Кремер Теория Вероятностей И Математическая Статистика Doc
Posted By admin On 24.09.19Теория вероятностей и математическая статистика 9-е изд. Решебник Кремера по теории вероятностей и математической статистике.
- Кремер Теория Вероятностей И Математическая Статистика Скачать Doc
- Кремер Теория Вероятностей И Математическая Статистика Pdf
- Кремер Теория Вероятностей И Математическая Статистика Doc
Название: Теория вероятностей и математическая статистика. Автор: Кремер Н.Ш. Это не только учебник, но и краткое руководство к решению задач. Излагаемые основы теории вероятностей и математической статистики сопровождаются большим количеством задач (в том числе экономических), приводимых с решениями и для самостоятельной работы. При этом упор делается на основные понятия курса, их теоретико-вероятностный смысл и применение. Приводятся примеры использования вероятностных и математико-статистических методов в задачах массового обслуживания и моделях финансового рынка.
Оглавление Предисловие 10 Введение 12 Раздел I. Теория вероятностей 15 Глава 1. Основные понятия и теоремы теории вероятностей 16 1.1. Классификация событий 16 1.2. Классическое определение вероятности 18 1.3. Статистическое определение вероятности 20 1.4.
Геометрическое определение вероятности 22 1.5. Элементы комбинаторики 24 1.6.
Непосредственное вычисление вероятностей 28 1.7. Действия над событиями 34 1.8.
Теорема сложения вероятностей 36 1.9. Условная вероятность события. Теорема умножения вероятностей. Независимые события 38 1.10. Решение задач 46 1.11. Формула полной вероятности. Формула Байеса 51 1.12.
Теоретико-множественная трактовка основных понятий и аксиоматическое построение теории вероятностей 56 Глава 2. Повторные независимые испытания 68 2.1. Формула Бернулли 68 2.2. Формула Пуассона 71 2.3. Локальная и интегральная формулы Муавра-Лапласа 73 2.4. Решение задач 79 2.5.
Полиноминальная схема 83 Глава 3. Случайные величины 89 3.1. Понятие случайной величины. Закон распределения дискретной случайной величины 89 3.2. Математические операции над случайными величинами 93 3.3. Математическое ожидание дискретной случайной величины 97 3.4. Дисперсия дискретной случайной величины 101 3.5.
Функция распределения случайной величины 106 3.6. Непрерывные случайные величины.
Плотность вероятности ПО 3.7. Мода и медиана. Моменты случайных величин. Асимметрия и эксцесс 118 3.8.
Решение задач 124 Глава 4. Основные законы распределения 144 4.1. Биномиальный закон распределения 144 4.2.
Закон распределения Пуассона 148 4.3. Геометрическое распределение 151 4.4. Гипергеометрическое распределе1ше 153 4.5. Равномерный закон распределения 155 4.6. Показательный (экспоненциальной) закон распределения 157 4.7.
Нормальный закон распределения 161 4.8. Логарифмически-нормальное распределение 170 4.9. Распределение некоторых случайных величин, представляющих функции нормальных величин 173 Глава 5. Многомерные случайные величины 179 5.1. Понятие многомерной случайной величины и закон ее распределения 179 5.2. Функция распределения многомерной случайной величины 183 5.3. Плотность вероятности двумерной случайной величины 186 5.4.
Условные законы распределения. Числовые характеристики двумерной случайной величины. Регрессия 194 5.5.
Зависимые и независимые случайные величины 196 5.6. Ковариация и коэффициент корреляции 201 5.7. Двумерный (n-мерный) нормальный закон распределения 208 5.8. Функция случайных величин.
Композиция законов распределения 212 Глава 6. Закон больших чисел и предельные теоремы 223 6.1. Неравенство Маркова (лемма Чебышева) 223 6.2. Неравенство Чебышева 225 6.3. Теорема Чебышева 229 6.4.
Теорема Бернулли 234 6.5. Центральная предельная теорема 237 Упражнения 242 Глава 7. Элементы теории случайных процессов и теории массового обслуживания 245 7.1. Определение случайного процесса и его характеристики 245 7.2. Основные понятия теории массового обслуживания 248 7.3. Понятие марковского случайного процесса 250 7.4. Потоки событий 252 7.5.
Уравнения Колмогорова. Предельные вероятности состояний 256 7.6.
Процессы гибели и размножения 261 7.7. СМО с отказами 263 7.8. Понятие о методе статистических испытаний (методе Монте-Карло) 269 Раздел II. Математическая статистика 273 Глава 8. Вариационные ряды и их характеристики 274 8.1. Вариационные ряды и их графическое изображение 274 8.2. Средние величины 280 8.3.
Показатели вариации 284 8.4. Упрощенный способ расчета средней арифметической и дисперсии 288 8.5. Начальные и центральные моменты вариационного ряда 290 Глава 9. Основы математической теории выборочного метода 295 9.1.
Общие сведения о выборочном методе 295 9.2. Понятие оценки параметров 298 9.3.
Методы нахождения оценок 303 9.4. Оценка параметров генеральной совокупности по собственно-случайной выборке 307 9.5. Определение эффективных оценок с помощью неравенства Рао-Крамера-Фреше 316 9.6. Понятие интервального оценивания. Доверительная вероятность и предельная ошибка выборки 319 9.7. Оценка характеристик генеральной совокупности по малой выборке 329 Глава 10.
Проверка статистических гипотез 344 10.1. Принцип практической уверенности 344 10.2. Статистическая гипотеза и общая схема ее проверки 345 10.3.
Проверка гипотез о равенстве средних двух и более совокупностей 354 10.4. Проверка гипотез о равенстве долей признака в двух и более совокупностях 360 10.5. Проверка гипотез о равенстве дисперсий двух и более совокупностей 363 10.6. Проверка гипотез о числовых значениях параметров 368 10.7. Построение теоретического закона распределения по опытным данным. Проверка гипотез о законе распределения 373 10.8.
Проверка гипотез об однородности выборок 383 Глава 11. Дисперсионный анализ 392 11.1.
Кремер Теория Вероятностей И Математическая Статистика Скачать Doc
Однофакторный дисперсионный анализ 392 11.2. Понятие о двухфакторном дисперсионном анализе 400 Глава 12. Корреляционный анализ 409 12.1. Функциональная, статистическая и корреляционная зависимости 409 12.2. Линейная парная регрессия 412 12.3.
Коэффициент корреляции 421 12.4. Основные положения корреляционного анализа. Двумерная модель 427 12.5. Проверка значимости и интервальная оценка параметров связи 430 12.6.
Корреляционное отношение и индекс корреляции 435 12.7. Понятие о многомерном корреляционном анализе. Множественный и частный коэффициенты корреляции 440 12.8. Ранговая корреляция 446 Глава 13.
Регрессионный анализ 457 13.1. Основные положения регрессионного анализа. Парная регрессионная модель 457 13.2. Интервальная оценка функции регрессии 459 13.3.
Проверка значимости уравнения регрессии. Интервальная оценка параметров парной модели 464 13.4. Нелинейная регрессия 469 13.5.
Множествеш1ыи регрессионный анализ 473 13.6. Корреляционная матрица и ее выборочная оценка 482 13.7. Определение доверительных интервалов для коэффициентов и функции регрессии 484 13.8.
Оценка взаимосвязи перемешшгх. Проверка значимости уравнения множественной регрессии 488 13.9. Мулътиколлииеарность 492 13.10. Понятие о других методах многомерного статистического анализа 494 Глава 14. Введение в анализ временных рядов 500 14.1.
Кремер Теория Вероятностей И Математическая Статистика Pdf
Общие сведения о временных рядах и задачах их анализа 500 14.2. Стационарные временные ряды и их характеристики. Автокорреляционная функция 502 14.3.
Аналитическое выравнивание (сглаживание) временного ряда (выделение неслучайной компоненты) 505 14.4. Временные ряды и прогнозирование. Автокорреляция возмущений 510 14.5. Авторегрессионная модель 516 Глава 15. Линейные регрессионные модели финансового рынка 519 15.1.
Регрессионные модели 519 15.2. Рыночная модель 521 15.3.
Модели зависимости от касательного портфеля 523 15.4. Неравновесные и равновесные модели 526 15.5.
Модель оценки финансовых активов (САРМ) 528 15.6. Связь между ожидаемой доходностью и риском оптимального портфеля 529 15.7. Многофакторные модели 530 Библиографический список 533 Ответы к упражнениям 535 Приложения. Математико-статистические таблицы 553 Предметный указатель. Независимости событий. Говоря о независимости событий, отметим следующее. В основе независимости событий лежит их физическая независимость, означающая, что множества случайных факторов, приводящих к тому или иному исходу испытания, не пересекаются (или почти не пересекаются).
Например, если в цехе имеются две установки, никак не связанные между собой по условиям производства, то простой каждой установки - события независимые. Если эти установки связаны единым технологическим циклом, то простой одной из установок зависит от состояния работы другой.
Вместе с тем, если множества случайных факторов пересекаются, то появляющиеся в результате испытания события не обязательно зависимые. Пусть, например, рассматриваются события: А - извлечение наудачу из колоды карты пиковой масти; В - извлечение наудачу из колоды туза.
Кремер Теория Вероятностей И Математическая Статистика Doc
Необходимо выяснить, являются ли события А и В зависимыми. На первый взгляд, можно предполагать зависимость событий А и В в силу пересечения случаев, им благоприятствующих: среди карт пиковой масти есть туз, а среди тузов - карта пиковой масти.