- •Минобрнауки россии
- •Содержание
- •Раздел I теория вероятностей 8
- •Раздел II математическая статистика 73
- •Введение
- •Раздел I теория вероятностей
- •Правило суммы
- •Правило произведения
- •Формулы комбинаторики
- •Размещения без повторения
- •Перестановки без повторений
- •Сочетания без повторений
- •Размещения с повторением
- •Сочетания с повторением
- •Перестановки с повторением
- •Лекция 2. Пространство элементарных событий. Классическое определение вероятности
- •Пространство элементарных событий
- •Свойства вероятности
- •Лекция 3. Различные определения вероятностей Статистическое определение вероятности
- •Геометрическая вероятность
- •Парадокс Бертрана
- •Аксиоматическое построение теории вероятностей
- •Лекция 4. Условная вероятность. Теорема умножения. Независимые события. Формула полной вероятности
- •Независимые события. Теорема умножения
- •Формула полной вероятности
- •Формула Бейеса
- •Лекция 5. Независимые испытания. Формула Бернулли.
- •Формула Бернулли
- •Наивероятнейшее число
- •Локальная предельная теорема Муавра-Лапласа
- •Интегральная предельная теорема Лапласа
- •Лекция 6. Дискретная случайная величина и ее числовые характеристики Виды случайных величин. Способы описания дискретной случайной величины
- •Функция распределения
- •Свойства функции распределения
- •Математическое ожидание и дисперсия дискретной случайной величины
- •Свойства математического ожидания дискретной случайной величины
- •Математическое ожидание и дисперсия некоторых случайных величин
- •Лекция 7. Непрерывная случайная величина и её распределения
- •Нормальное (гауссовское) распределение
- •Равномерное распределение
- •Лекция 8. Математическое ожидание, дисперсия, моменты непрерывной случайной величины
- •Закон больших чисел. Теорема Чебышева. Центральная предельная теорема
- •Лекция 9. Некоторые модели законов распределений, наиболее распространенных в практике статистических исследований
- •1. Биномиальное распределение
- •2. Распределение Пуассона
- •3. Нормальное (гауссовское) распределение
- •4. Логарифмически-нормальное распределение
- •5. Экспоненциальное распределение
- •7. Распределение Стьюдента с степенями свободы
- •8. Распределение Фишера-Снедекора (f-распределение).
- •Раздел II математическая статистика Лекция 1. Генеральная совокупность. Выборка. Способы образования выборки. Статистическая оценка параметров распределения.
- •Задача статистической оценки параметров
- •Точечные оценки основных параметров распределений
- •Лекция 2. Законы распределения выборочных характеристик, используемые при оценке параметров. Интервальные оценки параметров распределения.
- •1. Распределение средней арифметической.
- •2. Распределение Пирсона (- хи квадрат).
- •3. Распределение Стьюдента (t-распределение).
- •Интервальная оценка параметра распределения. Понятие доверительного интервала.
- •Интервальные оценки для генеральной средней.
- •Интервальные оценки для генеральной доли
- •Интервальные оценки для генеральной дисперсии и среднего квадратического отклонения
- •Лекция 3. Проверка статистических гипотез о значении параметров распределения. Понятие статистической гипотезы и статистического критерия.
- •1. Проверка гипотезы о значении генеральной средней нормально распределённой совокупности
- •2. Проверка гипотезы о значении генеральной дисперсии нормально распределённой совокупности.
- •3. Вычисление мощности критерия
- •Мощность критерия при проверке гипотезы о значении генеральной средней
- •Мощность критерия при проверке гипотезы о значении генеральной дисперсии
- •Лекция 4 Гипотезы о виде закона распределения генеральной совокупности
- •Вычисление теоретического ряда частот
- •Понятие о критериях согласия
- •Критерий согласия Пирсона
- •Лекция 5. Элементы корреляционного анализа Задачи корреляционного анализа. Двумерная корреляционная модель
- •Примерные вопросы к экзамену
- •Задачи к экзамену
Вычисление теоретического ряда частот
Пусть дискретная случайная величина Х, принимающая значения , с вероятностями, характеризует некоторый признак в генеральной совокупности достаточно большого объёма. Тогда событиясоставляют полную группу. Образуя из этой генеральной совокупности собственно-случайную выборку, мы придем к схеме независимых испытаний. Поэтому вероятность того, что при отборе каждого элемента выборки рассматриваемый признак примет значение, можно считать постоянной равной.
