МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
ФИЛИАЛ ФЕДЕРАЛЬНОГО ГОСУДАРСТВЕННОГО БЮДЖЕТНОГО
ОБРАЗОВАТЕЛЬНОГО УЧРЕЖДЕНИЯ ВЫСШЕГО ПРОФЕССИОНАЛЬНОГО
ОБРАЗОВАНИЯ «ВЛАДИВОСТОКСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ
ЭКОНОМИКИ И СЕРВИСА» В Г. АРТЕМЕ
ИНСТИТУТ
КАФЕДРА ПСИХОЛОГИИ И СОЦИАЛЬНЫХ ТЕХНОЛОГИЙ
ТЕОРИЯ ВЕРОЯТНОСТИ И МАТЕМАТИЧЕСКАЯ
СТАТИСТИКА
Рабочая программа учебной дисциплины
Основная образовательная программа
Направления подготовки: 230700.62 Прикладная информатика; 080100.62. Экономика.
Бухгалтерский учет, анализ и аудит; 080200.62 Менеджмент. Финансовый менеджмент
Артем 2014
Рабочая программа учебной дисциплины «Теория вероятности и математическая статистика»
разработана в соответствии с Федеральным государственным образовательным стандартом
высшего профессионального образования (ФГОС ВПО) по направлениям подготовки
230700.62 Прикладная информатика; 080100.62. Экономика. Бухгалтерский учет, анализ и
аудит; 080200.62 Менеджмент. Финансовый менеджмент.
Рабочая программа разработана на основании рабочей программы «Теория вероятностей и
математическая статистика», составленной преподавателями кафедры математики и
моделирования Владивостокского государственного университета экономики и сервиса,
утвержденной на заседании кафедры.
Составители: Бажина А.С., старший преподаватель кафедры экономики, управления и
информационных технологий
Утверждена на заседании кафедры психологии и социальных технологий от «02» июня 2011
г., протокол № 18.
Новая редакция утверждена на заседании кафедры «22» мая 2014 г., протокол № 18.
2
ВВЕДЕНИЕ
Основной принцип, которым руководствовались авторы при подготовке рабочей программы
дисциплины «Теория вероятностей и математическая статистика» – повышение уровня
фундаментальной математической подготовки студентов с усилением ее прикладной
направленности.
Последние годы характеризуются интенсивным внедрением теоретико-вероятностных и
статистических методов в практику анализа и синтеза сложных экономических систем. Наряду с
классическими задачами статистического анализа, решение которых основывается на
биномиальном, нормальном и связанных с ними распределениях, появилось множество задач,
связанных с дискретными вероятностными автоматами, приложениями к анализу надежности и
эффективности систем, исследованием устойчивости вычислительных процессов, различными
задачами исследования операций.
На теорию вероятностей опирается математическая статистика, задача которой состоит в
том, чтобы по ограниченным данным (выборке) восстановить с определенной степенью
достоверности характеристики, присущие генеральной совокупности, т.е. всему мыслимому
набору данных, описывающему изучаемое явление.
В настоящее время трудно себе представить исследование и прогнозирование
экономических явлений без использования эконометрического моделирования, регрессионного
анализа, трендовых и сглаживающей моделей и других методов, опирающихся на теорию вероятностей и математическую статистику.
С развитием общества народное хозяйство все более усложняется; следовательно, по
законам развития динамических систем должен усиливаться статистический характер законов,
описывающих социально-экономические явления.
Все это предопределяет необходимость овладения методами теории вероятностей и
математической статистики как инструментом статистического анализа и прогнозирования
экономических явлений и процессов.
1. ОРГАНИЗАЦИОННО-МЕТОДИЧЕСКИЕ УКАЗАНИЯ
1.1. Цель и задачи освоения учебной дисциплины
Целью освоения дисциплины «Теории вероятностей и математической статистики»
являются исследования закономерностей, возникающих при массовых, однородных опытах,
методы сбора, систематизация обработка результатов наблюдений.
Задачи дисциплины
– изучение случайных событий, случайных величин как основы для изучения случайных
процессов;
– оценка неизвестных величин по данным наблюдения;
– выдвижение и проверка гипотез.
1.2. Место учебной дисциплины в структуре ООП (связь с другими дисциплинами)
Дисциплина «Теория вероятностей и математическая статистика» относится к базовой
части математического и естественнонаучного цикла для направлений «Экономика»,
«Прикладная информатика» и вариативной части для направления «Менеджмент».
