![](/user_photo/2706_HbeT2.jpg)
- •1. Случайные события.
- •2. Классическое определение вероятности и ее свойства.
- •5. Условная вероятность. Независимость событий.
- •6. Формула полной вероятности. Формула Байеса.
- •7. Схема независимых испытаний Бернулли.
- •8. Предельные теоремы в схеме Бернулли.
- •10. Плотность распределения вероятностей и ее свойства.
- •11. Математическое ожидание и его свойства.
- •Свойства м
- •12. Дисперсия и ее свойства.
- •13. Коэффициент корреляции и ковариация.
- •14. Моменты.
- •15. Основные дискретные распределения случайных величин.
- •1. Биноминальное распределение.
- •18. Двумерная функция распределения и ее свойства.
- •19. Двумерная плотность вероятности и ее свойства.
- •20. Независимость случайных величин
- •21. Условный закон распределения.
- •22. Неравенство Чебышева. Сходимость случайных последовательностей.
- •23.Теорема Чебышева. Теорема Бернулли.
- •24. Центральная предельная теорема.
- •25. Выборочный метод.
- •26.Эмпирическая функция распределения и её свойства.
- •27. Полигон и гистограмма.
- •28. Числовые характеристики выборки.
- •29. Точечное оценивание.
- •32. Доверительные интервалы.
- •33. Распределение х2 Стьюдента и Фишера.
- •34. Доверительные интервалы для оценки математического ожидания при известном .
- •35. Доверительные интервалы для оценки матожидания нормального распределения при неизвестном .
- •36. Проверка статистических гипотез.
- •37. Построение критической области.
- •38. Критерий согласия Пирсона.
- •39. Вычисление теоретических частот для нормального распределения.
- •40. Сравнение дисперсий двух нормальных выборок.
- •43. Критерий Манна-Уитни.
- •44. Парная регрессия.
- •45. Парный коэффициент корреляции, его свойства.
- •46. Проверка гипотез о достоверности выборочного коэффициента корреляции.
- •47. Нелинейная парная регрессия.
40. Сравнение дисперсий двух нормальных выборок.
Пусть имеется 2
выборки X
и Y
и пусть известно, что они имеют норм
распределение со своими параметрами
X~N(a1,
),
Y~N(a2,
)
X и Y будут иметь одинаковое распределении если их параметры равны.
Проверим сначала нулевую гипотезу, что их дисперсии равны
H0:
2=
2
Вычислим.
Несмещенной оценкой
является S.
,
Сравним дисперсии,
построив их отношение
Можно показать, что при справедливости Н0 эта случ величина имеет распределение Фишера с числом степеней свободы n1-1, n2-1
F=~F(n1-1,n2-1),
где n1
относится
к большей дисперсии
1. Конкурирующая гипотеза односторонняя. Пусть H1: S21>S22, т.е. правосторонняя критическая область.
Fk(Kкр)=1-.
Проверка H0
осуществляется следующим образом:
вычисляется наблюдаемое значение
критерия, Fнабл=
Затем по табл
критических точек распределения Фишера
по выбранному уровню значимости
и числом степеней свободы n1-1,
n2-1
находим Fкр(
,n1-1,
n2-1)
Выводы:
Если Fнабл> Fкр , то H0 отвергаем и принимаем конкурирующую.В этом случае дисперсии различаются достоверно
2. Двусторонне
конкурирующая гипотеза. Пусть H1:
S21S22
- двусторонняя
критическая область.
В этом случае можно
перейти к односторонней критич области,
только при выбранном уровне значимости
,
Fкр(
/2,
n1-1,
n2-1).
Замечание:Критерий Фишера примен в предположении нормального распределения, а нормальное распределение может состовлять выборка с объемом не мение 30.
41.Сравнение средних двух нормальных выборок (Критерий Стьюдента).
Пусть имеется 2 выборки с объемами n1 и n2, распределенные по нормальному закону.
X~N(а1,1),
Y~N(а2,
2).
Проверим гипотезу H0 о равенстве матожиданий.
H0:a1=a2;
при H1:a1a2
Несмещенной состоятельной оценкой матожидания является выборочная средняя.
тогда H0:
Для проверки H0 вычислим
T=,
)
– ошибка разности средних.
),
где
-
S1=S2, можно показать, что Т~T(n1+n2-2)
Проверка H0
осуществляется
сл образом. Вычисляем
Затем по табл
критических точек распределения
Стьюдента находим Ткр=(,
n1+n2-2),
-
выбранный уровень значимости
Если |Tн|<|Tкр|, то нет оснований отвергнуть H0. В этом случае средние различаются недостоверно (случайно)
Если |Tн|>|Tкр|, то H0 отвергаем и принимает конкурирующую гипотезу H1, В этом случае средние различаются достоверно.
2,S1≠S2. В этом случае о распределении случайной величины ничего нельзя сказать. Можно лишь говорить о том, что n1,n2→∞ эта величина → к распределению Стьюдента с числом степеней свободы
Замечание
Критерий Стьюдента обладает свойством устойчивости по отношению к нарушению вида распределения. Его можно использовать, если Тнабл намного больше, чем Ткр.
43. Критерий Манна-Уитни.
Пусть имеется две независимых выборки Х,У обьемами n1, n2.
Пусть по их законе распределения ничего неизвестно.
F(x)=F
G(y)=G
Поставим задачу сравнения этих ф-ций. Критерий проверки таких гипотез наз.- непараметрическим. Суть этих критериев состоит в том, что они не используют исходные количественные данные.
H0: F(x)= G(y)
H1: F(x)≠ G(y)
Критерий Манна-Уитни не использует количество данных, а основано на понятиях >< - оно наз. ранговым.
Две выборки Х,У объединяются в одну и упорядочиваются по возрастанию. Каждое исходное значение заменяется своим рангом – номером по порядку объединенной выборки.
R 1,i – ранг i-го значения из выборки х.
R 2,j – ранг j-го значения выборки y.
Подсчитаем сумму рангов 1 и 2 выборки:
R 1 = ∑ R 1,i . R 2 = ∑ R 2,j
Обозначим R=min { R 1, R 2 }
Статистика Манна-Уитни имеет вид: U =R – ½* n1 (n1 +1), R 1 < R 2.
MU= (n1 * n2)/2 DU= ((n1 + n2)/12 )* (n1 * n2 )
Распределение статистики U имеет спец. вид n1 / n2 =α< +∞, но при n1, n2 →+∞ распределение U быстро стремится к нормальному. Это сходимость настолько быстрая, что при n1 * n2 >8 можно пользоваться нормальным распределением при проверке H0. В этом случае нужно сделать преобразование стандартизации для нормального распределения.
Zнабл.=(U-MU)/√DU и по табл. норм. распред. на основании выбронного ур-ния значимости нах. Zкр.
Если Zнабл< Zкр, то нет основания отвергать H0,
Если ׀ Zнабл׀> Zкр, то отвергаем гепотизу H0 и принимаем H1.