- •Теория вероятностей и математическая статистика
- •1 Краткая историческая справка
- •2 Основные комбинаторные объекты (типы выборок). Формулы и правила расчёта
- •2.1 Примеры решения задач
- •3 Случайные события. Классическое определение вероятности
- •3.1 Случайные события
- •3.2 Классическое определение вероятности
- •3.3 Относительная частота события
- •4 Статистическая и геометрическая вероятности
- •5 Вероятность сложных событий. Противоположные события. Условная вероятность
- •5.1 Алгебра случайных событий
- •5.2 Теорема сложения вероятностей несовместных событий
- •5.3 Противоположные события
- •5.4 Теорема умножения вероятностей
- •6 Вероятность появления хотя бы одного события. Формула полной вероятности. Формулы Бейеса
- •6.1 Независимые события
- •6.2 Вероятность появления хотя бы одного события
- •6.3 Формула полной вероятности
- •6.4 Формулы Бейеса
- •7 Схема Бернулли. Локальная и интегральная теоремы Муавра-Лапласа
- •7.1 Формула Бернулли
- •7.2 Локальная теорема Лапласа
- •7.3 Интегральная теорема Лапласа
- •8 Понятие дсв. Распределение дсв. Функции от дсв
- •8.1 Случайная величина
- •8.2 Дискретная случайная величина (дсв)
- •8.3 Независимые случайные величины
- •8.4 Функция распределения случайной величины
- •9 Характеристики дсв и их свойства. Математическое ожидание, дисперсия, ско
- •9.1 Математическое ожидание дискретной случайной величины
- •9.2 Свойства математического ожидания
- •9.3 Дисперсия дискретной случайной величины
- •9.4 Свойства дисперсии
- •9.5 Среднее квадратическое отклонение дискретной случайной величины
- •10 Биноминальное распределение. Распределение Пуассона. Геометрическое распределение
- •10.1 Биноминальное распределение
- •10.2 Распределение Пуассона
- •10.3 Геометрическое распределение вероятности
- •11 Понятие нсв. Равномерно распределенная нсв
- •11.1 Непрерывная случайная величина (нсв)
- •11.2 Равномерно распределённая нсв
- •12 Функция плотности нсв. Характеристики нсв
- •12.1 Функция плотности нсв
- •12.2 Свойства плотности распределения
- •12.3 Числовые характеристики непрерывных случайных величин
- •13 Нормальное распределение. Кривая Гаусса. Правило трёх сигм
- •13.1 Нормальный закон распределения
- •13.2 Функция Лапласа
- •13.3 Правило трёх сигм
- •14 Показательное распределение. Характеристики показательного распределения
- •14.1 Показательное распределение
- •14.2 Характеристики показательного распределения
- •14.3 Показательный закон надежности
- •15 Центральная предельная теорема. Закон больших чисел
- •15.1 Неравенство Чебышева
- •15.2 Теорема Чебышева
- •15.3 Сущность теоремы Чебышева
- •15.4 Теорема Бернулли
- •15.5 Центральная предельная теорема
- •16 Выборочный метод. Полигон и гистограмма. Числовые характеристики выборки
- •16.1 Задачи математической статистики
- •16.2 Генеральная и выборочная совокупности
- •16.3 Повторная и бесповторная выборки
- •16.4 Способы отбора
- •16.5 Статистическое распределение выборки
- •16.6 Эмпирическая функция распределения
- •16.7 Полигон и гистограмма
- •16.8 Характеристики вариационного ряда
- •17 Статистические оценки параметров распределения. Точечная и интервальная оценки
- •17.1 Статистические оценки параметров распределения
- •17.2 Несмещенные, эффективные и состоятельные оценки
- •17.3 Генеральная и выборочная средняя
- •17.4 Генеральная и выборочная дисперсия
- •17.5 Точность оценки, надёжность. Доверительный интервал
- •17.6 Доверительные интервалы для оценки математического ожидания нормального распределения
- •17.7 Доверительные интервалы для оценки среднего квадратического отклонения нормального распределения
- •18 Моделирование случайных величин. Моделирование дсв, нсв
- •18.1 Предмет метода Монте-Карло
- •18.2 Случайные числа
- •18.3 Разыгрывание дискретной случайной величины
- •18.4 Разыгрывание противоположных событий
- •18.5 Разыгрывание полной группы событий
- •18.6 Разыгрывание непрерывной случайной величины. Метод обратных функций
- •18.7 Приближённое разыгрывание нормальной случайной величины
17.3 Генеральная и выборочная средняя
Пусть изучается дискретная генеральная совокупность относительно количественного признака X.
