Savelova_Metod_Monte-Karlo_2011
.pdfНетрудно доказать (см. задачу 5 задания 2), что Fn x – несме-
щенная и состоятельная оценка функции распределения F (x) слу-
чайной величины .
Имеет место теорема 1.7 (теорема Колмогорова). Пусть
|
|
Dn |
sup |
|
F x Fn x |
|
. |
|
|
|
|
|
|||||
|
|
|
x |
|
|
|
||
Справедливо утверждение |
|
|
|
|
|
|
||
lim P |
nDn z K (z) |
|
||||||
1 k exp( 2k 2 z2 ) . (1.25) |
||||||||
n |
|
|
|
|
|
k |
||
|
|
|
|
|
|
Доказательство утверждения (1.25) можно найти, например, в [6].
Функция K (z) носит имя Колмогорова.
Интересно отметить, что предел (1.25) не зависит от вида функ-
ции F (x) . Функция K (z) изображена на рис. 1.7. В пособиях по математической статистике эта функция обычно представлена в виде таблицы. В табл. 1.1 приведены некоторые значения данной функции.
41
|
|
|
Таблица 1.1 |
|
|
|
|
z |
K(z) |
z |
K(z) |
|
|
|
|
0,82 |
0,50 |
1,36 |
0,95 |
|
|
|
|
0,89 |
0,60 |
1,63 |
0,99 |
|
|
|
|
0,97 |
0,70 |
1,73 |
0,995 |
|
|
|
|
1,07 |
0,80 |
1,95 |
0.999 |
|
|
|
|
1,22 |
0,90 |
2,15 |
0,9998 |
|
|
|
|
Пользуясь теоремой Колмогорова, можно построить довери-
тельный интервал для функции распределения F (x) :
P |
nDn zβ K zβ β , 0 β 1, |
|||||||||
или |
|
|
|
|
|
|
|
|
|
|
|
|
z |
z |
|
||||||
P Fn x |
|
β |
|
F x Fn x |
|
β |
|
|
β . |
|
|
|
|
|
|
|
|||||
|
|
|||||||||
|
|
|
n |
|
n |
|
Принято считать:
42
zпз 1,36 |
– почти значимый при β 0,95 , р 0,05 , |
|
|||||
zз 1,63 – значимый при β 0,99 , р 0,01 , |
|
||||||
zвз 1,95 |
– высоко значимый при β 0,999 , р 0,001. |
||||||
|
|
|
|
|
|||
Обычно полагают, если nDn z * : |
|
|
|||||
z* 0, 1,36 , то опыт не противоречит гипотезе; |
|
||||||
z* 1,36, |
1,63 – нужны другие опыты; |
|
|
||||
z* 1,63, |
1,95 – гипотеза ставится под сомнение; |
|
|||||
z* 1,95 – гипотеза о распределении F (x) отбрасывается. |
|||||||
Критерий согласия χ 2 |
|
|
|
|
|||
|
|
|
|
|
r |
||
Пусть ξ – случайный вектор, |
ξ G , |
G R p , p |
1, G G j , |
||||
|
|
|
|
|
|
|
j 1 |
Gi Gj , i j . |
|
|
|
|
|||
|
|
|
r |
|
|
||
Обозначим P ξ G j p j 0 , |
p j |
1. Пусть ν j – количест- |
|||||
|
|
|
|
|
j 1 |
|
|
|
|
|
|
|
|
||
во векторов xi G j , i 1,..., n , |
j 1,..., r . Рассмотрим величину |
||||||
|
|
r |
ν j np j 2 |
(1.26) |
|||
|
W |
|
np j |
, |
|||
|
j 1 |
|
|
|
|||
которая называется статистикой Пирсона, или χ 2 |
с (r 1) степе- |
r 1
нями свободы.