Данная дисциплина базируется на компетенциях, полученных при изучении дисциплин
«Алгебра и геометрия», «Математический анализ».
Освоение данной дисциплины необходимо обучающемуся для успешного освоения
следующих дисциплин (модулей) ООП для направлений подготовки:
– «Экономика»: «Теория принятия решений», «Эконометрика», «Статистика»;
– «Менеджмент»: «Теория принятия решений»;
– «Прикладная информатика»: «Моделирование систем», «Теория принятия решений»;
3
1.3. Компетенции обучающегося, формируемые в результате освоения учебной
дисциплины
Название
ООП
(сокращенно
е название
ООП)
1
080100.62
Экономика
Блок
Компетенции
2
3
Б.2
ПК-4 – способность
осуществлять сбор,
анализ и обработку
данных,
необходимых для
решения
поставленных
экономических задач
Составляющие компетенции
4
Знания
Умения
Владение
Знания
080200.62
Менеджмент
230700.62
Прикладная
информатика
Б.2
Б.2
ОК-15 – владение
методами
количественного
анализа и
моделирования,
теоретического и
экспериментального
исследования;
способность к
восприятию,
обобщению и
анализу информации,
постановке цели и
выбору путей еѐ
достижения
5
основ теории вероятностей и
математической статистики,
необходимые для решения
экономических задач
применять методы теоретического и
экспериментального исследования
для решения экономических задач
навыками применения современного
математического инструментария
для решения экономических задач
основных понятий и
инструментов теории вероятностей,
математической и социальноэкономической статистики;
Умения:
обрабатывать эмпирические и
экспериментальные данные;
Владение
математическими,
статистическими и количественными
методами решения типовых
организационно-управленческих
задач;
ОК-2способен Умения:
логически
верно,
аргументированно и Знания:
ясно строить устную
и письменную речь,
владеть
навыками
ведения дискуссии и Умения:
полемики
ПК-17 - способен
применять
методы
анализа прикладной
области
на
концептуальном,
логическом,
математическом
и
алгоритмическом
уровнях;
4
логически верно, аргументированно
и ясно строить устную речь
случайных величин,
законов распределения;
закона больших чисел, методов
статистического анализа;
1) вычислять вероятности случайных
событий, составлять и исследовать
функции распределения случайных
величин,
определять числовые
характеристики
случайных
величин;
2) обрабатывать статистическую
информацию для оценки значений
параметров, проверки значимости
гипотез
1.4. Основные виды занятий и особенности
их проведения
Объем и сроки изучения дисциплины.
Дисциплина читается для бакалавров второго курса в осеннем семестре для направлений:
– «Экономика в объеме 68 учебных часов (4 зачетные единицы). На самостоятельное
изучение дисциплины выделяется 20 часов. Промежуточный контроль по дисциплине –
экзамен;
– «Менеджмент», «Прикладная информатика» в объеме 68 учебных часов (5 зачѐтных
единиц). На самостоятельное изучение дисциплины выделяется 56 часов. Промежуточный
контроль по дисциплине – экзамен.
Удельный вес занятий, проводимых в интерактивных формах для направлений
составляет 30 процентов аудиторных занятий.
1.5. Виды контроля и отчетности по дисциплине
Контроль успеваемости осуществляется в соответствии с рейтинговой системой оценки
знаний студентов.
Текущий контроль предполагает:
– проверку уровня самостоятельной подготовки студента при выполнении
индивидуальных заданий;
– опросы по основным моментам изучаемых тем;
– проведение контрольных работ по блокам изученного материала;
– тестирование остаточных знаний (предварительные аттестации).
Промежуточный контроль знаний осуществляется при проведении экзамена с
использованием педагогических тестовых материалов (СИТО).
2. СТРУКТУРА И СОДЕРЖАНИЕ УЧЕБНОЙ ДИСЦИПЛИНЫ
2.1. Темы лекций
Тема 1. Основные понятия комбинаторики. Случайные события и предмет теории
вероятностей (2 часа).
Правила суммы и произведения. Упорядоченные последовательности. Размещения с
повторением и без повторения, перестановки и сочетания с повторением и без повторения.
