- •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
или 591, 28 < M ( X ) < 594, 72 с вероятностью 0,99.
б) В случае неизвестной дисперсии ее можно оценить на основе тех же опытных данных:
|
2 |
» s |
2 |
(592 -593)2 + (595-593)2 +K + (590 -593) |
2 |
6,5, |
||
s |
|
|
= |
|
||||
|
|
|
|
8 |
|
|
||
|
|
|
|
s = |
6,5 |
» 2,55. |
|
|
По таблице распределения Стьюдента (см. прил., табл. П3) для n – 1 = 9 – 1 = 8
степеней свободы и заданной вероятностиg = 0,99 |
находим tg =3,355. |
|||||||
Тогда по формуле (3.4.6) |
|
|
|
|||||
593 – 3,355 × |
2,55 |
|
< M ( X ) < 593+3,355 × |
2,55 |
|
|
||
|
|
|
|
|
|
|||
9 |
|
|
|
9 |
|
|
или 590,15 < M ( X ) < 595,85 с вероятностью 0,99.
Ответ. а) 591, 28 < M ( X ) < 594, 72 ; б) 590,15 < M ( X ) < 595,85 .
Задача 3.10. Случайная величинаX имеет нормальный закон распределения. Построить доверительный интервал для математического ожидания этой случайной величины при уровне надежностиg = 0,9 в предположении, что:
а) дисперсия случайной величины неизвестна; б) дисперсия случайной величины известна и равна 1,44.
(См. пример 3.10 и исходные данные к задаче 3.11.)
3.5. Доверительный интервал для дисперсии
Пусть случайная величина X имеет нормальный закон распределения
N (m,s2 ), где m и s2 |
неизвестны. |
Пусть Х1, Х 2 ,K, Х n |
|
|
–– результаты n |
||||||||||||||||||
независимых наблюдений этой случайной величины. |
|
|
|
|
(n -1)s2 |
|
|||||||||||||||||
В этих условиях, согласно теореме Фишера, величина |
имеет |
||||||||||||||||||||||
|
s2 |
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
распределение c2 |
(распределение «хи-квадрат») с n – 1 степенью свободы. |
||||||||||||||||||||||
Назначим уровень надежности g и подберем числа n1 и n2 так, чтобы |
|||||||||||||||||||||||
|
|
|
æ (n -1)s2 |
ö |
1 - g |
æ (n -1)s2 |
ö |
1 |
- g |
|
|
||||||||||||
|
|
P ç |
|
|
|
|
£ n1 ÷ |
= |
|
|
и P ç |
|
|
³ n2 |
÷ = |
|
|
|
|
. |
|
||
|
|
|
s |
2 |
|
2 |
|
s |
2 |
|
|
2 |
|
|
|||||||||
|
|
è |
|
|
|
ø |
|
|
è |
|
|
ø |
|
|
|
|
|
||||||
Тогда P æn < |
(n -1)s2 |
< n =ö |
g. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
ç |
1 |
|
|
s |
2 |
|
|
2 ÷ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
è |
|
|
|
|
|
|
ø |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Величины n1 и n2 |
удовлетворяют равенствам |
|
|
|
|
|
|
|
197
|
|
n1 |
- g |
|
+¥ |
|
1 - g |
|
|
|
|
|
|
ò fn-1 (x)dx = |
1 |
и |
ò |
f (x)dx = |
, |
|
|
||
|
|
|
2 |
|
|
|
|||||
|
|
0 |
|
|
n2 |
2 |
|
|
|
||
|
|
|
|
|
|
|
|
n – 1 |
|
||
где fn -1 (x) |
плотность распределения «хи-квадрат» с |
степенью |
|||||||||
свободы. |
|
|
|
|
|
|
|
|
|
|
|
Решения этих уравнений находят с помощью таблиц (см. прил., табл. П4). |
|||||||||||
Для |
n1 |
входы таблицы: |
r = n – 1 |
и b = (1 + g) / 2 . |
Для |
n2 входы |
|||||
таблицы: |
r = n – 1 и b = (1 - g) / 2 . |
|
|
|
|
|
|
|
|
Рис. 3.5.1
Если n1 и n2 (см. рис. 3.5.1) найдены, то
|
|
|
(n -1)s2 |
|
|
(3.5.1) |
||||
|
n < |
|
|
|
|
< n |
|
|
||
s2 |
|
|
|
|||||||
1 |
|
|
|
2 |
|
|
||||
или |
|
|
|
|
|
|
|
|
||
|
(n -1)s2 |
< s |
2 |
< |
(n -1)s2 |
|
||||
|
|
|
|
|
|
|
. |
(3.5.2) |
||
|
n2 |
|
|
n1 |
|
|||||
|
|
|
|
|
|
|
|
Это и есть доверительный интервал для дисперсии, соответствующий уровню надежности g.
Пример 3.11. Даны результаты наблюдений случайной величины, имеющей нормальный закон распределения с неизвестными параметрами:
Х1 = 0,7 , |
Х 2 = 3,1, |
Х 3 = -0,9 , |
Х 4 =1,8 , |
Х 5 = 2, 2 , Х 6 = -0,3, |
Х 7 =1,9 , |
||||||||||||
Х8 = 4,2 , |
Х 9 =1,5 , |
Х8 = 2,8 . Требуется построить доверительный интервал |
|||||||||||||||
для дисперсии при уровне надежности g = 0,9 . |
|
|
|
||||||||||||||
Решение. Оценим сначала математическое ожидание: |
|
|
|
||||||||||||||
|
|
|
|
|
0,7 + 3,1 - 0,9 +1,8 + 2, 2 - 0,3 +1,9 + 4, 2 +1,5 + 2,8 |
|
|
||||||||||
M ( X ) » |
X |
1,7 . |
|||||||||||||||
|
|
|
|
|
|
|
10 |
|
= |
||||||||
По формуле (3.1.3) оценим дисперсию |
|
|
|
|
|||||||||||||
|
|
|
|
|
|||||||||||||
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
å( X i |
|
|
)2 |
|
|
|
|
|
|
|
|
|||
|
|
- X |
|
|
2 |
+ (3,1 |
2 |
-1,7) |
2 |
|
|||||||
D( X ) » s2 |
|
i=1 |
|
|
(0,7 -1,7) |
|
-1,7)= +K+ (2,8 |
|
» 2,39. |
||||||||
|
|
n -1 |
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
9 |
|
|
|
Обратимся к таблице распределения «хи-квадрат» (см. прил., табл. П4).
198
Для величины n1 |
входы таблицы: r = n – 1 =10 – 1 =9 и b (1 += g) / 2 = |
|
|
|||||||||
= (1 + 0,9) / 2 = 0,95. По таблице находим n1 = 3,32. Для n2 |
входы таблицы: |
|
|
|||||||||
r = n – 1 = 9 и b (1=– g) / 2 = 0,05. По таблице находим n2 =16,92. |
|
|
|
|||||||||
В итоге с вероятностью g = 0,9 имеем, в соответствии с формулой |
|
|
|
|||||||||
(3.5.1), |
|
9 × 2,39 |
|
|
9 × 2,32 |
|
9 × 2,39 |
|
|
|
|
|
3,32 < |
<16,92 или 1,27 = |
< s2 < |
= 6,29. |
|
|
|
||||||
|
|
|
|
|
|
|||||||
|
|
s2 |
16,92 |
3,32 |
|
|
|
|
|
|||
Для |
среднего |
квадратического |
отклонения |
|
имеем |
с |
той |
же |
||||
надежностью g = 0,9 доверительный интервал 1,13 < s < 2,5. |
|
|
|
Ответ. (1,27;6,29).
Задача 3.11. По приведенным данным наблюдений случайной величины X, имеющей нормальный закон распределения, постройте доверительный интервал для дисперсии при уровне надежностиg = 0,96 в нечетных вариантах и g = 0,8 в четных вариантах. (См. пример 3.11 и исходные данные.)
