Теория вероятностей и математическая статистика

Бакалавриат 2020/2021

Статус: Курс обязательный (Программная инженерия)

Направление: 09.03.04. Программная инженерия

Кто читает: Кафедра высшей математики

Где читается: Факультет экономики, менеджмента и бизнес-информатики

Когда читается: 2-й курс, 1, 2 модуль

Формат изучения: без онлайн-курса

Преподаватели: Радионова Марина Владимировна, Скорнякова Анна Юрьевна

Язык: русский

Кредиты: 5

Контактные часы: 64

Полная версия программы учебной дисциплины Задать вопрос

Аннотация

Курс «Теория вероятностей и математическая статистика » призван сформировать у студентов навыки работы с абстрактными понятиями высшей математики, умения решать типовые задачи дисциплины,знакомство с прикладными задачами дисциплины; В результате освоения учебной дисциплины, студенты должны владеть следующими знаниями, умениями и навыками:  знать основные понятия теории вероятностей и математической статистики, необходимые для дальнейшего изучения других дисциплин, предусмотренных учебным планом;  уметь применять методы дисциплины для решения задач, возникающих в других дисциплинах;  владеть навыками применения современного инструментария дисциплины.

Цель освоения дисциплины

 приобретение студентами базовых знаний по теории вероятностей и математической статистике;
 формирование навыков работы с абстрактными понятиями высшей математики;
 знакомство с прикладными задачами дисциплины;
 формирование умения решать типовые задачи дисциплины.

Планируемые результаты обучения

Решает задачи на комбинаторику, вычисляет вероятности случайных событий, законы распределения и числовые характеристики случайных величин и векторов, умеет находить предельное распределение нормированных сумм случайных величин
Решает задачи теории статистического оценивания и проверки гипотез

Содержание учебной дисциплины

Теория вероятностей
Тема 1. Исчисление вероятностей случайных событий Предмет теории вероятностей. Сущность и условия применимости теории вероятностей. Основные понятия теории вероятностей. Испытание, событие, вероятность. Вероятностное пространство. Формальное определение событий на языке теории множеств и их свойства. Статистическое определение вероятности, частотная оценка вероятности. Классический и геометрический методы определения вероятности. Аксиоматическое определение вероятности. Условная вероятность и независимость событий. Основные формулы для вычисления вероятностей. Формулы для вычисления вероятностей объединения и пересечения событий, формула полной вероятности и формулы Байеса. Схема независимых повторных испытаний, формула Бернулли. Тема 2. Случайные величины и вектора Случайные величины и способы их описания. Функция распределения случайной величины и ее основные свойства. Дискретные и непрерывные случайные величины. Ряд распределения и плотность распределения случайной величины. Модели законов распределения вероятностей, наиболее употребляемые в социально-экономических приложениях: биномиальное, пуассоновское, гипергеометрическое, отрицательно-биномиальное, нормальное, показательное. Многомерные аналоги этих распределений. Асимптотические приближения биномиального распределения (пуассоновское и нормальное). Закон распределения вероятностей для функций от известных случайных величин. Методы получения распределений функций случайных величин. Числовые характеристики случайных величин и векторов: математичеcкое ожидание, моменты, ковариационные момент и матрица, коэффициент корреляции; их основные свойства. Цепи Маркова и их использование в моделировании социально-экономических процессов: понятие, примеры применения в демографии и теории массового обслуживания. Корреляция и регрессия. Понятие о регрессионной и корреляционной зависимостях. Задача о наилучшем линейном приближении и связанные с ней числовые характе¬ристики. Тема 3. Предельное поведение нормированных сумм случайных величин Вероятностные неравенства: неравенства Чебышева и Маркова. Сходимость последовательности случайных величин по вероятности и по распределению. Законы больших чисел и их применение в математической статистике, статистическом моделировании. Условия сходимости к нормальному закону в форме центральной предельной теоремы.
Математическая статистика.
Тема 1. Элементы теории статистического оценивания Статистические методы обработки экспериментальных данных. Основные понятия и задачи математической статистики. Генеральная совокупность, выборка, результаты наблюдений, статистика, статистическая оценка, требования к оценкам. Состоятельные оценки и методы их получения. Методы моментов, квантилей и максимума правдоподобия. Понятие эффективной оценки и условия эффективности. Примеры эффективных и неэффективных оценок. Доверительное оценивание. Приближенные методы построения довери¬тельных множеств, основанные на асимптотических свойствах оценок. Точные методы построения с помощью центральных статистик. Интервальные оценки для вероятностей, математического ожидания и дисперсии. Тема 2. Проверка статистических гипотез Общие понятия теории проверки гипотез. Схема проверки статистической гипотезы. Лемма Неймана-Пирсона, равномерно наиболее мощные, несмещенные и состоятельные критерии. Критерии независимости, однородности и согласия: хи-квадрат, Колмогорова-Смирнова, Мана - Уитни и другие. Проверка параметрических гипотез.

Элементы контроля

Контрольная работа
Домашняя работа
Самостоятельная работа
Контактная работа
Экзамен
Контрольная работа
Домашняя работа
Самостоятельная работа
Контактная работа
Экзамен
Экзамен будет проходить в онлайн-конференции в зум. Далее само тестирование будет проходить в траектории! Продолжительность экзамена 60 минут. Решения экзамена нужно будет сфотографировать или отсканировать и прикрепить в ЛМС в проекты в течение 1,5 часов после экзамена.

Промежуточная аттестация

Промежуточная аттестация (2 модуль)
0.2 * Домашняя работа + 0.1 * Контактная работа + 0.2 * Контрольная работа + 0.1 * Самостоятельная работа + 0.4 * Экзамен

Программа дисциплины