Основные понятия теории вероятностей. Понятие события. Достоверное и невозможное
события. Алгебра событий: равенство событий, сумма событий, произведение событий,
противоположное событие. Диаграммы Эйлера-Венна. Частотное определение вероятности и
его свойства.
Тема 2. Вероятность события. Комбинаторный метод вычисления вероятностей (2
часа).
Пространство элементарных событий. Аксиоматическое определение вероятности
события. Свойства вероятности события: вероятность противоположного события,
вероятность невозможного события, вероятность суммы двух событий. Полная группа
событий. Теорема о сумме вероятностей событий, образующих полную группу. Опыт,
сводящийся к схеме случаев. Случаи, благоприятствующие появлению события. Теорема о
вероятности случая в опыте, сводящемся к схеме случаев. Вероятность события в опыте,
сводящемся к схеме случаев. «Геометрические» вероятности.
Тема 3. Зависимые и независимые события. Повторные независимые испытания (3
часа).
Условная вероятность. Независимые события. Теоремы умножения вероятностей.
Гипотезы по отношению к событию. Формула полной вероятности. Формула Байеса.
Схема Бернулли. Формула Бернулли. Следствие. Формула Пуассона. Простейший поток
событий. Свойства простейшего потока.
Локальная и интегральная теоремы Муавра – Лапласа. Функции Муавра – Лапласа и их
свойства. Таблицы значений функций Муавра – Лапласа. Наивероятнейшее число появлений
5
события в опыте, сводящемся к схеме случаев. Вероятность отклонения частоты события в
опыте, сводящемся к схеме случаев, от вероятности события в единичном испытании.
Тема 4. Случайные величины (3 часа).
Определение случайной величины. Спектр случайной величины. Виды случайных
величин. Функция распределения случайной величины и ее свойства. Характеристические
функции. Плотность распределения случайной величины и ее свойства. Функции случайных
величин. Независимые случайные величины. Операции над случайными величинами.
Числовые характеристики случайных величин. Свойства числовых характеристик
случайных величин. Ковариация. Коэффициент корреляции. Нормированная случайная
величина. Система двух случайных величин.
Тема 5. Дискретные и непрерывные случайные величины (5 часов)
Многоугольник распределения. Ряд распределения. Формулы для вычисления числовых
характеристик. Законы распределения дискретных случайных величин, наиболее часто
встречающиеся в математической статистике: геометрическое распределение и его числовые
характеристики; гипергеометрическое распределение и его числовые характеристики;
распределение Бернулли; биномиальное распределение и его числовые характеристики;
распределение Пуассона и его числовые характеристики. Формулы для вычисления
числовых характеристик.
Законы распределения непрерывных случайных величин: равномерное, показательное
распределения и их числовые характеристики. Нормальное распределение. Числовые
характеристики нормального распределения. Вероятность попадания нормально распределенной случайной величины в заданный интервал. Вероятность отклонения нормально
распределенной случайной величины от среднего значения. Правило «трех сигм».
Распределения Фишера,  2 ("хи-квадрат"), Стьюдента ( t -распределение). Функция
надежности.
Тема 6. Закон больших чисел. Предельные теоремы (2 часа).
Последовательности случайных величин. Закон больших чисел: неравенство Чебышева,
теорема Чебышева, теорема Бернулли, основная предельная теорема. Следствие неравенства
Чебышева. Закон больших чисел в форме Чебышева.
Тема 7. Цепи Маркова (2 часа).
Последовательности случайных величин в дискретном вероятностном пространстве.
Последовательности, образующие цепь Маркова. Характеристики цепей Маркова:
вероятности перехода между состояниями за i шагов, распределение по состояниям.
Тема 8. Основные определения математической статистики (2 часа).
Суть математической статистики. Основные задачи курса. Генеральная и выборочная
совокупности. Виды выборок.
Вариационный ряд, статистический ряд и статистическая совокупность. Статистическое
распределение выборки. Полигон. Гистограмма частот, относительных частот. Эмпирическая
функция распределения и еѐ свойства.
Тема 9. Статистические характеристики (2 часа).
Генеральная средняя, выборочная средняя, генеральная дисперсия, выборочная
дисперсия, среднеквадратическое отклонение. Мода, медиана, асимметрия, эксцесс.
Моменты эмпирического распределения, связь между ними.
Тема 10. Оценки параметров распределения (2 часа).
