- •Демонстрационная презентация курса
- •Лекция 1. Введение в теорию вероятностей
- •Равновозможные исходы
- •Классическое определение вероятности
- •Формулы комбинаторики
- •Выбор без возвращения
- •Выбор без возвращения
- •Статистическое определение
- •Статистическое определение
- •Лекция 2. Основания теории вероятностей
- •Событиями мы будем называть некоторые наборы элементарных исходов, то есть подмножества множества Ω.
- •Элементарные события
- •Комбинации событий
- •Сумма (объединение) событий
- •Противоположное событие
- •Вероятность в дискретном пространстве
- •Несчетное множество исходов
- •Аксиоматическое определение вероятности
- •Лекция 3.
- •Условная вероятность
- •Теорема сложения
- •Теорема умножения для двух событий
- •Теорема (формула полной вероятности)
- •Теорема (формула Байеса)
- •Лекция 4. Схемы испытаний
- •Теорема (формула Бернулли)
- •Предельные теоремы для схемы Бернулли
- •Теорема Пуассона
- •Приближенная формула Пуассона
- •Локальная приближенная формула
- •Свойства функции (x)
- •Интегральная приближенная формула
- •Свойства функции Ф(x)
- •Лекция 5.
- •Дискретные распределения
- •Ряд распределения
- •Биномиальное распределение B(n, p)
- •Пример
- •Распределение Пуассона P
- •Функция распределения
- •Лекция 6.
- •Геометрический смысл функции распределения
- •Равномерное распределение R [a, b]
- •Нормальное распределение N (a, )
- •Нормальное распределение N (a, )
- •Кривые плотностей N(a, σ) с различными а и σ
- •Плотность и функция распределения
- •Многомерные СВ
- •Лекция 7.
- •Математическое ожидание н.сл.в.
- •Математическое ожидание функции случайной величины
- •Дисперсия случайной величины
- •Числовые характеристики
- •Начальные и центральные моменты
- •Лекция 8. Линейная зависимость
- •Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Смысл коэффициента корреляции
- •Уравнение линейной регрессии
- •Формулы уравнения линейной регрессии
- •Лекция 9. Условные распределения
- •Нахождение условной функции распределения
- •Условная плотность
- •Условное математическое ожидание
- •Регрессия
- •Корреляционное отношение
- •Лекция 10. Предельные теоремы
- •Сходимость по вероятности
- •Закон больших чисел (ЗБЧ)
- •Закон больших чисел
- •ЗБЧ в форме Чебышева
- •ЗБЧ в форме Бернулли
- •ЗБЧ в форме Хинчина
- •Центральная предельная теорема (ЦПТ)
- •Центральная предельная теорема для независимых одинаково распределенных сл. в.
- •Зависимость от числа слагаемых
- •Практическое значение ЦПТ
- •Лекция 11. Введение в
- •Основные понятия
- •Простая выборка
- •Эмпирическая функция распределения
- •Свойства эмпирической функции распределения
- •Группировка выборки
- •Параметры группировки
- •Графические характеристики выборки
- •Гистограмма и плотность
- •Лекция 12.
- •Числовые характеристики выборки
- •Способ получения выборочных формул
- •Замечание
- •Выборочное среднее
- •Выборочная дисперсия
- •Выборочный начальный момент порядка l
- •Выборочный центральный момент порядка l
- •Лекция 13. Распределение выборочных характеристик
- •Плотность распределения χ2 при разных k
- •Распределение Стьюдента
- •Плотность распределения Стьюдента
- •Распределение Фишера
- •Теорема Фишера
- •Теорема
- •Лекция 14. Точечное оценивание параметров
- •Точечные оценки
- •Несмещенность
- •Несмещенные оценки в N(a,σ)
- •Состоятельность
- •Оптимальность
- •Нижняя граница дисперсий
- •Эффективность
- •Оценка максимального правдоподобия
- •Метод максимального правдоподобия
- •Метод моментов
- •Лекция 15. Интервальное оценивание параметров
- •Уровень значимости α
- •Схема построения доверительного интервала
- •Доверительный интервал для параметра a распределения N(a, σ)
- •Квантили нормального распределения
- •Доверительный интервал для параметра a (при неизвестном σ) :
- •Доверительный интервал для параметра σ распределения N(a, σ)
- •Асимптотический доверительный интервал
- •Лекция 16. Проверка статистических гипотез
- •Проверка гипотезы
- •Критическая область
- •Если значение статистики попадает критическую область, то H0 отвергается.
