- •Оглавление
- •Введение
- •1. Теория функций комплексного переменного
- •Комплексные числа и операции над ними
- •1.1.1. Определение комплексного числа
- •1.1.2. Формы записи комплексных чисел
- •1.1.3. Формула Муавра и извлечение корня n-ой степени из комплексного числа
- •1.2. Функции комплексного переменного
- •1.3. Дифференцирование функций комплексного переменного
- •1.3.1. Определение производной
- •1.3.2. Необходимые и достаточные условия дифференцируемости функции комплексного переменного
- •1.3.3. Производные основных элементарных функций
- •1.3.4. Восстановление аналитической функции по известной действительной или мнимой части
- •Интегрирование функций комплексного переменного
- •1.4.1. Определение интеграла от функции комплексного переменного
- •1.4.2. Теорема Коши. Вычисление интегралов от аналитических функций
- •2. Теория рядов
- •2.1. Числовые ряды
- •2.1.1.Основные понятия Пусть дана последовательность чисел (вещественных или комплексных)
- •Свойства сходящихся рядов
- •Замечание. Условие является необходимым, но не достаточным для сходимости, т.Е. Если , то ряд может сходиться, а может и расходиться.
- •Т. Е. Сходимость ряда равносильна тому, что сумма любого числа членов ряда, следующих за достаточно большим номером, должна быть произвольно мала.
- •2.1.2. Достаточные признаки сходимости положительных рядов
- •Пусть даны два положительных ряда и .
- •2.1.3. Сходимость рядов с произвольными членами
- •2.2. Функциональные ряды
- •2.2.1. Сходимость функционального ряда
- •Функциональные свойства суммы сходящегося ряда
- •2.2.2. Степенные ряды
- •Область сходимости степенных рядов
- •Ряды Тейлора и Маклорена
- •2.3. Ряды Фурье
- •2.3.1. Тригонометрический ряд Фурье. Периодические функции.
- •2.3.2. Сходимость ряда Фурье
- •Разложение в ряд Фурье четных и нечетных функций
- •Разложение в ряд Фурье функций произвольного периода 2l
- •2.3.3. Интеграл Фурье
- •3. Теория вероятностей
- •Случайные события и их вероятности
- •Классификация событий
- •3.1.2. Операции над событиями
- •3.1.3. Аксиоматическое определение вероятности
- •Примеры вероятностных пространств
- •Конечное вероятностное пространство
- •2. Непрерывное вероятностное пространство
- •3.1.4. Условная вероятность. Теорема умножения вероятностей.
- •3.1.5. Формула полной вероятности. Формула Байеса
- •3.1.6. Последовательность независимых испытаний. Формула Бернулли
- •3.1.7. Статистическое определение вероятности
- •3.2. Случайные величины, их распределения и числовые
- •3.2.1.Дискретные случайные величины
- •3.2.2. Функция распределения. Плотность распределения
- •3.2.3. Математическое ожидание случайной величины
- •3.2.4. Дисперсия случайной величины
- •3.2.5. Примеры законов распределения случайных величин Дискретные случайные величины
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Геометрическое распределение
- •4. Гипергеометрическое распределение
- •Непрерывные случайные величины
- •5. Равномерное распределение
- •6. Показательное распределение
- •7. Нормальное распределение
- •3.3. Системы случайных величин
- •3.3.1. Закон распределения системы случайных величин
- •Условный закон распределения
- •3.3.2. Числовые характеристики случайного вектора
- •3.3.3. Предельные теоремы теории вероятностей
- •4. Математическая статистика
- •4.1. Методы статистического описания результатов наблюдений
- •4.1.1. Статистическое распределение выборки
- •4.1.2. Эмпирическая функция распределения
- •4.2. Оценки параметров распределения
- •4.2.1.Точечные оценки параметров распределения
- •4.2.2. Интервальные оценки параметров распределения
- •4.3. Проверка статистических гипотез
- •4.4. Статистические оценки параметров линейной корреляционной зависимости (между двумя случайными величинами)
- •5. Контрольная работа № 7. Задания
- •5.1. Пример выполнения контрольной работы № 1. Вариант 0.
- •5.2. Варианты заданий контрольной работы № 7
- •6. Контрольная работа № 8. Задания
- •6.1. Пример выполнения контрольной работы № 2. Вариант № 0.
- •6.2. Варианты заданий контрольной работы № 8
4.3. Проверка статистических гипотез
Во многих случаях результаты наблюдений используются для проверки предположений (гипотез) относительно тех или иных свойств распределения генеральной совокупности.
Определение. Статистической гипотезой Н называется предположение относительно параметра или вида распределения изучаемой случайной величины Х.
Если распределение случайной величины Х известно, а по выборке наблюдений проверяют гипотезы о значении параметров распределения, то такие гипотезы называют параметрическими. Если же проверяются гтпотезы о виде самого распределения, то такие гипотезы называются непараметрическими.
Определение. Проверяемая гипотеза называется нулевой гипотезой и обозначается . Наряду с гипотезой рассматривают одну из альтернативных (конкурирующих) гипотез .
Например, если проверяется гипотеза о том, что параметр равен некоторому заданному значению , т.е. , тогда в качестве альтернативной гипотезы могут быть взяты следующие:
.
Выбор альтернативной гипотезы определяется конкретной формулировкой задачи.
Определение. Правило, по которому принимается решение принять или отклонить гипотезу , называется критерием К.
Решение признать или отклонить гипотезу, принимается на основе выборки наблюдений за случайной величиной Х. Поэтому, необходимо иметь некоторую подходящую статистику, называемую в этом случае статистикой Z критерия К.
Критерий К задают с помощью критического множества , которое является подмножеством множества значений статистики Z.
Решение принимают следующим образом:
если выборочное значение статистики принадлежит критическому множеству (критической области), то отвергают нулевую гипотезу и принимают альтернативную гипотезу ;
если выборочное значение статистики не принадлежит критическому множеству (то есть принадлежит дополнению множества до множества значений статистики Z), то отвергают альтернативную гипотезу и принимают нулевую гипотезу .
При использовании любого критерия возможны ошибки следующих видов:
принять гипотезу , если верна - ошибка первого рода;
принять гипотезу , если верна - ошибка второго рода.
Вероятности совершения ошибок первого и второго рода обозначаются соответственно, и :
, ,
где - выборочное значение статистики Z,
- вероятность события А при условии, что справедлива гипотеза .
Определение. Вероятность называют уровнем значимости критерия и фиксируют перед анализом выборки. Как правило, .
Определение. Величину ( ), которая равна вероятности отвергнуть нулевую гипотезу, если она верна, называют мощностью критерия.
Отметим, что при заданном объеме выборки нельзя одновременно уменьшить и , и . Как правило, уровень значимости критерия задают заранее, а критическую область следует выбирать таким образом, чтобы величина была минимальна.
Таким образом, проверка параметрической статистической гипотезы при помощи критерия значимости может быть разбита на следующие этапы:
сформулировать проверяемую ( ) и альтернативную ( ) гипотезы;
назначить уровень значимости ;
выбрать статистику Z критерия для проверки гипотезы ;
определить выборочное распределение статистики Z при условии, что верна гипотеза ;
в зависимости от формулировки альтернативной гипотезы определить критическую область одним из неравенств или совокупностью неравенств и ;
получить выборку наблюдений и вычислить выборочное значение статистики критерия;
принять статистическое решение:
если , то отклонить гипотезу , как не согласующуюся с результатами наблюдений;
если , то принять гипотезу , то есть считать, что она не противоречит результатам наблюдений.
Для проверки гипотез о параметрах нормально распределенной генеральной совокупности используются следующие статистики.
Пример. Проверим гипотезу о том, что генеральная средняя нормально распределенной совокупности равна заданному числу .
Для проверки этой гипотезы при известной дисперсии следует использовать статистику: ,
которая имеет нормальное распределение с параметрами: (обозначается );
если дисперсия генеральной совокупности неизвестна, то статистику:
,
которая имеет распределение Стьюдента с степенью свободы.
Здесь - объем выборки,
- выборочное среднее,
- выборочная дисперсия,
- известное среднеквадратичное отклонение,
- заданное число.
Задача. Пусть из нормально распределенной генеральной совокупности
а) с известной дисперсией ,
б) с неизвестной дисперсией
извлечена выборка объема и найдена выборочная средняя . Требуется при уровне значимости проверить нулевую гипотезу (здесь - генеральная средняя), если конкурирующая гипотеза .
Решение. а) Поскольку дисперсия генеральной совокупности известна, выбираем статистику критерия , имеющую распределение .
Вычислим наблюдаемое (выборочное) значение статистики критерия -
.
Так как альтернативная гипотеза , то критическую область следует взять двухсторонней, она задается неравенствами: и .
Плотность нормального распределения симметрична, значит, критическая область будет задана неравенством: .
Таким образом, , (здесь - функция Лапласа) отсюда .
По таблице значений функции Лапласа (приложение 1) находим .
Так как (3 > 1.96), то выборочное значение статистики критерия попадает в критическую область, значит нулевую гипотезу отвергаем. Выборочное среднее и математическое ожидание генеральной совокупности различаются значимо.
б) Если дисперсия неизвестна, то в качестве статистики критерия возьмем статистику , которая имеет распределение Стьюдента с степенью свободы.
Плотность распределения Стьюдента нечетная функция, , поэтому критическая область определяется неравенством
. Тогда ,
.