Точечные и интервальные оценки параметров распределения. Свойства точечных
оценок. Оценка генеральной средней по выборочной средней. Оценка генеральной
дисперсии по исправленной выборочной дисперсии.
Тема 11. Методы нахождения точечных оценок параметров распределения (3 часа).
Метод максимального правдоподобия, метод моментов. Условные варианты, ложный
ноль. Методы произведений и сумм для получения точечных оценок параметров
распределения.
Тема 12. Интервальные оценки параметров распределения (1 час).
6
Доверительные оценки, доверительные вероятности. Доверительные интервалы для
оценки математического ожидания нормального распределения при известном  и
неизвестном  . Интервальная оценка математического ожидания по малой выборке.
Интервальная оценка математического ожидания по большой выборке.
Тема 13. Статистическая проверка статистических гипотез (1 час).
Описание гипотез: основная, конкурирующая, простая, сложная. Критерии проверки
гипотез и их свойства. Критическая область. Область принятия гипотезы. Право-, лево- и
двусторонняя критические области, способы их нахождения. Критические точки. Ошибки
первого и второго рода. Критерий согласия. Мощность критерия.
Тема 14. Проверка некоторых гипотез (2 часа).
Сравнение двух дисперсий нормальных генеральных совокупностей. Сравнение двух
средних нормальных генеральных совокупностей, дисперсии которых известны. Проверка
гипотезы о нормальном распределении. Критерий согласия Пирсона, критерий Колмогорова.
Тема 15. Элементы корреляционного и регрессионного анализа (3 часа).
Виды зависимостей, виды корреляции. Основные задачи корреляции. Условные средние.
Регрессия.
Выбор типа линии регрессии, выравнивающей ломаную линии регрессии. Методы для
определения параметров в уравнении выравнивающей линии: метод средних, метод проб,
метод выбранных точек, метод наименьших квадратов.
Нахождение параметров выборочного уравнения прямой линии регрессии по
сгруппированным и несгруппированным данным. Выборочный коэффициент корреляции,
его свойства. Геометрическая интерпретация. Оценка параметров и ошибок наблюдений.
Проверка гипотезы об адекватности модели регрессии.
Множественная линейная корреляция. Парный коэффициент корреляции.
Нелинейная корреляция. Производственная функция Кобба – Дугласа. Получение
уравнения методом наименьших квадратов. Ранговая корреляция. Проверка гипотезы о
значимости выборочного коэффициента корреляции Спирмена.
Тема 16. Дисперсионный анализ (2 часа).
Понятие о дисперсионном анализе. Общая, факторная и остаточная суммы квадратов
отклонений. Связь между ними. Однофакторный дисперсионный анализ. Одинаковое число
испытаний на всех уровнях. Неодинаковое число испытаний на различных уровнях. Понятие
о ковариационном анализе.
Тема 17. Элементы анализа временных рядов (2 часа).
Понятие временного ряда. Тренд. Случайная составляющая с независимыми значениями.
Случайная составляющая с зависимыми значениями, матрица ковариаций которых известна,
неизвестна. Выявление тренда в динамических рядах экономических показателей. Нелинейные
тренды.
2.2. Перечень тем практических/лабораторных занятий
Тема 1. Основные понятия комбинаторики (2 часа, «снежный ком»).
Правила суммы и произведения. Размещения с повторением и без повторения,
перестановки и сочетания с повторением и без повторения.
Тема 2. Вероятность события (2 часа, метод интерактивного обучения).
Классическая формула подсчѐта вероятности. «Геометрические» вероятности.
Тема 3. Теоремы сложения и умножения вероятностей (2 часа, «снежный ком»).
Совместные и несовместные события, зависимые и независимые события. Условная
вероятность. Теоремы сложения и умножения вероятностей.
Тема 4. Формула полной вероятности. Формула Байеса (2 часа, метод кооперативного
обучения).
Гипотезы по отношению к событию. Формула полной вероятности. Формула Байеса.
Тема 4. Повторные испытания. Формула Бернулли. Приближенная формула Пуассона.
Теоремы Муавра-Лапласа (2 часа, метод кооперативного обучения).
7
Формула Бернулли. Наивероятнейшее число появлений события в опыте. Формула
Пуассона. Локальная и интегральная теоремы Муавра – Лапласа. Вероятность отклонения
частоты события в опыте от вероятности события в единичном испытании.