Теоретической частотой событиявn независимых испытаниях назовём математическое ожидание числа наступлений этого события. Тогда
(1)
Если случайная величина Х непрерывна и множеством её значений является прямая или её часть, то разбивая это множество на непересекающиеся интервалы , получим
(2)
Наиболее часто встречающийся закон распределения непрерывной случайной величины – это нормальный закон. Для нормального закона распределения формула (2) примет вид:
(3)
где и- выборочные оценки математического ожидания и дисперсии генеральной случайной величины.
Пример 1. Получено следующее распределение 100 рабочих цеха по выработке в отчётном году (в процентах к прошлому году):
Выработка в отчётном году |
94-104 |
104-114 |
114-124 |
124-134 |
134-144 |
Всего |
Количество рабочих |
6 |
20 |
45 |
24 |
5 |
100 |
Предполагая, что распределение случайной величины Х – выработки рабочих – является нормальным, вычислить теоретический ряд частот. Построить гистограмму и соответствующую нормальную кривую теоретического распределения.
Решение: Параметры теоретического распределения неизвестны. Заменим их выборочными оценками и, которые вычислим так же, как это сделано в примере 1 лекции 1:,
. Для расчёта теоретических частот с помощью формулы (3), составим таблицу
Интервалы
|
Эмпири- ческие частоты |
Вероят- ности |
Теорети- ческие частоты | ||||
94-104 |
6 |
-1,62 |
-2,69 |
-0,4474 |
-0,4963 |
0,0489 |
4,89 |
104-114 |
20 |
-0,55 |
-1,62 |
-0,2088 |
-0,4474 |
0,2386 |
23,86 |
114-124 |
45 |
0,51 |
-0,55 |
0,1950 |
-0,2088 |
0,4038 |
40,38 |
124-134 |
24 |
1,58 |
0,51 |
0,4429 |
0,1950 |
0,2479 |
24,79 |
134-144 |
5 |
2,64 |
1,58 |
0,4959 |
0,4429 |
0,053 |
5,3 |
Итого: |
100 |
- |
- |
- |
- |
0,9922 |
99,22 |
Построим гистограмму по данному интервальному вариационному ряду и в той же системе координат теоретическую кривую, принимая за варианты середины интервалов.
Х
94 104 114 124 134 144
Понятие о критериях согласия
Найденные в примере теоретические частоты несколько отличаются от эмпирических частот. Такое несовпадение возможно по двум причинам:
1. Они не существенны и являются следствием случайности единичных наблюдений. И предположение о распределении изучаемого признака в соответствии с выбранным теоретическим законом согласуется с данными выборки.
2. Они не случайны, опытное и теоретическое распределения не согласуются, они противоречат друг другу. Следовательно, гипотезу о распределении по выбранному закону следует признать ошибочной.
Возможность сделать первый или второй вывод позволяют сделать, так называемые критерии согласия.
Критерий состоит в том, что выбранная некоторая случайная величина Y является мерой расхождения (рассогласования) между вариационным рядом и предполагаемым законом распределения. При проверке нулевой гипотезы о виде теоретического закона распределения, заранее задаётся уровень значимости и т.д. Затем на основании закона распределения находят такое значениеYкр, что
.
Критическое значение Yкр обычно находят по таблице соответствующей функции распределения. Далее вычисляется на основании выборки наблюдаемое значение статистики критерия Yн. Наконец, сравниваются значения Yн и Yкр. Если Yн>Yкр, то нулевая гипотеза отвергается. В противном случае гипотеза не отвергается, т.е. отклонения от предполагаемого закона считаются незначительными.
Можно осуществить проверку гипотезы и в другом порядке: по наблюдаемому значению статистики Yн определяется из таблицы . Если, то гипотеза отвергается. Если, то гипотеза не отвергается.