Теорема 1.8 (теорема Пирсона). Для любого промежутка R1
выполнено соотношение
43
lim P W P χ2 .
n |
r 1 |
|
Доказательство теоремы можно найти в [15, 21]. Карл Пирсон рас-
сматривал метод наименьших квадратов отклонения частот |
ν j |
от |
||||||
n |
||||||||
|
|
|
|
|
|
|
||
вероятностей p j : |
|
|
|
|
|
|
|
|
r |
|
ν |
|
|
2 |
|
|
|
|
j |
|
|
|
||||
C j |
|
p j |
|
(1.27) |
||||
n |
|
|||||||
j 1 |
|
|
|
|
|
|||
|
|
|
|
|
|
|
и обнаружил, что при C j n величина (1.27) обладает простыми p j
интересными свойствами. В разделе 1.1 вводится χ 2 распределе-
ние, а на рис. 1.3 дано представление о его плотности распределе-
ния. В справочных руководствах по математической статистике обычно приведены таблицы значений χ 2 распределения для раз-
личных значений степени свободы r 1.
Пример 1.7. Имеется 20000 детей, из них 10220 – мальчики (М),
а 9780 – девочки (Д). Согласуются ли эти данные с гипотезой, что вероятности рождения мальчика или девочки совпадают, т.е.
P M P Д 12 ?
Решение. Составляем статистику Пирсона (1.26):
W |
|
2 |
|
9780 10000 |
2 |
|
10220 10000 |
|
|
9,68 . |
|||
|
10000 |
|
|
|
10000 |
|
Из таблиц χ12 |
распределения |
с |
числом степеней свободы |
|||
f r 1 1 находим: |
|
|
|
|
|
|
|
|
44 |
|
|
|
|
|
|
|
Таблица 1.2 |
|
|
|
|
β |
0,05 |
0,01 |
0,001 |
|
|
|
|
χкр2 |
3,8 |
6,6 |
10,8 |
|
|
|
|
Следовательно, 6,6 W 9,68 10,8 , т.е. гипотеза о равенстве ве-
роятности рождения мальчика и девочки ставится под сомнение.
Считаем, что события – рождение мальчика или девочки – незави-
симы между собой. Можно использовать схему биномиального распределения, где вероятность «успеха» p (рождение мальчика) и
«неудачи» q (рождение девочки) одинаковы и равны числе испытаний n 20 000 1 можно применить нормальнее приближение N a,ζ с параметрами
a Mξ np 10000 ,
2 Dξ npq 5000 .
Отсюда находим ζ Dξ 70,7 , значение ξ 10 220 (число мальчиков) удовлетворяет условию ξ Mξ 220 3ζ 212,1.
Таким образом, получаем, что произошло маловероятное собы-
тие
P ξ Mξ 3ζ 0,003 .
Поэтому гипотеза P M P Д 12 отбрасывается.
Пример 1.8. В Лондоне, на который выпущено 535 самолетов-
снарядов, рассматривается 576 участков площадью 14 км2. Име-
45
ются |
следующие данные о попадании самолетов-снарядов |
||
(табл. 1.3). |
|
||
|
|
|
Таблица 1.3 |
|
|
|
|
№ |
|
Количество участников |
Количество попаданий |
|
|
|
|
1 |
|
229 |
0 |
|
|
|
|
2 |
|
211 |
1 |
|
|
|
|
3 |
|
93 |
2 |
|
|
|
|
4 |
|
35 |
3 |
|
|
|
|
5 |
|
7 |
4 |
|
|
|
|
6 |
|
1 |
5 |
|
|
|
|
Рассматриваем случайную величину – количество попаданий в квадрат.
Можно ли считать, что случайная величина подчиняется рас-
пределению Пуассона?