Тема 5. Случайные величины (2 часа, метод кооперативного обучения).
Виды случайных величин. Ряд распределения. Многоугольник распределения. Функция
распределения случайной величины. Плотность распределения случайной величины.
Операции над случайными величинами. Числовые характеристики случайных величин.
Система двух случайных величин.
Тема 6. Числовые характеристики случайных величин (3 часа).
Математическое ожидание, дисперсия, среднеквадратическое отклонение. Законы
распределения дискретных и непрерывных случайных величин, их числовые
характеристики.
Нормальное распределение. Числовые характеристики нормального распределения.
Вероятность попадания нормально распределенной случайной величины в заданный
интервал. Вероятность отклонения нормально распределенной случайной величины от
среднего значения.
Тема 7. Закон больших чисел. Предельные теоремы (1 час).
Закон больших чисел: неравенство Чебышева, теорема Чебышева, теорема Бернулли,
основная предельная теорема. Следствие неравенства Чебышева.
Тема 8. Цепи Маркова (1 час).
Последовательности случайных величин в дискретном вероятностном пространстве.
Последовательности, образующие цепь Маркова. Вероятности перехода между состояниями
за i шагов, распределение по состояниям.
Тема 9–11. Обработка одномерной выборки (4 часа, метод кооперативного обучения).
Построение статистического распределения выборки. Геометрическое изображение
статистического распределения (гистограмма относительных частот). Метод произведений
для нахождения точечных оценок неизвестных параметров распределения. Вычисление
моды, медианы, асимметрии, эксцесса. Построение доверительного интервала при
неизвестном  .
Тема 12. Статистическая проверка статистических гипотез (3 часа).
Сравнение двух дисперсий нормальных генеральных совокупностей. Сравнение двух
средних нормальных генеральных совокупностей, дисперсии которых известны. Проверка
гипотезы о нормальном распределении. Критерий согласия Пирсона, критерий Колмогорова.
Тема 13. Элементы корреляционного анализа (4 часа, метод кооперативного обучения).
Полная и неполная корреляции. Выбор типа линии регрессии, выравнивающей ломаную
линии регрессии. Нахождение параметров выборочного уравнения прямой линии регрессии
по сгруппированным и несгруппированным данным. Выборочный коэффициент корреляции,
его свойства. Геометрическая интерпретация. Оценка корреляционной зависимости.
Проверка гипотезы об адекватности модели регрессии.
Тема 14. Элементы корреляционного и регрессионного анализа (2 часа).
Множественная линейная корреляция. Парный коэффициент корреляции. Нелинейная
корреляция. Производственная функция Кобба – Дугласа. Получение уравнения методом
наименьших квадратов. Ранговая корреляция.
Тема 15. Дисперсионный анализ (2 часа).
Понятие о дисперсионном анализе. Общая, факторная и остаточная суммы квадратов
отклонений. Связь между ними. Однофакторный дисперсионный анализ. Одинаковое число
испытаний на всех уровнях. Неодинаковое число испытаний на различных уровнях. Понятие
о ковариационном анализе.
Тема 16. Элементы анализа временных рядов (2 часа).
Тренд. Случайная составляющая с независимыми значениями. Случайная составляющая
с зависимыми значениями, матрица ковариаций которых известна, неизвестна. Выявление
тренда в динамических рядах экономических показателей. Нелинейные тренды.
8
3. ОБРАЗОВАТЕЛЬНЫЕ ТЕХНОЛОГИИ
Программой дисциплины предусмотрено чтение лекций, проведение практических
занятий. При проведении лекционных занятий используется комплекс презентаций по курсу,
проведение практических занятий проводится с использованием нетбуков, проведение
промежуточной аттестации в форме компьютерного тестирования (СИТО).
При проведении практических занятиях применяются следующие интерактивные методы
обучения:
– метод кооперативного обучения: студенты работают в малых группах (3–4 чел.) над
индивидуальными заданиями, в процессе выполнения которых они могут совещаться друг к
другу. Преподаватель, в свою очередь, наблюдает за работой малых групп, а также поочередно
разъясняет новый учебный материал малым группам, которые закончили работать над
индивидуальными заданиями по предыдущему материалу;
– «снежный ком»: цель наработка и согласование мнений всех членов группы. При
использовании этой техники в активное обсуждение включаются практически все студенты.
