- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
Если генеральные дисперсии неизвестны, то необходимо проверить гипотезу о равенстве генеральных дисперсий:. Если они равны, то вычисляют наблюдаемое значение критерия Стьюдента. При этом используютt-статистику, которая имеет распределение Стьюдента сстепенями свободы. Границу критической областиопределяем по таблице распределения Стьюдента при уровне значимости(если), при правосторонней (или левосторонней) критической области: при уровне значимости.
Если , то гипотезапринимается, если, то– отвергается.
24.5. Проверка гипотезы о нормальном законе распределения
Проверка гипотезы о законе распределения производится при помощи случайной величины – критерия согласия. Часто применяют критерий (хи квадрат) Пирсона. Для вычислениянеобходимо вычислить теоретические частоты . Весь интервал наблюдаемых значенийXдля выборки объемаn делят наmчастичных интервалов одинаковой длины. Находят середины частичных интервалов: , в качестве частотыniварианты применяют число вариант, которые попали вi-й интервал: ().
Определяем и выборочное среднее квадратическое отклонениеS*. Нормируем величинуX, т.е. переходим к величине и вычисляем концы интервалов : , причем(наименьшее значениеz) полагаем равным –¥, а (наибольшее значениеz) – равным +¥.
Вычисляем вероятности pi попаданияXв интервалы :и находим теоретические частоты . Далее, вычисляем
По таблице критических точек распределениепо заданному уровню значимостиaи числу степеней свободы (r– число параметров закона) находим. Еслито принимаем гипотезу о нормальном законе распределения, если– отвергаем гипотезу о нормальном законе распределения.
Замечание: объем выборки , малочисленные группы объединить (интервалов).
Глава 25. Элементы теории корреляции.
25.1. Понятие корреляционной зависимости
Часто требуется установить и оценить зависимость случайной величины Yот случайной величиныX. Две случайные величины могут быть связаны либо функциональной зависимостью: , либо статистической зависимостью, либо быть независимыми.
Статистической называется зависимость, при которой изменение одной из величин влечет изменение закона распределения другой.
Корреляционной называется зависимость, при которой изменение одной из величин вызывает изменение среднего значения другой.
Пример.Y– урожай зерна,Х– количество удобрений. С одинаковых по площади участков при равных количествах внесенных удобрений снимают различный урожай, т.е.Yне является функциейХ. Это объясняется влиянием различных факторов (осадки, температура, качество зерна и т.д.),. однако средний урожай является функцией от количества удобрений, т.е.YиХсвязаны корреляционной зависимостью. Условным средним называется среднее арифметическое наблюдавшихся значенийYсоответствующих(пример: если прих1=3,Yпринимает значенияу1=5,у2=6,у3=10, то . Аналогично .
25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
Пусть изучается система количественных признаков (X,Y). В результатеnнезависимых опытов полученыnпар чисел .
Найдем по данным наблюдений выборочное уравнение прямой линии регрессии (YнаX). Поскольку различные значенияxиyвстречаются по 1 разу, то нет необходимости использовать понятие условной средней. Угловой коэффициентkназывается выборочным коэффициентом регрессииYнаХи обозначают , тогда . Выберем иb так, чтобы экспериментальные (наблюдаемые) точки лежали как можно ближе к прямой ., т.е. чтобы сумма квадратов отклонений:была минимальна. Введем функцию и приравняем к нулю частные производные.
-
Опуская индекс (записывая вместо), получаем:
Решая эту систему линейных уравнений, найдем :
;
При отыскании параметров использован метод наименьших квадратов.
Обычно используют выборочный коэффициент корреляции r (вместо ).