- •ПРЕДИСЛОВИЕ
- •ОСНОВНЫЕ ОБОЗНАЧЕНИЯ
- •1. КОМБИНАТОРИКА
- •2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •2.1. Классическое определение вероятности
- •2.2. Геометрические вероятности
- •2.3. Теоремы сложения и умножения вероятностей
- •2.4. Формула полной вероятности
- •2.5. Формулы Байеса
- •2.6. Повторные независимые испытания
- •2.6.1. Формула Бернулли
- •2.6.2. Обобщенная формула Бернулли
- •2.7. Простейший (пуассоновский) поток событий
- •2.8. Случайные величины. Функция распределения. Функция плотности вероятности. Числовые характеристики
- •2.8.1. Случайные величины
- •2.8.2. Функция распределения
- •2.8.3. Функция плотности вероятности
- •2.8.4. Числовые характеристики случайных величин
- •2.9. Нормальный закон распределения
- •2.10. Асимптотика схемы независимых испытаний
- •2.10.2. Формула Пуассона
- •2.11. Функции случайных величин
- •2.12. Функции нескольких случайных аргументов
- •2.12.1. Свертка
- •2.12.2. Распределение системы двух дискретных случайных величин
- •2.12.3. Распределение функции двух случайных величин
- •2.13. Центральная предельная теорема
- •2.14. Ковариация
- •2.14.1. Корреляционная зависимость
- •2.14.2. Линейная корреляция
- •2.15. Функциональные преобразования двухмерных случайных величин
- •2.16. Правило «трех сигм»
- •2.17. Производящие функции. Преобразование Лапласа. Характеристические функции
- •2.17.1. Производящие функции
- •2.17.2. Преобразование Лапласа
- •2.17.3. Характеристические функции
- •3. МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •3.1. Точечные оценки
- •3.1.1. Свойства оценок
- •3.1.2. Оценки для математического ожидания и дисперсии
- •3.1.3. Метод наибольшего правдоподобия для оценки параметров распределений
- •3.1.4. Метод моментов
- •3.2. Доверительный интервал для вероятности события
- •3.3. Проверка гипотезы о равенстве вероятностей
- •3.4. Доверительный интервал для математического ожидания
- •3.4.1. Случай большой выборки
- •3.4.2. Случай малой выборки
- •3.5. Доверительный интервал для дисперсии
- •3.6. Проверка статистических гипотез
- •3.6.1. Основные понятия
- •3.6.2. Критерий согласия «хи-квадрат»
- •3.6.3. Проверка гипотезы о независимости двух случайных величин
- •3.6.4. Проверка параметрических гипотез
- •3.6.5. Проверка гипотезы о значении медианы
- •3.6.6. Проверка гипотезы о равенстве математических ожиданий
- •3.7. Регрессионный анализ. Оценки по методу наименьших квадратов
- •3.8. Статистические решающие функции
- •4. СЛУЧАЙНЫЕ ПРОЦЕССЫ
- •4.1 Стационарные случайные процессы
- •4.2. Преобразование случайных процессов динамическими системами
- •4.3. Процессы «гибели и рождения»
- •4.4. Метод фаз Эрланга
- •4.5. Марковские процессы с дискретным множеством состояний. Цепи Маркова
- •4.6. Марковские процессы с непрерывным временем и дискретным множеством состояний
- •4.7. Модели управления запасами
- •4.8. Полумарковские процессы
- •5. НЕКОТОРЫЕ ИНТЕРЕСНЫЕ ЗАДАЧИ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ПРИЛОЖЕНИЯ
- •ОГЛАВЛЕНИЕ
неизвестна. (Иначе говоря, сколько нужно проделать независимых опытов, чтобы по их результатам можно было построить для неизвестной вероятности события доверительный интервал шириной2a с надежностью
g?) (См. пример 3.6 и исходные данные.)
Исходные данные к задаче 3.6.1.
|
№ |
p |
a |
g |
№ |
p |
a |
g |
|
№ |
p |
a |
g |
|
1 |
0,55 |
0,02 |
0,95 |
11 |
0,69 |
0,02 |
0,99 |
|
21 |
0,41 |
0,02 |
0,97 |
|
|
||||||||||||
2 |
0,56 |
0,03 |
0,96 |
12 |
0,71 |
0,03 |
0,90 |
22 |
0,40 |
0,03 |
0,98 |
||
3 |
0,58 |
0,04 |
0,97 |
13 |
0,72 |
0,04 |
0,95 |
23 |
0,39 |
0,04 |
0,99 |
||
4 |
0,59 |
0,05 |
0,98 |
14 |
0,73 |
0,05 |
0,96 |
24 |
0,38 |
0,05 |
0,90 |
||
5 |
0,60 |
0,06 |
0,99 |
15 |
0,74 |
0,06 |
0,97 |
25 |
0,37 |
0,06 |
0,95 |
||
6 |
0,62 |
0,07 |
0,9 |
16 |
0,75 |
0,07 |
0,98 |
26 |
0,36 |
0,07 |
0,96 |
||
7 |
0,64 |
0,08 |
0,95 |
17 |
0,45 |
0,08 |
0,99 |
27 |
0,35 |
0,08 |
0,97 |
||
8 |
0,65 |
0,09 |
0,96 |
18 |
0,44 |
0,09 |
0,9 |
28 |
0,34 |
0,09 |
0,98 |
||
9 |
0,66 |
0,10 |
0,97 |
19 |
0,43 |
0,10 |
0,95 |
29 |
0,33 |
0,10 |
0,99 |
||
10 |
0,68 |
0,01 |
0,98 |
20 |
0,42 |
0,01 |
0,96 |
30 |
0,32 |
0,01 |
0,95 |
Задача 3.6.2. |
Вероятность события равнаb/100. Сколько нужно |
||||
сделать независимых опытов, чтобы с надежностьюg можно было |
|||||
гарантировать, что |
частота |
события |
в |
этих опытах |
отличается от |
вероятности события |
не более, |
чем на a? |
(См. |
пример 3.6 и |
исходные |
данные к задаче 3.6.1, b –– номер варианта.)