Для студентов в качестве самостоятельной работы предполагается выполнения
индивидуальных домашних заданий.
4. МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ПО ИЗУЧЕНИЮ КУРСА
4.1. Перечень и тематика самостоятельных работ студентов по дисциплине
1. Контрольная работа «Классическое определение вероятности, теоремы сложения и
умножения вероятностей».
2. Контрольная работа «Нормальный закон распределения».
3. Индивидуальное домашнее задание «Случайные события».
4. Индивидуальное домашнее задание «Случайные величины».
5. Индивидуальное домашнее задание «Обработка одномерной выборки».
6. Индивидуальное домашнее задание «Линейная корреляция».
7. Индивидуальное домашнее задание «Нелинейная корреляция».
8. Индивидуальное домашнее задание «Линейный регрессионный анализ».
9. Индивидуальное домашнее задание «Множественная линейная корреляция».
10. Индивидуальное домашнее задание «Однофакторный дисперсионный анализ».
11. Индивидуальное домашнее задание «Анализ временных рядов».
4.2. Контрольные вопросы для самостоятельной оценки качества освоения учебной
дисциплины
1. Какое событие называется случайным, достоверным и невозможным?
2. Как определяются сумма и произведение событий, противоположное событие?
3. Как определяется относительная частота события и в чем ее отличие от вероятности?
4. Сформулировать классическое определение вероятности.
5. Сформулировать аксиоматическое определение вероятности.
6. Сформулировать геометрическое определение вероятности.
7. В чем заключается совместность и несовместность событий?
8. Записать формулу для вычисления суммы вероятностей противоположных событий.
9. Записать формулу для вычисления вероятности суммы двух событий, если они
несовместны, совместны.
10. В чем заключается зависимость и независимость событий, и как определяется
условная зависимость?
11. Записать формулу для вычисления вероятности произведения событий, если они
независимы, зависимы.
12. Записать формулу полной вероятности и Байеса.
13. Записать формулу Бернулли и при каких условиях справедлива эта формула.
14. При каких условиях используют формулу Пуассона?
15. При каких условиях используют локальную формулу Муавра-Лапласа?
9
16. Как определяется простейший, стационарный (Пуассоновский) поток событий?
17. Как определяются и задаются дискретные и непрерывные случайные величины?
18. Как определяется и какими свойствами обладает функция распределения случайной
величины?
19. Как определяется и какими свойствами обладает плотность вероятностей
непрерывной случайной величины?
20. Как вводятся и что определяют числовые характеристики – математическое
ожидание, дисперсия и среднеквадратичное отклонение для непрерывной случайной
величины?
21. Дать определение числовых характеристик- математическое ожидание, дисперсия и
среднеквадратичное отклонение для дискретной случайной величины?
22. Какими свойствами обладают математическое ожидание, дисперсия и
среднеквадратичное отклонение?
23. Как определяются начальные и центральные моменты случайной величины?
24. Что называется асимметрией и эксцессом случайной величины?
25. Как определяется биномиальное распределение и чему равны его числовые
характеристики?
26. Как определяется пуассоновское распределение и чему равны его числовые
характеристики?
27. Как определяется равномерное распределение и чему равны его числовые
характеристики?
28. Как определяется показательное распределение и чему равны его числовые
характеристики?
29. Как определяется нормальное распределение и чему равны его числовые
характеристики?
30. Какой вероятностный смысл имеют параметры нормального распределения? Как они
влияют на график плотности вероятностей?
31. Как определяется функция распределения нормально распределенной случайной
величины? Как определяется функция распределения нормированной нормальной случайной
величины?
32. Как определить вероятность попадания нормально распределенной случайной
величины в заданный интервал, используя таблицу значений функции Лапласа? В чем
заключается правило "трех сигм"?
33. Сформулировать теоремы Чебышева и Ляпунова и следствия из них?
34. Понятие случайного процесса. Цепь Маркова.
35. Характеристики цепей Маркова.
36. Дать определения генеральной совокупности, выборки, вариационного ряда,
статистической совокупности.
37. Графическое представление статистического ряда и статистической совокупности.
38. Дать определение эмпирической функции распределения.
39. Какие оценки называются точечными, интервальными
40. Перечислить свойства точечных оценок.
41. Суть метода произведений для нахождения точечных оценок и выборочных
моментов.