Генеральной
средней
называют среднее арифметическое значений
признака генеральной совокупности.
Если
все значения
,
,
...,
признака
генеральной совокупности объема N
различны, то
.
Если
же значения признака
,
,
...,
имеют соответственно частоты
,
,
...,
,
причем
,то
или
.
Пусть для изучения генеральной совокупности относительно количественного признака X извлечена выборка объема n.
Выборочной
средней
называют среднее арифметическое значение
признака выборочной совокупности.
Если
все значения
,
,
...,
признака
генеральной совокупности объема n
различны, то
.
Если
же значения признака
,
,
...,
имеют соответственно частоты
,
,
...,
,
причем
,то
или
,
где
- варианта выборки,
- частота варианты
,
- объём выборки.
Выборочная средняя является несмещённой оценкой генеральной средней.
Пример. Из генеральной совокупности извлечена выборка:
Найти несмещённую оценку генеральной средней.
Решение:
Несмещённой оценкой генеральной средней
является выборочная средняя
17.4 Генеральная и выборочная дисперсия
Для того чтобы охарактеризовать рассеяние значений количественного признака X генеральной совокупности вокруг своего среднего значения, вводят сводную характеристику - генеральную дисперсию.
Генеральной
дисперсией
называют среднее арифметическое
квадратов отклонений значений признака
генеральной совокупности от их среднего
значения
.
Если
все значения
,
,
...,
признака генеральной совокупности
объема N различны, то
Если
же значения признака
,
,
...,
имеют соответственно частоты
,
,
...,
,
причем
,
то
Пример 1. Генеральная совокупность задана таблицей распределения:
Найти генеральную дисперсию.
Решение: Найдем генеральную среднюю:
.
Найдем генеральную дисперсию:
Кроме дисперсии для характеристики рассеяния значений признака генеральной совокупности вокруг своего среднего значения пользуются сводной характеристикой - средним квадратическим отклонением.
Генеральным
средним квадратическим отклонением
(стандартом)
называют квадратный корень из генеральной
дисперсии:
.
Для того чтобы охарактеризовать рассеяние наблюдаемых значений количественного признака выборки вокруг своего среднего значения вводят сводную характеристику - выборочную дисперсию.
Выборочной
дисперсией
называют среднее арифметическое
квадратов отклонения наблюдаемых
значений признака от их среднего значения
.
Если все значения , , ..., признака выборки объема n различны, то
Если
же значения признака
,
,
...,
имеют соответственно частоты
,
,
...,
,
причем
,
то
.
Пример 2. Выборочная совокупность задана таблицей распределения:
Найти выборочную дисперсию.
Решение: Найдем выборочную среднюю:
.
Найдем выборочную дисперсию:
Кроме дисперсии для характеристики рассеяния значений признака выборочной совокупности вокруг своего среднего значения пользуются сводной характеристикой - средним квадратическим отклонением.
Выборочным
средним квадратическим отклонением
(стандартом)
называют квадратный корень из выборочной
дисперсии:
Вычисление дисперсии, безразлично - выборочной или генеральной, можно упростить, используя следующую теорему.
Теорема.
Дисперсия
равна среднему квадратов значений
признака минус квадрат общей средней:
.
Пример. Найти выборочную дисперсию по данному распределению
Решение. Найдем выборочную среднюю:
.
Найдем среднюю квадратов значений признака:
.
Искомая
дисперсия:
.
Пусть
нам необходимо по данным выборки оценить
(приближенно найти) неизвестную
генеральную дисперсию
.
Если в качестве оценки генеральной
дисперсии принять выборочную дисперсию,
то эта оценка будет приводить к
систематическим ошибкам, давая заниженное
значение генеральной дисперсии.
Объясняется это тем, что, как можно
доказать, выборочная дисперсия является
смещенной оценкой
другими словами, математическое ожидание
выборочной дисперсии не равно оцениваемой
генеральной дисперсии, а равно
.
Легко
«исправить» выборочную дисперсию так,
чтобы ее математическое ожидание было
равно генеральной дисперсии. Достаточно
для этого умножить
на дробь
.
Сделав это, получим исправленную
дисперсию, которую обычно обозначают
через
:
.
Исправленная дисперсия является, конечно, несмещенной оценкой генеральной дисперсии.
Итак, в качестве оценки генеральной дисперсии принимают исправленную дисперсию .
Для оценки же среднего квадратического отклонения генеральной совокупности используют «исправленное» среднее квадратическое отклонение, которое равно квадратному корню из исправленной дисперсии:
