- •11) Функция распределения (ф.Р.) одномерной с.В. И её свойства.
- •23) Законы распределения отдельных с.В., входящих в систему. Условные з.Р. Зависимость с.В.
- •24) Числовые характеристики системы двух случайных величин. Корреляционный момент. Коэффициент корреляции.
- •25) Нормальный закон на плоскости
- •29) Математическое ожидание и дисперсия неслучайной величины. Вынос постоянного множителя.
- •30) Математическое ожидание и дисперсия суммы случайных величин.
- •31) Математическое ожидание и дисперсия произведения случайных величин.
- •35) Системы произвольного числа нормальных законов на плоскости. Корреляционная матрица.
- •36) Матожидание и дисперсия для линейной функции случайных аргументов.
- •37) Закон больших чисел. Неравенство Чебышева.
- •38) Теорема Маркова.
- •39) Теорема Чебышева
- •40) Теорема Бернулли.
- •45) Статистические оценки матожидания и дисперсии. Метод моментов.
- •46) Доверительная вероятность. Доверительный интервал.
- •47) Аппроксимация статистических рядов.
- •48) Критерий согласия Пирсона.
- •49) Критерий согласия Колмогорова
- •50) Случайные процессы.
47) Аппроксимация статистических рядов.
Одним из основных методов аппроксимации статистических рядов является м.н.к.
Пусть производится опыт, целью которого является, исследование зависимости некоторой физической величины y от физической величины x. Предполагается, что величины x и y связаны функциональной зависимостью.
Вид этой зависимости и требуется определить из опыта.
Предположим, что в результате опыта мы получили ряд экспериментальных точек и построили график зависимости y от x.
Метод основан на минимизации суммы квадратов отклонений наблюденных значений yi от φ(xi):
.
Перейдем к задаче определения параметров , исходя из принципа наименьших квадратов. Пусть имеется таблица экспериментальных данных (табл. 14.8.1) и пусть из каких-то соображений (связанных с существом явления или просто с внешним видом наблюденной зависимости) выбран общий вид функции , зависящей от нескольких числовых параметров ; именно эти параметры и требуется выбрать согласно методу наименьших квадратов так, чтобы сумма квадратов отклонений от была минимальна. Запишем как функцию не только аргумента , но и параметров . Требуется выбрать так, чтобы выполнялось условие: .
Найдем значения , обращающие левую часть выражения (14.8.6) в минимум. Для этого продифференцируем ее по и приравняем производные нулю:
48) Критерий согласия Пирсона.
Критерий согласия – Пирсона. Этот метод применим как к непрерывным, так и к дискретным распределениям. Кроме того, допускается в гипотетическом распределении использовать в качестве значений параметров их оценки.
В соответствии с этим методом область возможных значений случайной величины разбивается на k разрядов и для каждого из них находится количество m элементов выборки, попавших в разряд, и вычисляется, в соответствии с генерируемым распределением, математическое ожидание этого числа , где – вероятность попадания в i-й разряд. Пирсон показал, что случайная величина, определяемая выражением при стремится к – распределению с (k-1)-й степенью свободы, если гипотетическое распределение задано полностью. Если же s параметров гипотетического распределения заданы их оценками, найденными по той же выборке, что и , то число степеней свободы критерия равно k-s-1. Выборочное распределение признается согласующимся с генерируемым с доверительной вероятностью q, если , где – квантиль уровня (1-q) распределения с (k-s-1)-й степенью свободы, а – экспериментальное значение критерия.
49) Критерий согласия Колмогорова
Этот метод очень прост, но его применение требует выполнения двух ограничений: во-первых, распределение должно быть непрерывным и, во-вторых, параметры проверяемого распределения должны быть известны и не могут быть заменены их оценками, получаемыми на основе наблюдений. В качестве меры близости статистического (выборочного) и генерируемого распределений принимается максимальное значение разности их функций распределения
где – выборочная функция распределения; – генерируемое распределение.
Колмогоровым было показано, что при увеличении объема выборки n, распределение случайной величины стремится к виду
На этом основании с доверительной вероятностью q можно утверждать, что выборочное распределение согласуется с гипотетическим, если
где – квантиль распределения уровня (1-q); –экспериментально вычисленное значение .
При использовании этим критерием необходимо иметь в виду, что распределение Колмогорова F(λ) является предельным при и, следовательно, надежные суждения о качестве генерации можно делать лишь по выборкам достаточно большого объема.