4. Випадкові величини та їх економічна інтерпретація
- •Функція розподілу ймовірностей
- •Щільність ймовірностей (диференціальна функція) її властивості
- •Питання для самоконтролю
- •Тема 5. Закони розподілу та числові характеристики випадкових величин
- •1.1. Математичне сподівання
- •1.2. Мода та медіана випадкової величини
- •1.3. Дисперсія та середнє квадратичне відхилення
- •1.4. Початкові та центральні моменти
- •1.5. Асиметрія і ексцес
- •Біноміальний закон розподілу
- •Закон розподілу Пуассона
- •Рівномірний розподіл
- •Експоненціальний розподіл
- •Нормальний розподіл
- •7. Розподіл («хі-квадрат»)
- •Тема 6. Багатовимірні випадкові величини
- •2. Коефіцієнт кореляції
- •3. Умовні закони розподілу
- •4. Функція розподілу ймовірностей системи двох випадкових величин
- •5. Щільність ймовірностей системи двох випадкових величин
- •6. Числові характеристики системи двох неперервних випадкових величин
- •Питання для самоконтролю
- •Тема 7. Функції випадкового аргументу
- •2. Закон розподілу та числові характеристики функції дискретного випадкового аргументу
- •3. Закон розподілу та числові характеристики функції неперервного випадкового аргументу
- •Питання для самоконтролю
- •Література
- •Тема 8. Граничні теореми теорії ймовірностей
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •Тема 9. Елементи теорії випадкових процесів і теорії масового обслуговування
- •2. Марковські випадкові процеси. Ланцюги Маркова
- •3. Процес народження і загибелі
- •4. Елементи теорії масового обслуговування
- •Тема 10. Первинне опрацювання статистичних даних
- •2. Генеральна та вибіркова сукупності
- •Тема 11. Статистичне та інтервальне оцінювання параметрів розподілу
- •Тема 12. Перевірка статистичних гіпотез
- •2. Похибки перевірки гіпотез
- •3. Критерії узгодження для перевірки гіпотез
- •4. Критична область
- •Тема 13. Елементи теорії регресії
- •2. Визначення параметрів ,
- •3. Властивості ,
- •4. Множинна регресія
- •Питання для самоконтролю
- •Література
- •Тема 14. Елементи дисперсійного аналізу
- •План вивчення теми
- •Методичні рекомендації до самостійної роботи
- •Тема 15. Елементи теорії кореляції
- •Тема 1. Емпіричні та логічні основи теорії ймовірностей.
- •Задачі для розв’язання
- •Тема 2. Основні теореми теорії ймовірностей, їх економічна інтерпретація
- •Задачі для розв’язання
- •Тема 3. Схема незалежних випробувань
- •Задачі для розв’язання
- •Тема 4. Випадкові величини та їх економічна інтерпретація
- •Задачі для розв’язання
- •Тема 5. Закони розподілу та числові характеристики випадкових величин
- •Задачі для розв’язання
- •Тема 6. Багатовимірні випадкові величини
- •Задачі для розв’язання
- •Тема 7. Функції випадкового аргументу
- •Задачі для розв’язання
- •Тема 8. Граничні теореми теорії ймовірностей
- •Задачі для розв’язання
- •Тема 9. Елементи теорії випадкових процесів і теорії масового обслуговування
- •Задачі для розв’язання
- •Тема 10. Первинне опрацювання статистичних даних
- •Задачі для розв’язання
- •Тема 11. Статистичне та інтервальне оцінювання параметрів розподілу
- •Задачі для розв’язання
- •Тема 12. Перевірка статистичних гіпотез
- •Задачі для розв’язання
- •Тема 13. Елементи теорії регресії
- •Задачі для розв’язання
- •Тема 14. Елементи дисперсійного аналізу
- •Задачі для розв’язання
- •Тема 15. Елементи теорії кореляції
- •Література
- •Методичні вказівки до виконання завдань
- •Приклади розв’язків задач для індивідуальної роботи
- •Завдання для індивідуальної роботи
- •Самостійна робота студентів
- •Практичні заняття
- •Модульний контроль
- •Індивідуальна робота
- •Математика для економістів
1.1. Математичне сподівання
Однією з найчастіше застосовуваних на практиці характеристик є математичне сподівання.
Термін «математичне сподівання» випадкової величини X є синонімом терміна «середнє значення» випадкової величини X.
Математичним сподіванням випадкової величини X, визначеною на дискретному просторі, називається величина:
(5.1)
Якщо простір є неперервним, то математичним сподіванням неперервної випадкової величини X називається величина
(5.2)
Властивості математичного сподівання:
1. Математичне сподівання від сталої величини С дорівнює самій сталій:
2. М(СХ) = СM(X).
3. Якщо А і В є сталими величинами, то
1.2. Мода та медіана випадкової величини
Модою (Мо) дискретної випадкової величини X називають те її можливе значення, якому відповідає найбільша ймовірність появи.
Модою для неперервної випадкової величини X називають те її можливе значення, якому відповідає максимальне значення щільності ймовірності:
.
Якщо випадкова величина має одну моду, то такий розподіл ймовірностей називають одномодальним; якщо розподіл має дві моди — двомодальним і т. ін. Існують і такі розподіли, які не мають моди. їх називають антимодальними.
Медіаною (Ме) неперервної випадкової величини X називають те її значення, для якого виконується рівність:
1.3. Дисперсія та середнє квадратичне відхилення
Математичне сподівання не дає достатньо повної інформації про випадкову величину, оскільки одному й тому самому значенню М(Х) може відповідати безліч випадкових величин, які будуть різнитися не лише можливими значеннями, а й характером розподілу і самою природою можливих значень.
Математичне сподівання називають центром розсіювання. Для вимірювання розсіювання вводиться числова характеристика, яку називають дисперсією.
Для
визначення дисперсії розглядається
відхилення випадкової величини X
від свого математичного сподівання
.
Дисперсією випадкової величини X називається математичне сподівання квадрата відхилення цієї величини
(5.3)
Для дискретної випадкової величини X дисперсія:
(5.4)
для неперервної:
(5.5)
Властивості дисперсії:
1. Якщо С – стала величина, то
.
2.
D(СХ)
=
.
3. Якщо А і В є сталими величинами, то
Якщо випадкова величина виміряна в деяких одиницях, то дисперсія вимірюватиметься в цих самих одиницях, але в квадраті.
Тому доцільно мати числову характеристику такої самої вимірності, як і випадкова величина. Такою числовою характеристикою є середнє квадратичне відхилення.
Середнім квадратичним відхиленням випадкової величини X називають корінь квадратний із дисперсії:
(5.6)
1.4. Початкові та центральні моменти
Узагальненими числовими характеристиками випадкових величин є початкові та центральні моменти.
Початковим
моментом
-го
порядку
випадкової величини X
називають математичне сподівання
величини
:
.
Для
ДВВ:
,
для
НВВ:
.
Центральним
моментом
-го
порядку випадкової
величини X
називають математичне сподівання від
:
.