42. Доверительные интервалы для оценки математического ожидания при известном  и
неизвестном  .
43. Какая область называется критической, правосторонней, левосторонней,
двусторонней?
44. Какая гипотеза называется нулевой, конкурирующей, простой, сложной?
45. Дать определения ошибкам первого и второго рода.
46. Критерий  2 и его применение для проверки статистических гипотез.
47. Критерий Колмогорова и его применение для проверки статистических гипотез.
10
48. Функциональная, статистическая, корреляционная зависимости.
49. Задачи корреляции. Полная и неполная корреляции.
50. Выбор типа выравнивающей линии.
51. Метод средних, метод проб, метод наименьших квадратов.
52. Нахождение параметров выборочного уравнения прямой линии регрессии по
сгруппированным и по не сгруппированным данным.
53. Выборочный коэффициент корреляции. Его свойства.
54. Оценка параметров и ошибок наблюдений. Проверка гипотезы об адекватности
модели регрессии.
55. Нелинейная корреляция. Ранговая корреляция.
56. Однофакторный дисперсионный анализ. Одинаковое число испытаний на всех
уровнях. Неодинаковое число испытаний на различных уровнях.
57. Временные ряды.
4.3. Методические рекомендации по организации СРС
При выполнении индивидуальных домашних заданий необходимо использовать
теоретический материал, делать ссылки на соответствующие теоремы, свойства, формулы и
др. Решение ИДЗ выполняется подробно и содержит необходимые пояснительные ссылки.
4.4. Рекомендации по работе с литературой
В процессе изучения дисциплины «Теория вероятностей и математическая статистика»,
помимо теоретического материала, предоставленного преподавателем во время лекционных
занятий, может возникнуть необходимость в материале учебной литературы.
Наиболее подробно и просто теория большинства тем изложена в учебнике «Теория
вероятностей и математическая статистика», автор Гмурман Е.В., но данный учебник не
содержит примеров решения практических задач.
В качестве учебника для формирования практических навыков решения задач по
математической статистике наилучшим образом подходит «Руководство к решению задач по
теории вероятностей и математической статистике», автор Гмурман В.Е. Этот учебник
содержит практические задачи, часть из которых приведена с решениями, и краткую теорию,
необходимую для их решения.
Кроме учебников студентам рекомендуются учебно-методические издания кафедры
математики и моделирования ВГУЭС.
5. УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ
ДИСЦИПЛИНЫ
5.1. Основная литература
1.Калинина В.Н. Теория вероятностей и математическая статистика. Компьютерноориентированный курс: учебное пособие для вузов. - М.: Дрофа, 2009.
2.Кочетков Е.С. Теория вероятностей и математическая статистика: учебник для вузов. М.: ФОРУМ, 2009.
3.Бычков А.Г. Сборник задач по теории вероятностей, математической статистике и
методам оптимизации. - М.: ФОРУМ, 2009.
6. МАТЕРИАЛЬНО-ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ ДИСЦИПЛИНЫ
Для проведения лекционных занятий по данной дисциплине используются аудитории,
оснащенные мультимедийным оборудованием.
Практические занятия проводятся в компьютерном классе с использованием ППП Excel
и специализированных эконометрических пакетов «Анализ данных» и «Statistika».
11
7. СЛОВАРЬ ОСНОВНЫХ ТЕРМИНОВ
Абсолютно непрерывные случайные величины – случайные величины, у которых
существует плотность вероятностей.
Варианта – элемент выборки.
Вариационный ряд – последовательность вариант, записанных в возрастающем
порядке.
Вероятность события – функция события, удовлетворяющая следующим аксиомам
теории вероятностей:
1) каждому событию ставится в соответствие неотрицательное число;
1) характеристики положения: математическое ожидание; мода; медиана; асимметрия;
эксцесс;
2) вероятность достоверного события равна единице;
2) характеристики рассеивания: дисперсия; среднее квадратичное отклонение; различные
центральные моменты, распределения.
3) для любых несовместных событий вероятность суммы событий равна сумме
вероятностей этих событий;
4) аксиома непрерывности: для любой убывающей последовательности событий такой,
что их пересечение пусто, предел последовательности вероятностей этих событий равен
нулю при n стремящемся к бесконечности.
Выборочная средняя – среднее арифметическая всех значений выборки.
