- •1. Понятие двумерной (n-мерной) случайной величины. Примеры.
- •2. Функция распределения и плотность вероятности 2-мерной случайной величины, их свойства, примеры.
- •3.Числовые характеристики 2-мерной случайной величины и свойства этих характеристик. Примеры.
- •4. Зависимые и независимые случайные величины. Ковариация и коэффициент корреляции случайных величин. Связь между некоррелированностью и независимостью случайных величин.
- •5. Вариационный ряд, его разновидности. Средняя арифметическая и дисперсия ряда. Эмпирическая функция распределения. Полигон и гистограмма.
- •6. Генеральная совокупность. Выборки и способы их получения. Репрезентативная выборка.
- •7. Точечные статистические оценки неизвестных параметров генеральной совокупности и их свойства: несмещенность, состоятельность, эффективность.
- •8. Метод наибольшего (максимального) правдоподобия, алгоритм нахождения точечной оценки с его помощью.
- •9. Выборочная средняя как точечная оценка генеральной средней, ее несмещенность и состоятельность.
- •10. Выборочная дисперсия как точечная оценка генеральной дисперсии, ее смещенность и состоятельность. Несмещенная оценка генеральной дисперсии.
- •12. Интервальная оценка мат. Ожидания нормально распределенного признака при известном среднем квадратическом отклонении.
- •13. Определение необходимого объёма повторной и бесповторной выборок при оценке генеральной средней.
- •14. Статистическая проверка статистических гипотез. Виды гипотез, ошибки первого и второго рода. Критическая область и область принятия гипотезы, определения, примеры.
- •Сравнение двух дисперсий нормальных генеральных совокупностей
- •16. Сравнение исправленной выборочной дисперсии с гипотетической дисперсией нормальной совокупности (распределение «хи-квадрат»).
- •17. Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых неизвестны и одинаковы.
- •18. Функциональная, статистическая и корреляционная зависимости. Различия между ними. Основные задачи теории корреляции.
- •19. Линейная парная регрессия. Система нормальных уравнений для определения параметров прямых регрессий. Выборочная ковариация.
- •20. Оценка тесноты связи. Выборочный коэффициент корреляции и его свойства.
8. Метод наибольшего (максимального) правдоподобия, алгоритм нахождения точечной оценки с его помощью.
Существует несколько методов получения точечных оценок. Метод, который чаще приводит к наилучшим оценкам, называется метод максимального правдоподобия (предложен Р. Фишером).
Пусть – непрерывная случайная величина, которая в результате испытаний приняла значения . Пусть вид плотности распределения данной случайной величины известен, но не известен параметр , которым определяется эта функция.
Функция вида:
Называется функцией правдоподобия.
Метод максимального правдоподобия заключается в том, что в качестве оценок параметра принимается то значение , при котором функция принимает максимальное значение. Экстремум функций и достигается при одних и тех же значениях . Удобнее находить максимум функции . Поэтому критические значения определяются из системы уравнений правдоподобия:
Где – число оцениваемых параметров.
Данный метод дает состоятельные оценки. Если существует эффективная оценка, то метод максимального правдоподобия дает эту оценку. Оценки максимального правдоподобия асимптотически эффективны и имеют асимптотически нормальное распределение.
Пример: Найти методом наибольшего правдоподобия оценку параметра λ показательного распределения:
Если в результате испытаний случайная величина распределенная по показательному закону, приняла значения .
Решение:
Составим функцию правдоподобия, учитывая, что :
Отсюда следует:
Логарифмическая функция правдоподобия:
Найдем первую производную по переменной λ:
Напишем уравнение правдоподобия, для чего приравняем первую производную нулю:
Отсюда критическая точка равна:
Найдем вторую производную по λ:
При вторая производная отрицательна, следовательно, является точкой максимума. Значит, в качестве оценки наибольшего правдоподобия параметра показательного распределения надо принять величину, обратную выборочной средней: .
9. Выборочная средняя как точечная оценка генеральной средней, ее несмещенность и состоятельность.
Статистической оценкой или статистикой характеристики (параметра) генеральной совокупности называют приближенное значение искомой характеристики (параметра), полученное по данным выборки.
В статистике используются два вида оценок - точечные и интервальные.
Точечной статистической оценкой параметра генеральной совокупности называется конкретное числовое значение искомой характеристики.
Качество статистических оценок определяется следующими их свойствами:
• Состоятельность
Оценка считается состоятельной, если при неограниченном увеличении объема выборки [ n >» (N)], ее ошибка стремится к 0:
lim(c? - а) = 0, т. к. при n t lim а = а ;
n—>» n—>»
где а - значение характеристики генеральной совокупности; а - значение характеристики выборки; а -а - ошибка выборки. •
Несмещенность
Оценка считается несмещенной, если при данном объеме выборки n математическое ожидание ошибки равно 0.Для несмещенной оценки ее математическое ожидание точно равно математическому ожиданию характеристики выборки:
M[а - а] = 0 или M[а] = M[а].
Несмещенная оценка не всегда дает хорошее приближение оцениваемого параметра, так как возможные значения получаемой оценки могут быть сильно рассеяны вокруг своего среднего значения. Поэтому оценка должна соответствовать еще одному требованию - эффективности. •
Генеральная средняя и выборочная средняя
Пусть задана дискретная случайная величина Х в виде генеральной совокупности. Генеральной средней называют среднее арифметическое значений признака генеральной совокупности:
|
. |
(6.2) |
где xi – варианта генеральной совокупности, ni – частота варианты xi,
.
N– все возможные значения частот дискретной случайной величины Х.
В частном случае, когда генеральная совокупность содержит по одному значению каждой варианты, генеральная средняя равна:
|
. |
(6.2а) |