- •Оглавление
- •Абуева Наталья Сергеевна
- •Нормальной случайной величины генеральной совокупности
- •Примечание
- •Расчет вероятности события Классическое определение вероятности
- •Основные элементы комбинаторики
- •Теоремы сложения и умножения вероятностей
- •Примечание
- •Формула полной вероятности и формула Байеса
- •Вероятность события в условиях схемы Бернулли
- •Отклонение относительной частоты от вероятности
- •Контрольная работа №6.
- •Cлучайная величина Основные характеристики случайных величин
- •Нормальное распределение
- •Контрольные задания контрольная работа №5
- •Двумерная случайная величина
- •Неравенства Маркова и Чебышева
- •Статистические гипотезы
- •Неравенства Маркова и Чебышева в условиях схемы Бернулли
- •V. Элементы математической статистики Статистическое распределение
- •Линейная корреляция
- •Числовые характеристики статистического распределения выборки
- •Точечные оценки
- •Интервальные оценки
V. Элементы математической статистики Статистическое распределение
Различают два вида совокупностей однородных объектов:
Генеральная – исходное множество объектов с соответствующим признаком, о котором необходимо составить представление;
Выборочная (выборка) – сравнительно небольшая часть генеральной совокупности, которая подлежит непосредственному исследованию.
В силу случайного попадания объектов в выборку числовые данные в выборке также случайны.
Задачей математической статистики является отбор выборочной информации и ее обработка, по результатам которой делают выводы о параметрах генеральной совокупности, рассчитываются оценки числовых характеристик распределения генеральной совокупности и устанавливается степень достоверности этих оценок.
П
26
где – выборочное среднее для вариант (наблюдавшихся различных дискретных значений)xi компоненты X (- сумма по индексуi произведений вариант x = xi на соответствующие частоты этих вариант nx); – выборочная средняя вариантy = yj на соответствующие частоты этих вариант ny; (– сумма по паре индексовij произведений xiyj на соответствующие частоты этих пар вариант nxy); – выборочные дисперсии компонентX и Y соответственно;
Выборочное линейное уравнение регрессии Y на X имеет вид
,
где – выборочной коэффициент регрессииY и X; ;a + bx – линейное приближение условного среднего выборочного , то есть среднего значения случайной переменнойY при условии, что случайная компонента X принимает значение x.
Уравнения регрессии являются математической моделью изучаемой зависимости, исключающей случайные факторы, повлиявшие на полученные результаты.
Рекомендации к решению задачи:
1. Если в корреляционной таблице варианты заданы равноотстоящими соответственно для компоненты X с шагом h1 и для компоненты Y с шагом h2, то для упрощения расчетов следует перейти к условным вариантам ,где паре вариантx*, y* соответствует максимальная частота nxy (если максимальная частота nxy соответствует нескольким парам X = x, Y = y , то выбирается ближайшая к центру корреляционной таблицы). Для новых переменных справедливы следующие соотношения:.
2
31
6) Искомый доверительный интервал для математического ожидания a имеет вид
причем (поскольку стандартное отклонение0 генеральной совокупности неизвестно).
Следовательно, 2 – 1,718 < a < 2 + 1,718 или 0, 282 < а < 3,718.
7) Определим по таблице № 5 Приложений величину q = q(n; ) = = q(10; 0,95) = 0,65.
8) Доверительный интервал для стандартного отклонения 0 определим согласно неравенству s(1 – q) < 0 < s(1 + q), так как q < 1.
Следовательно, 2,404(1 – 0,65) < 0 < 2,404(1 + 0,65) или
0,8414< 0 < 3,9666.
9) Построим полигон частот:
ni
2
1
х
–2 –1 0 1 2 3 4 5
Рис. 4.
Ответ: 0, 282 < а < 3,718; 0,8414 < 0 < 3,9666 с надежностью = 0,95.