Выборочное корреляционное отношение – величина, указывающая тесноту
корреляционной зависимости.
Гистограмма – геометрическое изображение статистической совокупности.
Дискретная случайная величина – случайная величина, имеющая дискретный спектр.
Дискретный спектр случайной величины – спектр, элементы которого образуют
конечное или счетное множество.
Доверительный интервал – интервал, который с заданной надежностью покрывает
заданный параметр.
Достоверное событие в опыте – событие, происходящее обязательно при повторении
опыта.
Закон или ряд распределения случайной величины – любое правило, таблица или
функция, позволяющая находить вероятности всевозможных событий, связанных со
случайной величиной.
Интервальная оценка – оценка, которая определяется двумя числами – концами
интервала, покрывающего оцениваемый параметр.
Качественный признак – признак, который невозможно измерить точно, но он
позволяет сравнивать объекты между собой и, следовательно, расположить их в порядке
убывания или возрастания качества.
Классическим определением вероятности называют отношение числа случаев,
благоприятствующих появлению события, к общему числу всех возможных и
равновозможных случаев опыта, сводящегося к схеме случаев.
Комулята – кривая накопленных частот.
Конкурирующая (альтернативная) гипотеза – гипотеза, которая противоречит
нулевой гипотезе.
Криволинейная корреляция – когда точки регрессии располагаются вблизи любой
линии.
Критическая область – совокупность значений критерия, при которых нулевую
гипотезу отвергают.
Линейная корреляция – когда точки регрессии располагаются вблизи некоторой
прямой линии.
Метод наибольшего правдоподобия – это метод, который сводится к отысканию
максимума функции одного или нескольких оцениваемых параметров.
12
Мощность критерия – вероятность попадания критерия в критическую область при
условии, что справедлива конкурирующая гипотеза.
Наблюдаемое (эмпирическое) значение – значение критерия, которое вычислено по
выборкам.
Невозможное событие в опыте – событие, никогда не происходящее при повторении
опыта
Независимые события в совокупности, если появление любого из них не зависит от
наступления или ненаступления какого угодно числа остальных событий.
Непрерывная случайная величина – случайная величина, функция распределения
которой непрерывна.
Непрерывный спектр – спектр, элементы которого сплошь заполняют некоторый
промежуток.
Несмещенная оценка генеральной средней – выборочная средняя.
Несмещенная точечная оценка – точечная оценка, математическое ожидание которой
равно оцениваемому параметру при любом объеме выборки.
Несовместные события в данном опыте – события, которые не могут произойти в
данном опыте одновременно.
Нулевая (основная) гипотеза – выдвинутая гипотеза.
Область принятия гипотезы (область допустимых значений) – совокупность
значений критерия, при которых нулевую гипотезу принимают.
Основной принцип проверки статистических гипотез – если наблюдаемое значение
критерия принадлежит критической области, то нулевую гипотезу отвергают; если
наблюдаемое значение критерия принадлежит области принятия гипотезы, то гипотезу
принимают.
Ошибка второго рода – ошибка, которая состоит в том, что будет принята неправильная
нулевая гипотеза.
Ошибка первого года – ошибка, которая состоит в том, что будет отвергнута
правильная нулевая гипотеза.
Полигон – геометрическое изображение статистического распределения.
Полную группу событий в опыте образуют события, попарно несовместные, в
результате опыта хотя бы одно из них происходит обязательно.
Простая гипотеза – гипотеза, содержащая только одно предположение.
Сложная гипотеза – гипотеза, которая состоит из конечного или бесконечного числа
простых гипотез.
Случайная функция – функция неслучайного аргумента, которая при каждом
фиксированном значении аргумента является случайной величиной.
Смещенная точечная оценка – точечная оценка, математическое ожидание которой не
равно оцениваемому параметру.
Статистическая гипотеза – гипотеза о виде неизвестного распределения или о
параметрах известных распределений.
Статистическая оценка – функция от наблюдаемых случайных величин.
Статистический критерий (критерий) – случайная величина, которая служит для
проверки гипотезы.
Статистическое распределение выборки – перечень вариант вариационного ряда и
соответствующих им частот или относительных частот.
Точечная статистическая оценка – статистическая оценка, которая определяется
одним числом
Уровень значимости – вероятность ошибки первого рода.
Условный ноль – варианта с наибольшей частотой.
13