- •И математической статистике
- •Часть II основные методы математической статистики
- •Владивосток
- •Раздел I основные методы математической статистики
- •1. Генеральная совокупность и выборка
- •1.1 Выборочный метод. Первичная обработка выборочных (экспериментальных) данных.
- •1.2 Выборочные числовые характеристики.
- •Которая называется выборочным средним.
- •2. Точечное оценивание параметров распределений
- •2.1 Свойства оценок; неравенство Крамера – Рао.
- •2.2 Методы получения оценок.
- •3. Интервальное оценивание параметров
- •3.1. Необходимые понятия и функции распределения
- •1) 2) 3)Независимы.
- •3.2 Интервальное оценивание параметров.
- •3.3 Оценки параметров нормального распределения.
- •3.4 Интервальное оценивание параметров распределений, отличных от нормального
- •4.1. Основные определения и используемые понятия.
- •4.2. Критерии согласия
- •1). Критерий Колмогорова
- •2). Критерий хи-квадрат Пирсона
- •3). Критерий Смирнова – Мизеса (критерий ω2)
- •4.3. Проверка гипотез относительно двух выборок
- •4.4. Непараметрические ранговые критерии.
- •5. Дисперсионный анализ: однофакторная модель.
- •6. Элементы прикладного корреляционного анализа
- •6.1. Введение: основные задачи, понятия и терминология.
- •6.2. Корреляция
- •6.3. Ранговая корреляция и сопряжённость
- •6.4.* Выборочные методы частного и множественного
- •Заключение
- •Разлел II вариаты практических заданий
- •1. Общие положения.
- •2. Алгоритмы – формулы расчёта выборок и предлагаемое их
- •Раздел III
- •1. Табулирование данных
- •2. Построение интервального вариационного ряда
- •3. Эмпирическая функция распределения и графическое преставление распеделения частот
- •4. Расчёт числовых характеристик вариационных рядов
- •Приложения Приложение I
- •Приложение II
- •Приложение III
- •Приложение IV Cтатистические таблицы
- •Примечания:1) функция Лапласа и интеграл ошибоксвязаны соотношением; 2)и.
- •Раздел I. Основные методы математической статистики
- •2.2. Методы получения оценок. . . . . . . . 12
- •3. Интервальное оценивание параметров. . . . 15
- •4.3. Проверка гипотез относительно двух выборок. . . . 25
- •4.4. Непараметрические ранговые критерии. . . . . 27
- •5. Основы дисперсионного анализа: однофакторная
- •6.2. Корреляция. . . . . . . . . . 34
- •6.4. Выборочные методы частного и множественного корреляционного
- •1. Общие положения . . . . . . . . . 67
- •2. Алгоритм – формулы расчёта выборок и предлагаемое их
- •Раздел 3. Комментарии и указания к решение типового
- •Часть II
3.3 Оценки параметров нормального распределения.
Пусть X = (x1, x2, …, xn) N(a, 2).
a). Доверительный интервал для а при условии, что 2 известно.
Так как , то с помощью таблиц стандартного нормального распределения можно найти числоq > 0 такое, что Ф(–q) = α/2. Тогда Ф(q) = 1 – α/2 по свойствам функции Лапласа. Это значит, что
P{– q<<q} = Ф(q) – Ф(–q) = 1 – α,
Или, после преобразований,
. (3.4)
Тем самым построен доверительный интервал длиной , то есть при большихп можно довольно точно локализовать значение неизвестного параметра а.
b). Доверительный интервал для а при условии, что 2 неизвестно.
Интервал, сконструированный в предыдущем пункте не годится, так как содержит неизвестный параметр . Но похожую конструкцию, не содержащую , содержит следствие рассмотренной выше теоремы: , т.е. имеет распределение Стьюдента сп – 1 степенью свободы. Используя таблицы этого распределения найдём число q > 0 такое, что Тn – 1(–q) = α/2;
Tn – 1 (q) = 1 – α/2. Тогда
P{– q < <q} = Tn – 1 (q) – Тn – 1(–q) = 1 – α,
и после преобразований получаем доверительный интервал
. (3.5)
с). Доверительный интервал для 2 при условии, что известно а.
Случайные величины (xj - a)/ независимы и имеют стандартное нормальное распределение, поэтому . Из таблиц распределения
χn2 найдём числа q1 и q2 такие, что χn2(q1) = α/2 и χn2( q2) = 1 – α/2. Тогда
P=χn2( q2) – χn2(q1) = 1 – α.
После несложных преобразований, получаем
P. (3.6)
d). Доверительный интервал для 2 при условии, что а неизвестно.
Воспользуемся тем, что .Из таблицраспределения находим числа q1 и q2 такие, что χn–12(q1) = α/2 и χn–12( q2) = 1 – α/2. Тогда
P = χn–12( q2) – χn–12(q1) = 1 – α,
и после преобразований получаем доверительный интервал
P. (3.7)
3.4 Интервальное оценивание параметров распределений, отличных от нормального
К сожалению, построить точные доверительные интервалы удаётся только для параметров нормального распределения. В общем случае, для параметров других распределений, таких хороших конструкций нет. Однако для параметров многих распределений удаётся построить асимптотические доверительные интервалы, в том числе с помощью нормального приближения.
В частности, если неизвестный параметр θ генерального распределения F(x, θ) можно выразить через один из моментов распределения: θ = g(ak), k ≥ 1, причём функция g дифференцируема и g′(ak) ≠ 0. Предполагается также существование момента a2k , так что 2 = DXk = a2k – ak2. Рассматривая ММ – оценку θ*= g(ak*), в силу близости (при больших п) ak и ak*, можно воспользоваться линейным приближением в разложении в ряд Тейлора:
θ*= g(ak*) ≈ g(ak) + (ak – ak*) g′(ak).
Отсюда получаем
.
При больших п распределение правой части стремится, в силу ЦПТ, к стандартному нормальному. Задавая тогда доверительную вероятность 1 – α, находим по таблице стандартного нормального распределения число q > 0 такое, что Ф(– q) = α/2, Ф(q) = 1 – α/2. Тогда
Ф(q) – Ф(– q) = 1 – α.
Чтобы решить это неравенство относительно θ потребуем еще непрерывности функции h(θ) = ,чтобы для асимптотически несмещённых оценок h(θ) ≈ h(θ*). Тогда получаем асимптотический доверительный интервал:
P. (3.8)
Пример 3.1. Требуется получить доверительный интервал для параметра λ распределения Пуассона. Здесь λ = a1, то есть k = 1, g(y) = y. Тогда h(λ) = , и получаем для параметраλ асимптотический доверительный интервал:
, где – выборочное среднее . (3.9)
Пример 3.2. Рассмотрим схему независимых испытаний Бернулли, где n – общее число испытаний, m – число «успехов» в этой серии испытаний, p – вероятность «успеха» в отдельном испытании. Пусть n достаточно велико, а значение p не слишком близко к 0 или 1, так что можно воспользоваться асимптотикой Муавра – Лапласа.
При этом доверительный интервал для p имеет вид
(3.10)
где определяется по заданной вероятности ошибки α по таблице 6 приложения VI (в этом случае γ = α/2).
Представляют интерес крайние случаи:
приm = 0,
при m = n. (3.11)
ПРОВЕРКА СТАТИСТИЧЕСКИХ ГИПОТЕЗ.