- •2. Алгебра событий. Основные операции над событиями. Теорема сложения вероятностей. Следствия.
- •3. Условная вероятность. Теорема умножения вероятностей. Следствия. Независимость событий.
- •4. Использование формул комбинаторики при непосредственном вычислении вероятностей событий.
- •5. Формула полной вероятности и Байеса.
- •6. Повторение независимых испытаний. Схема Бернулли. Формула Бернулли.
- •7. Дискретная случайная величина. Ряд распределения. Функция распределения.
- •8. Числовые характеристики дискретной св.
- •3. Среднее квадратическое отклонение
- •9. Биномиальное распределение. Частная теорема о повторении опытов. Примеры.
- •1 0. Распределение Пуассона. Простейший поток событий. Формула Пуассона для потока событий. Вероятность появления хотя бы одного события.
- •11. Непрерывная случайная величина. Функция распределения и плотность вероятности. Их свойства.
- •12. Числовые характеристики непрерывной св. М(х), d(X), σx, их свойства.
- •13. Равномерный закон распределения.
- •15. Показательный закон распределения вероятностей. Определение, графики плотности вероятности и функции распределения. Основные характеристики.
- •17. Числовые характеристики системы двух св. Корреляционный момент. Коэффицент корреляции.
- •18. Теоремы о числовых хар-ках, их применение.
- •19. Предельные теоремы теории вероятностей. Неравенство Чебышева, неравенство Маркова. Закон Больших чисел (теорема Чебышева).
- •21. Центральная предельная теорема и особая роль нормального распределения. Формулы для практического применения теории вероятностей (интегральная теорема Муавра-Лапласа).
- •22. Основные понятия математич. Статистики. Простая статистическая совокупность. Статистическая функция распределения. Статистический ряд. Полигон. Гистограмма.
- •23. Точечные оценки параметров распределения. Требования, предъявляемые к точечным оценкам. Оценки для м(х), d(X) и сдо.
- •24. Метод моментов для получения точечных оценок. Выравнивание статистических рядов.
- •25. Интервальные оценки. Доверительные интервалы.
- •26. Статистические гипотезы. Основные понятия (основная и альтернативная гипотеза, критическая область, доверительная вероятность). Проверка статистических гипотез.
- •27. Проверка статистических гипотез. Гипотеза о неизвестном среднем при известной дисперсии на примере нормального распределения.
- •Проверка статистической гипотезы о матожидании нормального распределения при известной дисперсии
- •28. Важнейшие распределения в математической статистике: распределение хи-квадрат, распределение Стьюдента.
- •29. Критерии согласия. Критерий согласия Пирсона
29. Критерии согласия. Критерий согласия Пирсона
Предположим, что выборка Х1,…,Хn произведена из генеральной совокупности с неизвестной теоретической функцией распределения, относительно которой имеются две непараметрические гипотезы: простая основная H0: F(x)=F0(x) и сложная конкурирующая H0: F(x)≠F0(x), где F0(x) – известная функция распределения. Иными словами, мы хотим проверить, согласуются ли эмпирические данные с нашим гипотетическим предложением относительно теоретической функции распределения или нет. Поэтому критерии для проверки гипотез H0 и H1 носят название критериев согласия.
Критерии согласия подразделяются на два класса:
1. Общие – применимы к самой общей формулировке гипотезы, а именно к гипотезе о согласии наблюдаемых результатов с любым априорно предполагаемым распределением вероятностей.
2. Специальные – предполагают специальные нулевые гипотезы, формулирующие согласие с определенной формой распределения вероятностей.
Группы общих критериев согласия:
а) Критерии, основанные на сравнении теоретической плотности распределения и эмпирич. гистограммы:
Критерий согласия хи-квадрат
Критерий числа пустых интервалов
Квартильный критерий Барнетта-Эйсена
б) Критерии, основанные на сравнении теоретической и эмпирической функций распределения вероятностей (расстояние между эмпирической и теоретической функциями распределения вероятностей является весьма эффективной статистикой для проверки гипотез о виде закона распределения вероятностей случайной величины):
Джини, Крамера-фон Мизеса, Колмогорова-Смирнова, Реньи (R-критерий), Андерсона-Дарлинга, Купера , Ватсона, Фроцини
Специальные критерии согласия:
- нормальное распределение
- экспоненциальное распределение
- равномерное распределение
Критерий Пирсона, или критерий χ2 (Хи-квадрат) — наиболее часто употребляемый критерий для проверки гипотезы о законе распределения. Во многих практических задачах точный закон распределения неизвестен, то есть является гипотезой, которая требует статистической проверки.
Пусть имеется выборка х1, х2, ..., хп значений СВ Х с неизвестной функцией распределения F(x). Требуется проверить гипотезу Н0:{F(x) = F0(x)}, о том, что СВ имеет нормальное распределение заданное распределение F0(x) против альтернативной гипотезы Н1:{F(x) ≠ F0(x)}.
Во-первых, вычислим вероятности pi попадания величины в i-й интервал, используя функцию Лапласа:
Но перед этим мы вычислили оценки матожидания и СДО, воспользовавшись формулами
где xi – среднее значение границ интервала, pi – вероятность попадания величины в интервал, n – количество результатов (объем выборки).
Далее, исходя из полученных значений, вычисляем меру расхождения по следующей формуле (критерий Пирсона χ2набл):
n - кол-во опытов,
pi – реальная вероятность,
pi* – вероятность частоты.
Затем определяем табличное значение функции распределения хи-квадрат.
1. Определяем количество степеней свободы: r=k-s, где k – количество интервалов, а s – число наложенных связей.
2. Определяем табличное значение функции распределения хи-квадрат для выбранной вероятности (α=0,01; 0,05; 0,1; 0,15, …) и количества полученных степеней свободы: χ2=(α; r).
Если χ2набл < χ2, тогда гипотеза о нормальном распределении опытных наблюдений подтверждена.