- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
Пусть из генеральной совокупности, распределенной по нормальному закону , взята выборка объемаnи вычислена исправленная выборочная дисперсия. Требуется определить с надежностьюgинтервальные оценки дляs 2иs.
Случайная величина имеет распределение Пирсона () с степенями свободы. Имеем:.
По таблице - распределения нужно выбрать такиеи, чтобы площадь, заключенная под графиком плотности распределениямеждуи, была равна. Обычно:.
Тогда: Поскольку таблица содержит лишь, тотогда из
:, т.е.Эта формула используется при решении обратной задачи – нахождение доверительной вероятности по заданному доверительному интервалу генеральной дисперсии.инаходим из равенств:Запишем неравенство из:и преобразуем его:.
Если , то доверительный интервал дляs:. Если, то, гдеопределяется по таблице функции Лапласа:
Можно по упрощенной формуле (Гмурман): , где параметрнаходят по таблице приложения 4 (Гмурман) по заданнымn и g.
Пример.По результатам контроляn = 9 деталей вычисленомм. В предположении, что ошибка распределена нормально, определить приg = 0,95 доверительный интервал дляs.
;.
По таблице для ,, (мм).
Интервальная оценка для генеральной доли
Пусть в nнезависимых испытаниях событиеА, вероятность появления которого равнар, имело местоmраз(), тогда границы доверительного интервала для генеральной доли:, гдеопределяется по таблице Лапласа:
Пример. При испытании зерна на всхожесть из 400 зерен проросло 384. С надежностьюg = 0,98 определить доверительный интервал для генеральной долир.
,(Лаплас),, точность оценки:;.
Глава 24. Статистическая проверка статистических гипотез
24.1. Статистическая проверка статистических гипотез
Статистической называют гипотезу о виде неизвестного распределения или о параметрах известных распределений.
Нулевой (основной) называют выдвинутую гипотезу .
Конкурирующей называют гипотезу Н1, которая противоречит нулевой. Если выдвинутая гипотеза будет отвергнута, то имеет место конкурирующая гипотеза.
Выдвинутая гипотеза может быть правильной или неправильной, т.е. ее необходимо проверять. В итоге статистической проверки гипотез в двух случаях может быть принято неправильное решение:
ошибка 1 рода – будет отвергнута правильная гипотеза;
ошибка 2 рода – будет принята неправильная гипотеза.
Для проверки статистической гипотезы используют статистический критерий, т.е. правило, устанавливающее условия, при которых проверяемую гипотезу следует либо принять, либо отвергнуть. Основу критерия составляет специальная случайная величина (статистика) Kс известным законом распределения. Задаваясь уровнем значимости, т.е. вероятностью совершить ошибку 1 рода, критерий позволяет разбить все множество значений статистики на 2 непересекающихся подмножества: область принятия гипотезы и критическую область (область отклонения гипотезы).
Основной принцип проверки гипотезы: если значение статистики, рассчитанное для выборки, попадает в критическую область, то гипотезу отвергают, в противном случае – гипотезу принимают. В зависимости от вида конкурирующей гипотезы Н1 выбирают:
правостороннюю критическую область . Критическое значение статистикивычисляем из условия.
левостороннюю критическую область: ,.
двухсторонняя критическая область: Обычно считают, что,и если критические точки симметричны относительно нуля, то.
Схема проверки гипотез
По условию задачи формулируют основную и конкурирующую гипотезы.
Задают величину уровня значимости a: 0,05; 0,01; 0,001.
Выбирают статистику, определяющую критерии проверки и выясняют ее закон распределения.
С помощью закона распределения статистики определяют при уровне значимостиa(т.е. границы критической области).
По результатам выборки вычисляют значение статистики . Еслипопадает в критическую область, то гипотезу отвергают, если нет – принимают.