- •Теория Вероятностей
- •Теорема 3. Монотонность вероятности.
- •Теоремы умножения вероятностей
- •Теорема умножения для зависимых событий
- •Функция распределения случайной величины, ее свойства.
- •Проверка гипотезы о нормальном распределении генеральной совокупности. Критерия согласия Пирсона.
- •Выборочный коэффициент корреляции r
- •Раздел3
Проверка гипотезы о нормальном распределении генеральной совокупности. Критерия согласия Пирсона.
Критерием согласия называется критерий проверки гипотезы о предлагаемом законе распределения.
Критерий согласия Пирсона (критерий проверки гипотезы о нормальном распределении генеральной совокупности):
1) По выборке объема n построить статический ряд:
2) Вычислить по таблице оценку математического ожидания и выборочное среднее квадратическое ожидание σв.
3) В предположении нормального распределения генеральной совокупности вычислить теоретические частоты m1 теор,…,ml теор по формуле: mi теор.=npi, где , Ф(х) – интегральная функция распределения Лапласа.
4) Вычислить число по формуле: или
5) По табл. 5 приложения найти число , учитывая заданный уровень значимости α и число степеней свободы k=l-3.
6) Сравнить число и :
если < , то нет основания отвергать гипотезу о нормальном распределении генеральной совокупности;
если > , то гипотезу о нормальном распределении генеральной совокупности следует отвергнуть.
Корреляционная зависимость. Нахождение параметров уравнения линейной регрессии методом наименьших квадратов. Выборочно я коэффициент корреляции, его свойства.
Статистической называют зависимость, при которой изменение одной из величин влечет изменение распределения другой. В частности, статистическая зависимость проявляется в том, что при изменении одной из величин изменяется среднее значение другой; в этом случае статистическую зависимость называют корреляционной.
Корреляция в математической статистике, вероятностная или статистическая зависимость, не имеющая, вообще говоря, строго функционального характера. В отличие от функциональной, корреляционная зависимость возникает тогда, когда один из признаков зависит не только от данного второго, но и от ряда случайных факторов или же когда среди условий, от которых зависят и тот и другой признаки, имеются общие для них обоих условия.
Метод наименьших квадратов применяется для нахождения оценок неизвестных параметров функциональной зависимости y=f{x), вид которой предполагается известным. Пусть на опыте получено k пар результатов измерений (хi, уi), где i=l, 2,..., k. Предположим, что зависимость между X и Y близка к линейной. В этом случае естественно искать зависимость у=ах+b.
Рассмотрим оценку по методу наименьших квадратов параметров а и b.Из условия минимума суммы
эти оценки вычисляют по формулам:
(4.5)
(4.6)
Если предположить, что независимы, М( )=0, D( )= и полагая , можно показать, что оценки параметров а и b линейной регрессии, полученные методом наименьших квадратов, определяют по формулам:
Из этих равенств следует, что
Таким образом, оценки а*,b* являются несмещенными оценками параметров а и b. Оценки а* и b* состоятельны, если при k ->оо, так как в этом случае D(a*)-»0, D(b*)-»0.
Выборочный коэффициент корреляции r
где ,
Выборочный коэффициент корреляции r является оценкой коэффициента корреляции генеральной совокупности и поэтому служит для измерения линейной связи между величинами – количественными признаками Y и X.
r имеет свойства 1,3 коэффициента r, что позволяет использовать его как меру линейной связи между х и у:
1)
3) r = 1 тогда и только тогда, когда между x и y существует линейная зависимость.
В самом деле, если r = 1, то дискриминант трехчлена f(a) равен нулю, и существует единственный корень уравнения f(a) = 0, обозначим его ао. Тогда , выражение под знаком математического ожидания равно нулю, то есть или .
Обратно, если y линейно выражается через x: