Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
Предметом математической статистики является изучение случайных событий и случайных величин по результатам наблюдений. Совокупность предметов или явлений, объединенных каким-либо общим признаком, называется статистической совокупностью. Результатом наблюдений над статистической совокупностью являются статистические данные – сведения о том, какие значения принял в итоге наблюдений интересующий нас признак (случайная величина X).
Обработка статистических данных методами математической статистики приводит к установлению определенных закономерностей, присущих массовым явлениям. При этом точность статистических выводов повышается с ростом числа наблюдений.
Статистические данные, как правило, представляют собой ряд значений некоторой случайной величины. Обработка этого ряда значений представляет собой первый этап исследования случайной величины.
Первая задача математической статистики – указать способы сбора и группировки статистических данных, полученных в результате наблюдений или в результате специально поставленных экспериментов.
Второй задачей математической статистики является разработка методов анализа статистических данных в зависимости от целей исследования. К этой задаче относятся:
Оценка неизвестной вероятности события; оценка неизвестной функции распределения; оценка параметров распределения, вид которого известен; оценка зависимости случайной величины от одной или нескольких случайных величин и т.п.
Проверка статистических гипотез о виде неизвестного распределения или о величине параметров распределения, вид которого известен.
В современной математической статистике есть много общего с наукой о принятии решений в условиях неопределенности, так как она разрабатывает способы определения числа необходимых испытаний до начала исследования (планирование эксперимента), в процессе исследования (последовательный анализ) и решает многие другие аналогичные задачи.
- Лекция 1. Предмет теории вероятностей и математической статистики и их роль в экономике и менеджменте
- Лекция 2. Аксиоматика теории вероятности Понятие случайного эксперимента.
- Пространство элементарных событий.
- Совместные и несовместные события.
- Операции над событиями (сумма, разность, произведение).
- Свойства операций над событиями.
- Алгебра и сигма-алгебра событий.
- Лекция 3. Методы определения вероятностей событий
- Классическое определение вероятности события. Случаи равновероятных исходов.
- Статистическое определение вероятности события. Случаи неравновероятных исходов.
- Геометрические вероятности.
- Аксиоматическое построение теории вероятностей.
- Вероятностное пространство
- Лекция 4. Основные теоремы теории вероятностей. Формула полной вероятности и формула Байеса Полная группа событий.
- Условная вероятность.
- Формула умножения вероятностей.
- Формула сложения вероятностей.
- Независимость событий.
- Формула полной вероятности.
- Формула Байеса
- Основные понятия комбинаторики.
- Правила суммы и произведения.
- Лекция 5. Схема независимых испытаний Бернулли
- Случай непостоянной вероятности появления события в опытах
- Наивероятнейшее число наступления событий в схеме Бернулли.
- Предельные теоремы для схемы Бернулли.
- Теорема Пуассона.
- Понятие потока событий.
- Локальная теорема Муавра –Лапласа.
- Интегральная (глобальная) теорема Муавра – Лапласа.
- Лекция 6. Виды случайных величин и расчет вероятностей событий с использованием функций и плотностей распределения
- Закон распределения дискретной случайной величины.
- Функция распределения случайной величины и ее свойства.
- Свойства функции распределения
- Плотность распределения вероятностей.
- Лекция 7. Основные параметры распределений одномерных случайных величин.
- Математическое ожидание случайной величины
- Свойства математического ожидания:
- Дисперсия случайной величины и ее свойства.
- Среднее квадратическое отклонение.
- Лекция 8. Основные законы распределений случайных величин
- Биномиальное распределение, его математическое ожидание и дисперсия.
- Распределение Пуассона.
- Геометрическое распределение
- Гипергеометрическое распределение (урновая схема)
- Равномерное распределение.
- Показательное распределение.
- Лекция 9. Нормальное распределение и его свойства
- Свойства функции Гаусса.
- Вероятность попадания нормальной случайной величины в заданный интервал.
- Функция Лапласа и ее свойства.
- О тклонение нормальной случайной величины от ее математического ожидания. Правило «трех сигм».
- Лекция 10. Многомерные случайные величины
- Закон распределения вероятностей двумерной случайной величины
- Совместная функция распределения двух случайных величин
- Свойства совместной функции распределения двух случайных величин
- Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- Свойства двумерной плотности вероятности
- Независимые случайные величины
- Для независимых случайных величин справедливы соотношения
- Числовые характеристики системы двух случайных величин
- Корреляционный момент
- Коэффициент корреляции
- Свойства коэффициента корреляции
- Лекция 11. Предельные теоремы теории вероятностей.
- Неравенство Чебышева
- Теорема Чебышева.
- Центральная предельная теорема.
- Лекция 12. Выборочный метод анализа свойств генеральной совокупности.
- Выборочный метод и его основные понятия. Случайная выборка и ее объем
- Способы отбора
- Вариационный ряд для дискретных и непрерывных случайных величин.
- Полигон и гистограмма
- Лекция 13. Понятие о статистических оценках случайных величин Эмпирическая функция распределения
- Важнейшие свойства статистических оценок
- Надежность и доверительный интервал.
- Лекция 14. Доверительные интервалы для математического ожидания и дисперсии Доверительный интервал для математического ожидания нормального распределения при известной дисперсии.
- Доверительный интервал для математического ожидания нормального распределения при неизвестной дисперсии
- . Доверительный интервал для оценки среднего квадратического отклонения нормального распределения
- Лекция 15. Проверка статистических гипотез.
- Статистический критерий
- Критическая область. Область принятия гипотезы. Критические точки.
- Критерий согласия Пирсона о виде распределения.
- Лекция 16. (уир) Понятие о регрессионном анализе
- Понятие о регрессионном анализе
- Выборочные уравнения регрессии.
- Линейная регрессия
- Множественная линейная регрессия
- Нелинейная регрессия
- Логарифмическая модель.
- Обратная модель.
- Степенная модель.
- Показательная модель.
- Лекция 17 (уир). Понятие о корреляционном анализе.
- А. Парная корреляция
- Б. Множественная корреляция
- Лекция 18 (уир). Цепи Маркова с дискретным временем
- Однородные цепи Маркова
- Переходные вероятности. Матрица перехода.
- Равенство Маркова
- Лекция 19 (уир). Цепи Маркова с непрерывным временем.
- Уравнения Колмогорова
- Финальные вероятности состояний системы
- Лекция 20 (уир). Системы массового обслуживания.
- Расчет характеристик систем массового обслуживания Одноканальные модели а. Одноканальная модель с отказами
- Б. Одноканальная модель с ожиданием
- Многоканальные модели