4. Выборочная дисперсия.

Выборочной дисперсией Dв наз среднее арифметическое квадратов отклонений наблюдаемых значений признака от их среднего значения Хв (с чертой).

Если все значения х₁,х₂,…,х_n различны, то

Dв=(∑_i=1ⁿ(x_i – x_в )²)/n

Если значения признака х₁,х₂,…,х_k имеют соответственно частоты n₁,n₂,…,n_k, причем n₁+n₂+…+n_k =n, то Dв=(∑_i=1^kn_i(x_i – x_в )²)/n, т.е. выборочная дисперсия есть средняя взвешанная квадратов отклонений с весами, равными соответствующим частотам.

5. Статистические оценки: несмещенные, эффективные, состоятельные

Рассматривая x₁, x₂, … , x_n как независимые случайные величины

X₁, X₂, … , X_n, можно сказать, что найти статистическую оценку неизвестного параметра теоретического распределения – это значит найти функцию от наблюдаемых случайных величин, которая и дает приближенное значение оцениваемого параметра.

Статистической оценкой неизвестного параметра теоретического распределения называют функцию от наблюдаемых случайных величин.

Пусть Θ* - статистическая оценка неизвестного параметра Θ теоретического распределения.

Несмещенной называют статистическую оценку Θ*, математическое ожидание которой равно оцениваемому параметру Θ при любом объеме выборки, т. е.

М(Θ*) = Θ.

Возможные значения Θ* могут быть сильно рассеяны вокруг своего среднего значения, т. е. дисперсия D (Θ*) может быть значительной  существует возможность допустить большую ошибку. По этой причине к статистической оценке предъявляется требование эффективности.

Эффективной называют статистическую оценку, которая (при заданном объеме выборки n) имеет наименьшую возможную дисперсию.

Состоятельной называют статистическую оценку, которая при n   стремится по вероятности к оцениваемому параметру. Например, если дисперсия несмещенной оценки при n   стремится к нулю, то такая оценка оказывается и состоятельной.

6. Точность и надежность оценки

Пусть найденная по данным выборки статистическая характеристика Θ* служит оценкой неизвестного параметра Θ. Если Δ > 0 и  Θ – Θ* < Δ, то чем меньше Δ, тем оценка точнее. Таким образом, положительное число Δ характеризует точность оценки.

Надежностью (доверительной вероятностью) оценки Θ по Θ* называют вероятность , с которой осуществляется неравенство  Θ – Θ* < Δ. Обычно надежность оценки задается наперед, причем в качестве  берут число, близкое к единице. Наиболее часто задают надежность, равную 0,95; 0,99 и 0,999.

Доверительным называют интервал (Θ* - Δ, Θ* + Δ), который покрывает неизвестный параметр с заданной надежностью .

Для определения необходимой численности выборки нужно задать уровень точности выборочной совокупности (Δ) с определенной вероятностью (). Ф ((Δ√n ) / σ) =  / 2  можно найти значение t = (Δ√n ) / σ  n = (t²σ²)/Δ²

7. Понятие о критериях согласия. Проверка гипотез о равенстве долей и средних. Проверка гипотезы о виде распределения.

Статичтической называют гипотезу о виде неизвестного распределения, или о параметрах известных распределений. Нулевой (основной) называют выдвинутую гипотезу Н₀. Конкурирующей (альтернативной) называют гипотезу Н₁, которая противоречит нулевой. Правило, по которому принимают решение о том, принять или отклонить гипотезу Н₀, называют критерием. Обычно критерием служит некая случайная величина, вычисляемая по выборке. (Критерием согласия называют критерий проверки гипотезы о предполагаемом законе не известного распределения.)

В итоге статистической проверки гипотезы в двух случаях может быть принято неправильное решение, т.е. могут быть допущены ошибки двух родов: 1)ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза; 2) ошибка второго рода состоит в том, что будет принята неправильная гипотеза. Вероятность совершить ошибку первого рода принято обозначать через . Её называют уровнем значимости.

Статичтическим критерием называют величину К, которая служит для проверки нулевой гипотезы.

Критической областью называют совокупность значений критерия, при которых нулевую гипотезу отвергают. Облать принятия гипотезы – совокупность значений критерия, при которых гипотезу принимают. Основной принцип проверки статистических гипотез: если наблюдаемое значение критерия принадлежит критической области – гипотезу отвергают, если наблюдаемое значение критерия принадлежит области принятия гипотезы – гипотезу принимают.

