- •Гауссовская случайная величина
- •Системы случайных величин. Функция распределения вероятностей системы двух случайных величин (двумерного случайного вектора), ее свойства.
- •Вероятность попадание случайной точки в заданную область (в том числе прямоугольную).
- •Условные законы распределения
- •Характеристическая функция, ее свойства.
- •Оценки математического ожидания и дисперсии, их свойства.
- •Доверительное оценивание по вариационному ряду.
-
Характеристическая функция, ее свойства.
Свойства характеристических функций[править | править исходный текст]
-
Характеристическая функция однозначно определяет распределение. Пусть суть две случайные величины, и . Тогда . В частности, если обе величины абсолютно непрерывны, то совпадение характеристических функций влечёт совпадение плотностей. Если обе случайные величины дискретны, то совпадение характеристических функций влечёт совпадение функций вероятности.
-
Характеристическая функция всегда ограничена:
.
-
Характеристическая функция в нуле равна единице:
.
-
Характеристическая функция всегда непрерывна: .
-
Характеристическая функция как функция случайной величины однородна:
.
-
Характеристическая функция суммы независимых случайных величин равна произведению их характеристических функций. Пусть суть независимые случайные величины. Обозначим . Тогда
.
-
Для всех вещественных верно равенство , где означает комплексно сопряжённую с функцию[1].
-
Теорема обращения (Леви). Пусть - функция распределения, а - её характеристическая функция. Если и - точки непрерывности , то
-
Основные задачи математической статистики. Эмпирическая функция распределения. Гистограмма, полигон частот. Выборочные характеристики.
-
Задачи теории оценивания. Точечное оценивание. Свойства точечных оценок.
Оценкапараметра — соответствующая числовая характеристика, рассчитанная по выборке. Когда оценка определяется одним числом, она называется точечной оценкой.
Свойства точечных оценок[
Оценка называется несмещённой, если её математическое ожидание равно оцениваемому параметру генеральной совокупности:
,
где обозначает математическое ожидание в предположении, что — истинное значение параметра (распределения выборки ).
-
Оценка называется эффективной, если она обладает минимальной дисперсией среди всех возможных несмещенных точечных оценок.
-
Оценка называется состоятельной, если она по вероятности с увеличением объема выборки n стремится к параметру генеральной совокупности: ,
по вероятности при .
-
Оценка называется сильно состоятельной, если ,
почти наверное при .
Надо отметить, что проверить на опыте сходимость «почти наверное» не представляется возможным, поэтому с точки зрения прикладной статистики имеет смысл говорить только о сходимости по вероятности.
-
Оценки математического ожидания и дисперсии, их свойства.
Арифметическая средняя , вычисленная по n независимым наблюдениям над случайной величиной x, которая имеет математическое ожидание Mx = m, является несмещенной оценкой этого параметра.
Арифметическая средняя , вычисленная по n независимым наблюдениям над случайной величиной x, которая имеет Mx = m и , является состоятельной оценкой этого параметра.
Если случайная выборка состоит из n независимых наблюдений над случайной величиной x с
Mx = m и Dx = , то выборочная дисперсия
(23.3)
не является несмещенной оценкой Dx - генеральной дисперсии.
-
Метод моментов.
-
Метод максимального правдоподобия.
-
Интервальное (доверительное) оценивание.