- •Глава 1. Закон больших чисел (предельные теоремы)
- •§ 1. Основные понятия и формулы
- •1. Неравенство Маркова
- •2. Неравенство Чебышева
- •3. Неравенство Бернулли
- •4. Теорема Чебышева для последовательности независимых св
- •5. Частный случай
- •§ 2. Решение типовых задач
- •§ 3. Задачи для самостоятельного решения
- •Глава 2. Нормальная случайная величина
- •§ 1. Основные понятия и формулы
- •§ 2. Решение типовых задач
- •§ 3. Задачи для самостоятельного решения
- •Глава 3. Точечные оценки неизвестных параметров
- •§ 1. Основные методы нахождения оценок неизвестных параметров
- •§ 1.1 Метод моментов Пирсона
- •§ 1.2. Метод максимального правдоподобия Фишера
- •§ 2. Решение типовых задач
- •Решение задачи (метод моментов)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод моментов Пирсона)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод максимального правдоподобия)
- •Решение задачи (метод максимального правдоподобия)
- •§ 3. Задачи для самостоятельного решения
- •Глава 4. Построение доверительных интервалов для параметров распределения генеральной совокупности
- •§1. Схема построения доверительных интервалов
- •§2. Решение типовых задач
- •§3. Задачи для самостоятельного решения
- •Глава 5. Проверка статистических гипотез. Критерий значимости
- •§1. Схема применения критерия значимости. Ошибки I и II рода
- •Для левосторонней гипотезы:
- •§2. Решение типовых задач
- •§3. Задачи для самостоятельного решения
- •Глава 6. Проверка гипотезы о законе распределения генеральной совокупности (критерий согласия)
- •§1. Схема применения критерия согласия
- •§2. Решение типовых задач (проверка гипотезы о виде распределения генеральной совокупности. Критерий Пирсона )
- •§3. Задачи для самостоятельного решения
- •Глава 7. Методический материал для написания эссе
- •§1. Методические рекомендации по написанию эссе
- •Упрощенный критерий проверки
- •Более обоснованный критерий проверки
- •1 Задача: о равенстве математических ожиданий.
- •2 Задача: о равенстве вероятностей двух событий.
- •§2. Образец написания эссе
- •I. Проверка гипотезы о равенстве мо из любых гс в случае больших выборок
- •II. Проверка гипотезы о равенстве вероятностей двух событий с помощью доверительного интервала при большом объеме выборки
- •Глава 8. Приложения
- •§1. Понятие о квантилях
- •§2. Основные распределения в статистике
- •1. Распределение χ2 с «k» степенями свободы
- •2. Распределение Стьюдента с “k” степенями свободы
- •3. Распределение Фишера с и степенями свободы
- •§3. Статистические таблицы
Глава 2. Нормальная случайная величина
§ 1. Основные понятия и формулы
Непрерывная случайная величина Х распределена по нормальному закону (распределение Гаусса), если ее плотность распределения вероятности имеет вид (для х(-; )):
fx(x)=
Для краткости данный закон записывают так: X N (m, ). Распределение Гаусса имеет два параметра: m и . Причем, известно, что:
m = mx (M [X]) – это математическое ожидание СВ X;
= x (x =√Dx ; = Dx ) – это среднеквадратичное отклонение СВ Х, а Dx – это дисперсия СВ Х.
Определение 1.2. Нормальная случайная величина называется стандартизированной, если Х N(0;1).
Замечание: Если Х N (m, ), то случайная величина U = (Х-m)/ будет стандартизированной нормальной величиной, т.к.
M [U] = M [(X-m)/] = (1/)*(M[X]-m) = 0 (по свойствам математического ожидания);
D [U] = D [(X-m)/] = (1/2)*D[X] = (1/2)*2 = 1 (по свойствам дисперсии СВ Х).
В таблицах приведены значения функции плотности стандартизированной СВ:
φ =
Замечание:
φ(х)*dx = 1 (Площадь под графиком равна 1);
φ(-х) = φ(х).
Как найти значение f (x), если Х N (m, ), где m и известны:
Во-первых, f(x) = , т.е сначала надо найти x0 = (x-m)/
Затем по таблице необходимо найти φ (x0)
Наконец, вычислить значение f(x) = .
Ф ункцией распределения случайной величины Х называется функция, заданная на всей числовой оси и в каждой точке х её значения равны вероятности попадания в интервал слева от х.
Основные свойства:
D (F) = (-∞;∞)
E (F) = (0;1) или [0;1]: lim F (x) = 0 (при х (-∞)); lim F (x) = 1 (при х ∞)
Неубывающая функция: Если х1 > x2 , то F (х1) >= F (x2)
Если Х – непрерывная СВ, то F (x) – непрерывная функция; если Х – дискретная СВ, то F (x) – кусочно-постоянная функция (разрыв слева).
Эскиз графика функции распределения
дискретной СВ
Связь между функцией плотности f (x) и функцией распределения F (x):
F (x) =
f
(x) = F ′
(x)
P {α < X < β} = =F (b) – F (a) - вероятность попадания в интервал [α;β]
Чтобы найти значение F (x) в любой точке вводят специальную функцию Лапласа, значения которой приведены в таблице. В разных таблицах можно встретить два варианта выражения функции Лапласа:
Ф (х) =
Вариант 1:
С войства:
Ф (-∞) = -½
Ф (+∞) = ½
Ф (-х) = Ф (х)
Тогда, чтобы получить значение F (x), если Х N (m; ), используем формулу:
F (x) = ½ + Ф ((x-m)/)
В
Ф (х) =
С войства:
Ф (-∞) = 0
Ф (+∞) = 1
Ф (-х) = 1 - Ф (х)
F (x) = Ф ((x-m)/)
О сновные формулы:
P {X < a} = F (a) =
Р {X > b}=1–F(b) =
P {a < X < b} = F (b) – F (a) = Ф ((b-m)/) – Ф ((a-m)/)
Правило «3*»: P {|X-m|< 3*} = 2 * Ф (3) = 0, 99973 - почти достоверное событие попасть в такой интервал
Схема Бернулли:
Проводится «n» испытаний. Возможны только два исхода: A (P(A)=p) и
А (P(А)=1-p=q). X – число появлений события А в «n» испытаниях.
bk
= P {X = k}=
Формула Бернулли k
= 0, 1, 2…n
При больших «n» используют приближенные формулы:
bk
,
где =n*p
(n-велико, р-мало)
Формула Пуассона:
Локальная формула Муавра-Лапласа:
bk
,
где (х) =
Приближенная интегральная формула Муавра-Лапласа
bk
N (m;)
m
= n*p
=
Нормальный закон является предельным для биномиального: Х N (m;), m = n*p, =
P {k1<X<k2}=