- •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
Оптимальность
Для параметра θ может быть предложено
несколько несмещенных оценок. Мерой
D( ).
точности несмещенной оценки считают ее дисперсию
Несмещенная оценка параметра θ называется оптимальной, если она имеет минимальную дисперсию среди всех несмещенных оценок этого параметра.
112
Нижняя граница дисперсий
Для дисперсии несмещенной оценки
параметра θ выполняется неравенство Рао – Крамера:
D( )
In
In
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
In |
|
|
|
|
|||
nM |
|
ln fX X , |
2 |
|
|||
|
|
|
|
|
|||
|
|
|
|
|
|
||
nM |
|
ln p X , 2 |
|
||||
|
|
|
|
|
|||
|
|
|
|
|
113 |
Эффективность
Несмещенная оценка параметра θ называется эффективной, если ее дисперсия равна нижней границе Рао –Крамера:
|
1 |
D( ) In
114
Оценка максимального правдоподобия
Оценкой максимального правдоподобия (о.м.п.) неизвестного параметра θ называют значение, при котором функция правдоподобия достигает максимума (как функция от θ при
фиксированных (X1, X2,..., Xn). Это значение параметра зависит от выборки и является искомой оценкой.
115
Метод максимального правдоподобия
Для нахождения максимума функции правдоподобия L можно искать максимум ln L и решать уравнение правдоподобия
(ln L) 0.
116
Метод моментов
Теоретические моменты случайной величины зависят от параметра, а выборочные моменты зависят от элементов выборки. Но выборочные приближенно равны теоретическим. Приравняем их, и получим уравнения, связывающие параметр и элементы выборки. Выразим из них параметр. Полученная функция и называется оценкой метода моментов (о.м.м.).
117
Лекция 15. Интервальное оценивание параметров
Доверительным интервалом уровня значимости α (0< α <1) для параметра θ называется интервал I=[I1, I2], для которого выполняется условие:
P(I1(X) ≤ θ ≤ I2 (X)) = 1 – α.
Число 1 – α называется доверительной вероятностью, а I1(X), I2 (X)
–нижней и верхней доверительными границами.
СФУ Т.В. Крупкина |
118 |
Уровень значимости α
Его обычно берут равным одному из чисел 0.001, 0.005, 0.01, 0.05, 0.1. Уровень значимости выражает ошибку доверительного интервала. Чем меньше α, тем больше доверительная вероятность и тем надежнее доверительный интервал, но более надежный интервал является более широким и менее информативным. Стандартный уровень значимости α =0.05. Соответствующий доверительный интервал называется 95% –м.
Схема построения доверительного интервала
Надо взять статистику G(x, θ), такую, что она сама зависит от параметра θ, а ее распределение от θ не зависит, записать уравнение
P(γ1 ≤ G(x, θ) ≤ γ2) = 1 – α,
и разрешить неравенство под знаком вероятности относительно параметра θ.
Доверительный интервал для параметра a распределения N(a, σ)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
I |
a |
|
|
x u |
|
|
, |
x u |
|
|
. |
||
|
|
|
1 / 2 |
|
n |
|
|
1 / 2 |
|
n |
|
||
|
|
|
|
|
|
|
|
|
|
|