облать значений К разбивается на две подоблати: подоблать принятия нулевой гипотезы (К кр.лев; К кр.прав); подобласть отклонения гипотезы Н₀.

Из определения уровня значимости следует, что = ^{К кр.лев} f(k)dk+^+f(k)dk

^{- К кр.прав.}

Если плотность распределения К симметрична относительно оси ординат,то

^+f(k)dk=/2. Если f(k) и  известны, то можно найти К кр.прав.

^{К кр.прав.}

Проверка гипотезы по равенству математических ожиданий нормально распределённых совокупностей при известных дисперсиях.

Пусть Х – нормально распределённая случайная величина с неизвестным М(х)=а_х и известной D(x)=G²_x ; Y - нормально распределённая случайная величина с неизвестным М(х)=а_у и известной D(x)=G²_y

В результате проведённого эксперимента вычисляется х_{средняя} и у_{средняя.}

Выдвигаем гипотезу Н₀: а_х=а_у и конкурирующую гипотезу Н₁: а_х не равно а_у.

Требуется оценить нулевую гипотезу с уровнем значимости .

Решение.

Х_cр. распределена по нормальному закону  М(х)=а_х и D(x)=G²_x/n. У_ср. распределена по нормальному закону  М(у)=а_у и D(у)=G²_y/m

Х_ср.-У_ср. распределена по нормальному закону  М(х-у)=0 и D(x-у)=G²_x/n+G²_y/m. Введём случайную величину К= Х_{ср .}- У _ср.

 G²_x/n+G²_y/m К имеет нормальное распределение с М(к)=0 и D(k)=1.  нормальное распределение симетрично ^+f(k)dk=/2=0,5-Ф(К кр.прав.)

^{К кр.прав.}

Далее находим по таблицам фукнции Лапласса К кр.прав. Далее находим Кнабл. Затем: 1) Если Кнабл.[Ккр.лев; К кр.прав.], то гипотеза Н₀ принимается. 2) если Кнабл{критическая область}, то гипотеза Н₀ отвергается.

Проверка гипотезы о равенстве математическом ожидании нормально распределённой случайной величины при равных неизвестных диспрерсиях.

Пусть Х – нормально распределённая случайная величина с неизвестным М(х)=а_х и D(x)=G² ; Y - нормально распределённая случайная величина с неизвестным М(х)=а_у и D(x)=G²

В результате проведённого эксперимента вычисляется х_{средняя} и у_{средняя.}

Выдвигаем гипотезу Н₀: а_х=а_у и конкурирующую гипотезу Н₁: а_х не равно а_у.

Требуется оценить нулевую гипотезу с уровнем значимости .

Решение.

Построим К.

_n . _n .

S²_x=((x_i-x)²)/(n-1), S²_y=((y_i-y)²)/(n-1).

^{i=1 i=1}

Х – случайная величина, распределённая по нормальному закону с числовыми характеристиками (а_х, G/n). Y – случайная величина, распределённая по нормальному закону с числовыми характеристиками (а_y, G/m)

Оказывается случайная величина S²_x и S²_y имеют распределение ²(«хи-квадрат») со степенями свободы (n-1) и (m-1).

Введём случайную величину U=((n-1)S²_x)/G²+((m-1)S²_y)/G² имеет распределение ² с числом степеней свободы n+m-2.

Случайная величина Х-У имеет нормальный закон распределения с характеристиками (а_х-а_у, G²/n+G²/m^)

Поэтому нормализированная случайная величина

U = (х-у)-(а_х-а_у)

G²/n+G²/m^

Имеет нормальное распределение N(0,1), а отношение

V = ( x- y) –(a_x-a_y) .

U/(m+n-2)^ 1/m+1/n^[(m-1)S²_x/²+(n-1)S²_y/²]_*1/(m+n-2)

имеет распределение Стьюдента с (m+n-2) степенями свободы. Таким образом можно найти Кнабл.

Кнабл. =(х-у)/(1/m+1/n)_*[(m-1)S²_x+(n-1)S²_y]/(m+n-2)^

Имеет распределение Стьдента с (m+n-2) степенями своды. Далеее вывод делается как в предыдудей задаче.