Решение. Находим оценку параметра распределения Пуассона:
ˆ |
1 |
n |
λ x |
|
xi 0,932 . |
|
||
|
n i 1 |
Вычисляем оценки вероятностей попадания в квадрат k самолетов-
снарядов |
pˆ |
ˆ |
ˆ |
k |
e λ |
λ |
, k 0,1,...,5 . Объединяем 5-ю и 6-ю груп- |
||
|
k |
|
k ! |
|
|
|
|
пы в одну и составляем статистику Пирсона:
|
ˆ |
|
2 |
|
ˆ |
|
2 |
|
|
|
|
|
|
||||
W |
229 576 p0 |
|
|
211 576 p1 |
|
... 1,71. |
||
576 |
|
|
576 |
|
|
|||
|
|
|
|
|
|
|
46
Пользуемся таблицей χ32 распределения с числом степеней свобо-
ды f 4 1 3 , так как один параметр определяется из той же совокупности данных [15, 21]. Находим χкр2 7,83 1,71 при уровне доверия β 0,95 ( p 0,05 ), т.е. согласие с гипотезой о распределении Пуассона – хорошее.
1.7. Задача Беренца–Фишера
Имеются две случайные величины, распределенные по нор-
мальным законам с неизвестными параметрами:N a1,ζ1 ,
N a2 ,ζ2 .
Заданы выборки, отвечающие заданным распределениям:
x1,..., xm ,y1,..., yn .
Задача. Различны или нет случайные величины и ?
Решение. Сначала рассматривается
1)гипотеза H: ζ1=ζ2 =ζ .
Если гипотеза H не отвергается, то рассматривается
2)гипотеза H1: a1 a2 a .
В случае 1 выполнения гипотезы H получаем
m 1 |
2 |
m |
x x 2 |
2 |
|
||||
|
|
sOX |
|
i |
|
χm 1 |
, |
||
ζ2 |
|||||||||
ζ |
|||||||||
|
i 1 |
|
|
|
|
||||
|
|
|
|
|
|
|
|
47
|
|
n 1 |
|
2 |
|
|
|
n |
|
y y 2 |
|
|
2 |
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
sOY |
|
|
|
i |
|
|
|
|
|
|
χn 1 . |
|
|
|
||||||||||||||||||||
|
|
|
ζ2 |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
ζ |
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Тогда величина |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
s2 |
|
|
|
χ |
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
F |
|
OX |
|
|
|
|
|
m 1 |
|
|
n 1 |
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
s |
2 |
|
|
|
|
|
|
χ2 |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
OY |
|
|
|
|
n 1 |
|
|
m 1 |
|
|
|
|
|
|
|
|
|
|
|||||||||||
подчиняется распределению |
Фишера |
|
|
[10, |
|
|
15] с параметрами |
||||||||||||||||||||||||||||||||||
f1 m 1 , f2 n 1 : |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
m n 2 |
|
|
|
|
|
|
|
|
|
|
m 1 |
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
z |
|
|
|
|
|
|
|
1 |
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t |
2 |
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
P F z |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
dt . |
||||||||||
|
m 1 |
|
n 1 |
0 |
|
|
t |
|
m n 2 |
|
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
2 |
|
|
|
|
1 |
|
|
|
2 |
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
По таблицам F распределения находим |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
P F Fкр β . |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
Если F Fкр , то гипотеза H отвергается, |
при |
F Fкр данные не |
|||||||||||||||||||||||||||||||||||||||
противоречат гипотезе H. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
Допустим, что гипотеза H не отклонена, |
|
|
ζ1=ζ2 =ζ . Тогда рас- |
||||||||||||||||||||||||||||||||||||||
смотрим 2-ю гипотезу H1 ( a1 a2 a ). |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
Имеем соотношения |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
m 1 |
s2 |
χ2 |
|
|
, |
n 1 |
s2 |
|
χ |
2 |
|
|
. |
|
|
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
n 1 |
|
|
||||||||||||||||||||||||||||||
|
|
ζ2 |
|
|
|
OX |
|
|
m 1 |
|
|
|
|
ζ2 |
|
|
|
|
OY |
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Очевидно, выполнено свойство о сумме χ 2 |
распределений (см. за- |
||||||||||||||||||||||||||||||||||||||||
дачу 7 из задания 2) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
m 1 |
s2 |
|
|
|
n 1 |
s2 |
|
|
|
χ2 |
|
|
|
|
|
. |
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
ζ2 |
|
|
|
OX |
|
|
|
|
ζ2 |
|
OY |
|
|
|
|
m n 2 |
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Случайные величины имеют нормальное распределение: 48
|
|
|
|
1 |
|
m |
|
|
|
|
|
|
|
|
ζ |
|
|
|
|
|||||||||||||||
|
|
x |
|
|
|
|
xi |
N a, |
|
|
|
|
|
|
|
|
|
, |
|
|
||||||||||||||
m |
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
1 |
n |
|
|
|
|
|
|
|
ζ |
|
|
|
|
|
||||||||||||||||
|
|
y |
|
|
|
yi |
N a, |
|
|
|
|
|
|
. |
|
|
|
|
||||||||||||||||
|
n |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
i 1 |
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
Легко показать, что |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
1 |
|
|
|
|
|
||||||||||||
|
|
x y N |
0,ζ |
|
|
|
|
|
|
|
|
|
|
|
|
, |
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
m |
|
|
|
|
n |
|
|
|
|
|
|||||||||
так как и независимы между собой. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
Составим случайную величину |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
x y |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ζ |
|
1 |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
t |
|
|
|
|
|
|
|
m |
n |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, |
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
n |
|
|
|
||||||||||||
1 |
|
|
|
|
|
m |
2 |
|
|
|
|
|
1 |
2 |
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
sOX |
|
|
|
|
|
|
|
|
|
|
sOY |
||||||||||
|
|
m n |
|
|
|
|
|
|
|
ζ2 |
|
|
||||||||||||||||||||||
|
|
2 ζ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||
имеющую распределение Стьюдента с |
|
|
|
|
f m n 2 степенями |
свободы. Из таблицы для распределения Стьюдента для заданного уровня доверия β 0 находим tкр :
если t tкр , то гипотеза H1 отклоняется;
если t tкр , то основания отклонить гипотезу H1 нет.
Пример 1.9. Имеется 20 школьников, разделенных на две груп-
пы по 10 человек. Одна группа школьников из 10 человек пьет апельсиновый сок (АС), другая – молоко (М) (табл. 1.4). Считается,
что прибавление в весе каждого школьника – случайная величина,
распределенная по нормальному закону. Одинаковы или нет пара-
49
метры нормального закона распределения для двух случайных ве-
личин?
Таблица 1.4
N |
АС, xi |
М, yi |
||
|
|
|
|
|
1 |
|
4 |
1 |
1 |
|
|
|
|
2 |
2 |
2 |
1 |
3 |
1 |
|
|
2 |
|
2 |
3 |
3 |
1 |
2 |
1 |
|
|
2 |
|
2 |
4 |
|
4 |
|
3 |
5 |
1 |
1 |
2 |
1 |
|
|
2 |
|
2 |
6 |
|
1 |
|
2 |
7 |
3 |
1 |
2 |
1 |
|
|
2 |
|
2 |
8 |
|
3 |
1 |
1 |
|
|
|
|
2 |
9 |
2 |
1 |
|
2 |
|
|
2 |
|
|
10 |
3 |
1 |
|
3 |
|
|
2 |
|
|
Имеем результаты на основании данных из табл. 1.4: x 2,9 , y 2,4 , x y 0,5;
sOX2 9, 40 , sOY2 3,90;
s2
OX F 2, 41 , f1 f2 9 .
sOY2
Для β 0,05 Fкр 3,18 2,41, следовательно, нет оснований счи-
тать, что отклонение выборочных дисперсий значимо. Находим
t 1,30 , |
f 18 |
для β 0,05 |
tкр 2,10 1,30 . |
|
|
|
50 |