3.3. Проверка гипотезы о равенстве вероятностей
Пусть некоторое событиеА в серии изn1 независимых опытов произошло k1 раз, а в серии изn2 независимых опытов это событие появилось k2 раза. Пусть каждая серия состоит из достаточно большого числа опытов (хотя бы несколько десятков опытов в каждой )серии. Требуется проверить гипотезу о том, что вероятность появления события в каждой серии одинакова и равна р.
Если частоты появления события k1 и k2 в этих серия не принимают n1 n2
значений |
близких |
к0 или |
1, |
то по |
центральной |
предельной |
|
теореме |
||||||
частоты |
имеют |
близкие |
|
к |
нормальному |
законы |
|
распределени: |
||||||
æ |
p(1 - p) |
ö |
|
æ |
p(1 - p) |
ö |
|
|
|
|
||||
N ç p; |
÷ |
и |
N ç p; |
÷ |
соответственно. |
Поэтому |
в |
силу |
||||||
n1 |
|
|
||||||||||||
è |
|
ø |
|
è |
|
n2 |
|
ø |
|
|
|
|
190
устойчивости нормального закона распределения разность частотk1 - k2 n1 n2
æ |
æ |
1 |
|
1 |
öö |
имеет закон распределения N ç0; p(1 |
- p)ç |
|
+ |
|
÷÷. |
|
n2 |
||||
è |
è n1 |
|
øø |
Заметим, что большие различия в частотах появления события свидетельствуют против гипотезы. Поэтому к критическим следует отнести
те серии наблюдений, для которыхk1 - k2 > C , где С –– некоторая n1 n2
положительная постоянная. Если уровень значимости выбрать равнымa, то постоянная С определяется из равенства
|
|
|
|
|
|
|
|
|
|
æ |
|
|
|
|
|
ö |
|
||
æ |
|
k |
|
k |
|
|
|
ö |
ç |
|
C |
|
|
÷ |
|
||||
|
|
2 |
|
|
ç |
|
|
|
÷ |
|
|||||||||
P ç |
|
|
1 |
- |
|
|
> C= |
÷ |
1 - 2F = |
|
|
|
|
|
|
|
|
a. |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
n1 |
|
n2 |
|
|
|
ç |
|
|
|
|
|
÷ |
|
||||
è |
|
|
|
|
ø |
ç |
|
æ 1 1 ö ÷ |
|
||||||||||
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
ç |
|
p(1 - p)ç |
|
+ |
|
÷ ÷ |
|
||
|
|
|
|
|
|
|
|
|
|
n |
n |
|
|||||||
|
|
|
|
|
|
|
|
|
|
è |
|
è 1 |
2 |
ø ø |
|
Если по таблице |
функции Лапласа(см. прил., |
табл. П2) |
найти ta |
|||||
|
|
æ |
1 |
|
1 |
ö |
|
|
такое, чтобы 1 – 2F(=ta ) |
a, то следует выбрать C = ta |
р(1 - р)ç |
+ |
÷ |
. К |
|||
|
n2 |
|||||||
|
|
è n1 |
|
ø |
|
критическим следует отнести те серии наблюдений, в которых модуль
разности частот |
|
больше величиныt р(1 - р) |
æ 1 |
+ |
1 |
ö |
. В последнем |
||
ç |
|
|
÷ |
||||||
|
|
|
a |
|
|
n2 |
|
||
|
|
|
|
è n1 |
|
ø |
|
||
равенстве в качестве оценки неизвестной |
вероятности можно взять |
||||||||
величину р% = |
k1 + k2 |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
n + n |
|
|
|
|
|
|
||
1 |
2 |
|
|
|
|
|
|
|
Пример 3.7. В 225 независимых опытах событие A появилось 78 раз. В контрольной серии из 64 независимых опытов было зарегистрировано 12 появлений события. Можно ли считать, что вероятность событияA одинакова в обеих сериях опытов при уровне значимости b = 0,04 ?
Решение. Предположим, что вероятности события в этих опытах одинаковы. По таблице функции Лапласа(см. прил., табл. П2) находим, что 1 - 2F(2,06) = 0,04. Оценкой неизвестной вероятности в предположении, что гипотеза о равенстве вероятностей верна, может служить величина
р% = 78 +12 = 0,31. Поэтому критическую область составят те серии
225 + 64
опытов, в которых модуль разности частот превысит величину
191