- •§ 2. Закон распределения вероятностей дискретной двумерной случайной величины
- •§ 3. Функция распределения двумерной случайной величины.
- •§ 4. Свойства функции распределения двумерной случайной величины
- •§ 5. Вероятность попадания случайной точки в полуполосу
- •§ 6. Вероятность попадания случайной точки в прямоугольник
- •§ 7. Плотность совместного распределения вероятностей непрерывной двумерной случайной величины (двумерная плотность вероятности)
- •§ 8. Нахождение функции распределения системы по известной плотности распределения
- •§ 9. Вероятностный смысл двумерной плотности вероятности.
- •§ 10. Вероятность попадания случайной точки в произвольную область
- •§11. Свойства двумерной плотности вероятности
- •§ 12. Отыскание плотностей вероятности составляющих двумерной случайной величины
- •§ 13. Условные законы распределения составляющих системы дискретных случайных величин
- •§ 14. Условные законы распределения составляющих системы непрерывных случайных величин
- •§ 15. Условное математическое ожидание
- •§ 16. Зависимые и независимые случайные величины
- •§ 17. Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции
- •§ 18. Коррелированность и зависимость случайных величин
- •§ 19. Нормальный закон распределения на плоскости
- •§ 20. Линейная регрессия. Прямые линии среднеквадратической регрессии
- •§ 21. Линейная корреляция. Нормальная корреляция
- •§ 1. Задачи математической статистики
- •§ 2. Краткая историческая справка
- •§ 3. Генеральная и выборочная совокупности
- •§ 4 Повторная и бесповторная выборки. Репрезентативная выборка
- •§ 5. Способы отбора
- •§ 6. Статистическое распределение выборки
- •§ 7. Эмпирическая функция распределения
- •§ 8. Полигон и гистограмма
- •§ 1. Статистические оценки параметров распределения
- •§ 2. Несмещенные, эффективные и состоятельные оценки
- •§ 3. Генеральная средняя
- •§ 4. Выборочная средняя
- •§ 5. Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних
- •§ 6. Групповая и общая средние
- •§ 7. Отклонение от общей средней и его свойство
- •§ 8. Генеральная дисперсия
- •§ 9. Выборочная дисперсия
- •§ 10. Формула для вычисления дисперсии
- •§11. Групповая, внутригрупповая, межгрупповая и общая дисперсии
- •§ 12. Сложение дисперсий
- •§ 13. Оценка генеральной дисперсий по исправленной выборочной
- •§14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ
- •§ 16. Доверительные интервалы для оценки математического ожидания нормального распределения при неизвестном σ
- •§ 17. Оценка истинного значения измеряемой величины
- •§ 18. Доверительные интервалы для оценки среднего квадратического отклонения σ нормального распределения
- •§ 19. Оценка точности измерений
- •§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
- •§ 21. Метод моментов для точечной оценки параметров распределения
- •§ 22. Метод наибольшего правдоподобия
- •§ 23. Другие характеристики вариационного ряда
- •§ 1. Условные варианты
- •§ 2. Обычные, начальные и центральные эмпирические моменты
- •§ 3. Условные эмпирические моменты. Отыскание центральных моментов по условным
- •§ 4. Метод произведений для вычисления выборочных средней и дисперсии
- •§ 5. Сведение первоначальных вариант к равноотстоящим
- •§ 6. Эмпирические и выравнивающие (теоретические) частоты
- •§ 7. Построение нормальной кривой по опытным данным
- •§ 8. Оценка отклонения эмпирического распределения от нормального. Асимметрия и эксцесс
- •§ 1. Функциональная, статистическая и корреляционная зависимости
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •§ 4. Отыскание параметров выборочного уравнения прямой линии среднеквадратичной регрессии по не сгруппированным данным
- •§ 5. Корреляционная таблица
- •§ 6. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппированным данным
- •§ 7. Выборочный коэффициент корреляции
- •§ 8. Методика вычисления выборочного коэффициента корреляции
- •§ 9. Пример на отыскание выборочного уравнения прямой линии регрессии
- •§ 10. Предварительные соображения к введению меры любой корреляционной связи
- •§ 11. Выборочное корреляционное отношение
- •§ 12. Свойства выборочного корреляционного отношения
- •§ 13. Корреляционное отношение как мера корреляционной связи. Достоинства и недостатки этой меры
- •§ 14. Простейшие случаи криволинейной корреляции
- •§ 15. Понятие о множественной корреляции
- •§ 1. Статистическая гипотеза. Нулевая и конкурирующая, простая и сложная гипотезы
- •§ 2. Ошибки первого и второго рода
- •§ 3. Статистический критерий проверки нулевой гипотезы. Наблюдаемое значение критерия
- •§ 4. Критическая область. Область принятия гипотезы. Критические точки
- •§ 5. Отыскание правосторонней критической области
- •§ 6. Отыскание левосторонней и двусторонней критических областей
- •§ 7. Дополнительные сведения о выборе критической области. Мощность критерия
- •§ 8. Сравнение двух дисперсий нормальных генеральных совокупностей
- •§ 9. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией нормальной совокупности
- •§ 10. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны (независимые выборки)
- •§ 11( Сравнение двух средних произвольно распределенных генеральных совокупностей (большие независимые выборки)
- •§ 12. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы (малые независимые выборки)
- •§ 13. Сравнение выборочной средней с гипотетической генеральной средней нормальной совокупности а. Дисперсия генеральной совокупности известна.