- •Ошибка первого рода
- •Ошибка второго рода
- •Мощность критерия
- •Лекция 17. Проверка гипотез о параметрах
- •Общая схема проверки
- •Проверка гипотез о параметрах нормального распределения
- •Гипотеза о дисперсиях.
- •Лекция 18. Проверка гипотез о виде распределения.
- •Применение критерия Колмогорова
- •Правило проверки
- •Критерий согласия Пирсона χ2
- •Статистика критерия Пирсона
- •Правило проверки
Распределение Стьюдента
Распределением Стьюдента с k степенями свободы
называется распределение случайной величины Т(k), равной
T k |
|
U |
||||
|
|
|
|
|
||
|
|
|
|
|
||
2 |
k |
|||||
|
|
|||||
|
|
|
k |
где U имеет нормальное распределение N(0, 1). Величина, имеющая распределение Стьюдента с k степенями свободы будет также обозначаться t(k).
102
Плотность распределения Стьюдента
k = ∞ – нормальное распределение
103
Распределение Фишера
Распределением Фишера с k1 и k2 степенями свободы называется распределение случайной величины F(k1, k2), равной
2 k1
F k1, k2 2 k2 k1 . k2
104
Теорема Фишера
Пусть (X1, X2,..., Xn) – выборка из N(a, ).
Тогда: |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
1) |
x N (a, |
|
) |
||||||||||||
|
|
||||||||||||||
|
|
|
|
||||||||||||
|
|
n |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a |
|
||||||||
|
2) |
|
|
x |
N (0;1) |
||||||||||
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
3)nS22 2 n 1
4)X и S 2 независимы.
105
Теорема
Пусть (X1, X2,..., Xn) – выборка из N(a, ). Тогда:
|
|
|
|
|
a |
|
|
|
|
|
|
x |
|
T . |
|||
|
|
|
|
|
s |
|
||
|
|
|
|
|
|
n 1 |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n 1 |
|
|
106
Лекция 14. Точечное оценивание параметров
Основная задача математической статистики состоит в нахождении распределения наблюдаемой случайной величины Х по данным выборки. Во многих случаях вид распределения Х можно считать известным, и задача сводится к получению приближенных значений неизвестных параметров этого распределения.
107
Точечные оценки
Рассмотрим параметрическую модель (Fθ) и
выборку (X1, X2,..., Xn) . (То есть известен вид функции распределения F, и F зависит от одного неизвестного параметра θ).
Точечной оценкой неизвестного параметра θ называется функция элементов выборки, используемая для получения приближенного значения θ.
108
Несмещенность
Оценка параметра θ называется
несмещенной, если
M ( )
Доказывали, что M x a. Значит, в любом распределении, у
которого математическое ожидание равно параметру, выборочное среднее есть несмещенная оценка этого параметра.
109
Несмещенные оценки в N(a,σ)
|
|
|
|
MS2 n 1 |
|
|
|
|
|
|
|
|
|
2. |
|
|
|
2 2. |
|
M |
|
a. |
|
|
MS |
||||
x |
|
||||||||
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
В N(a,σ):
выборочное среднее – несмещенная оценка параметра a,
выборочная дисперсия – смещенная оценка σ2,
исправленная выборочная дисперсия – несмещенная оценка σ2.
110
Состоятельность
Оценка параметра θ называется
состоятельной, если
p
т.е.
P ) 0
при n
111