Исходные данные к задаче 3.11.
|
№ |
X1 |
X2 |
X3 |
X4 |
X5 |
X6 |
X7 |
X8 |
X9 |
|
1 |
1,9 |
0,4 |
3,3 |
1,5 |
0,9 |
2,6 |
2,4 |
1,4 |
2,7 |
|
||||||||||
2 |
3,5 |
2,1 |
2,4 |
2,8 |
0,5 |
2,5 |
2,8 |
0,5 |
2,5 |
|
3 |
3,7 |
2,9 |
3,6 |
6,3 |
4,4 |
3,2 |
5,1 |
4,8 |
2,1 |
|
4 |
2,6 |
1,5 |
3,3 |
2,5 |
0,9 |
4,9 |
2,2 |
3,1 |
4,2 |
|
5 |
1,7 |
0,2 |
3,1 |
1,3 |
2,4 |
0,7 |
1,2 |
2,5 |
2,2 |
|
6 |
2,8 |
1,5 |
1,7 |
2,7 |
1,1 |
5,1 |
2,2 |
4,5 |
3,3 |
|
7 |
3,6 |
6,2 |
5,1 |
4,4 |
3,2 |
4,8 |
2,1 |
3,7 |
2,9 |
|
8 |
1,6 |
0,1 |
3,0 |
1,2 |
0,6 |
2,3 |
2,1 |
1,1 |
2,4 |
|
9 |
3,2 |
2,4 |
0,8 |
4,8 |
2,1 |
3,0 |
4,1 |
2,5 |
1,4 |
|
10 |
1,5 |
2,9 |
0,1 |
1,1 |
0,4 |
2,2 |
2,0 |
1,0 |
2,3 |
|
11 |
2,3 |
0,7 |
4,7 |
2,0 |
2,9 |
4,0 |
2,4 |
1,3 |
3,1 |
|
12 |
0,3 |
1,4 |
0,0 |
2,8 |
1,0 |
2,1 |
1,9 |
0,9 |
2,2 |
|
13 |
5,0 |
3,4 |
2,6 |
1,0 |
2,3 |
3,2 |
1,6 |
4,3 |
2,7 |
|
14 |
2,2 |
3,6 |
0,6 |
1,1 |
2,7 |
1,7 |
2,6 |
1,5 |
2,9 |
|
15 |
3,6 |
2,3 |
1,2 |
0,7 |
2,9 |
1,8 |
2,7 |
3,0 |
1,6 |
|
16 |
2,0 |
3,4 |
0,4 |
2,7 |
0,9 |
2,5 |
1,5 |
1,3 |
2,4 |
|
17 |
6,1 |
3,1 |
4,3 |
5,0 |
4,7 |
2,0 |
3,6 |
2,8 |
3,5 |
|
18 |
2,6 |
0,3 |
3,2 |
1,4 |
0,8 |
1,3 |
1,8 |
2,5 |
2,3 |
|
19 |
0,9 |
2,6 |
2,4 |
1,4 |
2,7 |
1,9 |
0,4 |
3,3 |
1,5 |
|
20 |
2,8 |
0,5 |
2,5 |
2,8 |
0,5 |
2,5 |
3,5 |
2,1 |
2,4 |
|
21 |
6,3 |
4,4 |
3,2 |
3,7 |
2,9 |
3,6 |
5,1 |
4,8 |
2,1 |
|
22 |
4,9 |
2,2 |
3,1 |
4,2 |
2,6 |
1,5 |
3,3 |
2,5 |
0,9 |
|
23 |
0,2 |
3,1 |
1,3 |
2,4 |
1,7 |
0,7 |
1,2 |
2,5 |
2,2 |
|
24 |
1,7 |
2,7 |
1,1 |
5,1 |
2,2 |
2,8 |
1,5 |
4,5 |
3,3 |
|
25 |
3,2 |
4,8 |
2,1 |
3,7 |
2,9 |
3,6 |
6,2 |
5,1 |
4,4 |
|
26 |
2,3 |
2,1 |
1,1 |
2,4 |
1,6 |
0,1 |
3,0 |
1,2 |
0,6 |
199