- •§ 14. Связь между двусторонней критической областью и доверительным интервалом
- •§ 15. Определение минимального объема выборки при сравнении выборочной и гипотетической генеральной средних
- •§ 16. Пример на отыскание мощности критерия
- •§ 17. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки)
- •§ 18. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события
§ 19. Оценка точности измерений
В теории ошибок принято точность измерений (точность прибора) характеризовать с помощью среднего квадратического отклонения σ случайных ошибок измерений. Для оценки σ используют «исправленное» среднее квадратическое отклонение s. Поскольку обычно результаты измерений взаимно независимы, имеют одно и то же математическое ожидание (истинное значение измеряемой величины) и одинаковую дисперсию (в случае равноточных измерений), то теория, изложенная в предыдущем параграфе, применима для оценки точности измерений.
Пример. По 15 равноточным измерениям найдено «исправленное» среднее квадратическое отклонение s = 0,12. Найти точность измерений с надежностью 0,99.
Решение. Точность измерений характеризуется средним квадратическим отклонением σ случайных ошибок, поэтому задача сводится к отысканию доверительного интервала (*), покрывающего σ с заданной надежностью 0,99 (см. § 18).
По таблице приложения 4 по γ = 0,99 и n =15 найдем q = 0,73. Искомый доверительный интервал
0,12(1—0,73) < σ < 0,12(1+0,73), или 0,03 < σ < 0,21.
§ 20. Оценка вероятности (биномиального распределения) по относительной частоте
Пусть производятся независимые испытания с неизвестной вероятностью p появления события А в каждом испытании. Требуется оценить неизвестную вероятность p по относительной частоте, т.е. надо найти ее точечную и интервальную оценки.
А. Точечная оценка. В качестве точечной оценки неизвестной вероятности p принимают относительную частоту
W = m/n,
где m - число появлений события А; n - число испытаний *).
*) Напомним, что случайные величины обозначают прописными, а их возможные значения - строчными буквами. В различных опытах число m появлений события будет изменяться и поэтому является случайной величиной М. Однако, поскольку через М уже обозначено математическое ожидание, мы сохраним для случайного числа появлений события обозначение т.
Эта оценка несмещенная, т.е. ее математическое ожидание равно оцениваемой вероятности. Действительно, учитывая, что М(т)= пр (см. гл. VII, § 5), получим
М (W) = М [m/n] = М (т)/n = пр/п = р.
Найдем дисперсию оценки, приняв во внимание, что D(m)= npq(см. гл. VII, § 6):
D (W) = D [m/л] = D (m)/n2 = npq/n2 = pq/n.
Отсюда среднее квадратическое отклонение.
.
Б. Интервальная оценка. Найдем доверительный интервал для оценки вероятности по относительной частоте. Напомним, что ранее (см. гл. XII, § 6) была выведена формула, позволяющая найти вероятность того, что абсолютная величина отклонения не превысит положительного числа δ:
где X - нормальная случайная величина с математическим ожиданием М(Х) = а.
Если n достаточно велико и вероятность р не очень близка к нулю и к единице, то можно считать, что относительная частота распределена приближенно нормально, причем, как показано в п. A, M(W) = p.
Таким образом, заменив в соотношении (*) случайную величину X и ее математическое ожидание а соответственно случайной величиной W и ее математическим ожиданием p, получим приближенное (так как относительная частота распределена приближенно нормально) равенство
. (**)
Приступим к построению доверительного интервала (p1, p2), который с надежностью γ покрывает оцениваемый параметр p, для чего используем рассуждения, с помощью которых был построен доверительный интервал в гл. XVI, § 15. Потребуем, чтобы с надежностью γ выполнялось соотношение (**):
.
Заменив σw через (см. п. А), получим
,
где
Отсюда
и, следовательно,
.
Таким образом, с надежностью γ выполняется неравенство (чтобы получить рабочую формулу, случайную величину W заменим неслучайной наблюдаемой относительной частотой ω и подставим 1 - p вместо q):
.
Учитывая, что вероятность р неизвестна, решим это неравенство относительно р. Допустим, что ω > р. Тогда
.
Обе части неравенства положительны; возведя их в квадрат, получим равносильное квадратное неравенство относительно р:
.
Дискриминант трехчлена положительный, поэтому его корни действительные и различные:
меньший корень
, (***)
больший корень
. (****)
Итак, искомый доверительный интервал р1 < p < р2 где р1 и р2 находят по формулам (***) и (****).
При выводе мы предположили, что ω > p; тот же результат получим при ω < р.
Пример. Производят независимые испытания с одинаковой, но неизвестной вероятностью p появления события А в каждом испытании. Найти доверительный интервал для оценки вероятности p с надежностью 0,95, если в 80 испытаниях событие А появилось 16 раз.
Решение. По условию, n = 80, m=16, γ = 0,95. Найдем относительную частоту появления события А:
ω=m/n=16/80 = 0,2.
Найдем t из соотношения Ф (t)= γ/2 = 0,95/2 = 0,475; по таблице функции Лапласа(см. приложение 2) находим t = 1,96.
Подставив n = 80, ω = 0,2, t = 1,96 в формулы (***) и (****), получим соответственно р1 = 0,128, р2 = 0,299.
Итак, искомый доверительный интервал 0,128 < p< 0,299.
Замечание 1. При больших значениях n (порядка сотен) слагаемые t2/(2n) и (t2/(2n))2 очень малы и множитель n/(t2+n)≈1, поэтому можно принять в качестве приближенных границ доверительного интервала
и .
Замечание 2. Чтобы избежать расчетов концов доверительных интервалов, можно использовать табл. 28 книги: Янко Я. Математико-статистические таблицы. М., Госстатиздат, 1961.