По таблице квантилей распределения Стьюдента (приложение 2) находим , следовательно, вывод тот же, что и в предыдущем случае а).
Пример. Проверим гипотезу о том, что генеральная дисперсия нормально распределенной совокупности равна заданному значению .
Обозначим через n объем выборки, по которой найдена несмещенная дисперсия .
Для того, чтобы при заданном уровне значимости проверить нулевую гипотезу о равенстве неизвестной генеральной дисперсии гипотетическому (предполагаемому) значению при конкурирующей гипотезе , надо вычислить наблюдаемое значение статистики критерия , которая имеет распределение с степенью свободы. По таблице критических точек распределения , по заданному уровню значимости и числу степеней свободы находим критическую точку . Если - нулевая гипотеза принимается, если - нулевую гипотезу отвергают.
Задача. Из нормальной генеральной совокупности извлечена выборка объема и по ней найдена выборочная дисперсия . Требуется при уровне значимости проверить нулевую гипотезу , приняв в качестве конкурирующей гипотезы .
Решение. Найдем наблюдаемое значение критерия: . По условию, конкурирующая гипотеза имеет вид , поэтому критическая область – правосторонняя. По приложению 3, по уровню значимости и числу степеней свободы находим критическую точку . Так как - нулевая гипотеза принимается, т.е. различие между выборочной дисперсией и предполагаемой генеральной дисперсией незначимо.
Для проверки непараметрических гипотез также найден ряд подходящих статистик.
Пример. Проверим гипотезу о том, что генеральная совокупность имеет нормальное распределение.
Пусть эмпирическое распределение задано в виде последовательности равноотстоящих вариант и соответствующих им частот: .
Гипотезу можно проверить с помощью критерия Пирсона, в котором используют статистику: ,
где n – объем выборки, h – шаг, равный разности между соседними вариантами, - наблюдаемая частота, - теоретическая частота, - плотность нормального распределения .
Статистика Z имеет (хи-квадрат) распределение с степенями свободы (при условии, что математическое ожидание и дисперсия генеральной совокупности неизвестны).
Для проверки гипотезы при заданном уровне значимости , надо:
Вычислить выборочную среднюю и выборочную дисперсию .
Вычислить теоретические частоты
Сравнить эмпирические и теоретические частоты с помощью критерия Пирсона. Для этого:
а) составляют расчетную таблицу, по которой находят наблюдаемое значение критерия
б) по таблице критических точек распределения , по заданному уровню значимости и числу степеней свободы находят критическую точку правосторонней критической области.
Если , то нет оснований отвергать гипотезу о нормальном распределении генеральной совокупности. Другими словами, эмпирические и теоретические частоты различаются незначимо (случайно).
Если - гипотезу отвергают. Другими словами, эмпирические и теоретические частоты различаются значимо.
Задача. Используя критерий Пирсона, при уровне значимости 0,01 установить, случайно или значимо расхождение между эмпирическими частотами и теоретическими частотами , которые вычислены, исходя из гипотезы о нормальном распределении генеральной совокупности : .
Решение. Найдем наблюдаемое значение статистики критерия Пирсона: . Составим расчетную таблицу:
|
|
|
- |
|
|
1 |
8 |
6 |
2 |
4 |
0,667 |
2 |
16 |
18 |
-2 |
4 |
0,222 |
3 |
40 |
36 |
4 |
16 |
0,444 |
4 |
72 |
76 |
-4 |
16 |
0,211 |
5 |
36 |
39 |
-3 |
9 |
0,231 |
6 |
18 |
18 |
0 |
0 |
- |
7 |
10 |
7 |
3 |
9 |
1,286 |
|
|
|
|
|
|
Из таблицы видно, что наблюдаемое значение критерия: . По таблице критических точек распределения , по уровню значимости 0,01 и числу степеней свободы (приложение 3) находим критическую точку правосторонней критической области . Так как , то нет оснований отвергать гипотезу о нормальном распределении генеральной совокупности, т.е. расхождение между эмпирическими и теоретическими частотами незначимо (случайно).
Отметим, что если вариационный ряд непрерывный, то весь интервал изменения случайной величины Х разбивают на промежутков одинаковой длины, и в качестве новых вариант берут середины интервалов: . Затем нормируют случайную величину Х, то есть переходят к новой случайной величине и находят теоретические частоты , где - функция Лапласа. При этом наименьшее значение Y приравнивают к , а наибольшее – к .
Статистика , - сумма частот, попавших в i - интервал, имеет также -распределение с степенями свободы. Затем вычисляют выборочное значение статистики критерия Пирсона и по таблице квантилей -распределения находят критическое значение статистики , соответствующее заданному уровню значимости и числу степеней свободы. Если , то гипотеза о нормальном распределении генеральной совокупности принимается, в противном случае гипотеза отвергается.