- •А.А. Халафян
- •Лекция 1. Теории вероятностей. История возникновения. Классическое определение вероятности
- •Классическое определение вероятности
- •Лекция 2. Теоремы сложения и умножения вероятностей. Статистическое, геометрическое определение вероятности
- •Статистическое определение вероятности
- •Геометрическое определение вероятности
- •Последовательность испытаний. Формула Бернулли
- •Лекция 3. Аксиоматическое построение теории вероятностей. Аксиоматика колмогорова
- •Лекция 4. Случайная величина. Функция распределения
- •Основные свойства функции распределения
- •X1 x2 … xn …, причём xn→-∞, n→∞.
- •Лекция 6. Интегральная теорема муавра–лапласа, теорема бернулли
- •Лекция 7. Непрерывные случайные величины
- •Свойства непрерывной случайной величины
- •Законы распределения непрерывных случайных величин Равномерное распределение
- •Экспоненциальное распределение
- •Нормальное распределение
- •Лекция 8. Понятие многомерной случайной величины
- •Аналогично закон распределения y имеет вид
- •Лекция 9. Функция распределения многомерной случайной величины
- •Плотность вероятностей двумерной случайной величины
- •Лекция 10. Свойства плотности вероятностей двумерной случайной величины
- •Лекция 11. Функции от случайных величин
- •Лекция 12. Теорема о плотности суммы двух случайных величин
- •Лекция 13. Распределения стьюдента, фишера .Числовые характеристики случайных величин
- •Числовые характеристики случайных величин
- •Свойства математического ожидания случайной величины
- •Лекция 14. Числовые характеристики случайных величин (продолжение)
- •Другие характеристики центра группирования случайной величины
- •Характеристики вариации случайной величины
- •Свойства дисперсии
- •Свойства среднеквадратического отклонения
- •Лекция 15. Вычисление дисперсии основных распределений
- •Лекция 16. Числовые характеристики меры связи случайных величин
- •Лекция 17. Предельные теоремы теории вероятностей. Неравенство чебышева. Закон больших чисел
- •Неравенство Чебышева
- •Закон больших чисел
- •Закон больших чисел для одинаково распределенных случайных величин
- •Закон больших чисел в форме Бернулли
- •Лекция 18. Центральная предельная теорема
- •Лекция 19. Математическая статистика. Предмет математической статистики. Вариационные ряды
- •Лекция 20. Средние величины. Показатели вариации
- •Свойства среднего арифметического
- •Показатели вариации (изменчивости) вариационного ряда
- •Свойства дисперсии
- •Статистическая выборка
- •Лекция 21. Оценка параметров генеральной совокупности
- •Лекция 22. Точечные и интервальные оценки параметров распределения Метод наибольшего правдоподобия
- •Метод моментов
- •Интервальная оценка
- •Лекция 23. Проверка статистических гипотез
- •Лекция 24. Проверка гипотезы о равенстве средних
- •Проверка гипотезы о равенстве дисперсий
- •Проверка гипотезы о законе распределения
- •Лекция 25. Элементы регрессионного и корреляционного анализов
- •Линеаризующие преобразования
- •Линейный множественный регрессионный анализ
- •Множественный корреляционный анализ
- •Библиографические ссылки
Лекция 24. Проверка гипотезы о равенстве средних
В практических исследованиях часто встречаются случаи, когда средний результат одной серии экспериментов отличается от среднего результата другой серии. При этом правомочен вопрос, можно ли объяснить обнаруженное расхождение средних неизбежными случайными ошибками эксперимента или оно вызвано определенными причинами. В промышленной статистике задача сравнения средних возникает, когда идет речь о контроле или соответствии качества изделий, изготовленных на различном оборудовании или при различных технологических режимах; в медицине – при сравнении эффективности методов лечения; в финансовом анализе – при сравнении уровня доходности ценных бумаг и т.д. Рассмотрим один из вариантов проверки гипотезы о равенстве средних, в предположении, что выборки независимы, признаки имеют нормальное распределение и сравниваются между собой две совокупности. Если одно из этих предположений не выполняется, то применяют непараметрические критерии.
Пусть имеются генеральные совокупности Х и Y, характеризующиеся средними , и известными дисперсиями и . Необходимо проверить гипотезу Но о равенстве генеральных средних Но: = . С этой целью из этих совокупностей взяты две независимые выборки объемов n1 и n2, по которым найдены средние арифметические , и выборочные дисперсии . При достаточно больших n1 и n2 и имеют приближенно нормальные законы распределения, соответственно
.
В случае справедливости гипотезы Но имеем М( – )=M( ) – M( ) = – = 0. При этом разность – имеет нормальное распределение, а , поэтому при выполнении гипотезы Но статистика t имеет нормальное распределение, т.е.
= N(0,1). (1)
Критическая область критерия выбирается следующим образом:
– если наблюдаемое значение |t|>tкр , то гипотеза Но не принимается;
– если – |t|≤tкр , то гипотеза Но принимается, tкр определяется из уравнения
Ф(tкр) = Ф(t1-) = 1 – ,
где – уровень значимости критерия, Ф – функция Лапласа.
Если и неизвестны, то используется статистика
. (2)
Известно, что статистика t имеет распределение Стьюдента с k = n1 + n2 – 2 степенями свободы. Критическая область устанавливается по следующему правилу: если t>t,k, то гипотеза Но отвергается; в противном случае – принимается, t,k = tкр находят из соответствующей таблицы приложений.
Проверка гипотезы о равенстве дисперсий
Необходимость в использовании гипотез о равенстве дисперсий возникает часто, так как дисперсии характеризуют такие показатели, как точность измерительных приборов, технологических процессов, кучность стрельбы, риск экономических или финансовых операций и т.д.
Рассмотрим процедуру сравнения дисперсий в двух совокупностях с нормально распределенными признаками. Пусть дисперсии двух нормально распределенных совокупностей равны и . Необходимо проверить нулевую гипотезу о равенстве дисперсий –
Но: = (3)
Для проверки гипотезы (3) из этих совокупностей взяты выборки объема n1 и n2, По выборкам посчитаны выборочные дисперсии . В качестве статистики используется величина F = (в числителе ставится бòльшая). Известно, что F имеет распределения Фишера с k1 = n1–1, k2 = n2 –1 степенями свободы.
Если F > Fкр = F,k1,k2, то Но отвергается, в противном случае гипотеза принимается.
Рассмотрим процедуру сравнения дисперсий нескольких совокупностей с нормально распределенными признаками. Пусть имеется l нормально распределенных совокупностей, дисперсии которых равны соответственно 12 , 22, …,l2 и l независимых выборок из каждой совокупности объемов n1, n2, …, nl. Нулевая гипотеза о равенстве дисперсий имеет вид
Но = 12 = 22 = …= l2 = 2. (4)
Известно, что если гипотеза Но справедлива, то статистика 2, вычисленная по формуле (4) имеет распределение Пирсона с l –1 степенями свободы
2 = ,
где – исправленная выборочная дисперсия l-й выборки;
.
Правило проверки состоятельности нулевой гипотезы следующее: если t > t,k, то гипотеза Но отвергается; в противном случае – принимается, t,k = tкр находят из соответствующей таблицы приложений.