
- •1.Случайные события. Пространство элементарных событий. Алгебра событий.
- •2 Вероятность в дискретных пространствах элементарных событий.
- •3. Классическая схема равновероятных событий.
- •4 Теорема сложения и умножения вероятности.
- •5. Формула полной вероятности и формула Байеса.
- •7.Повторение испытаний. Схема Бернулли. Биномиальное распределение. Формула Пуассона
- •10.Вероятность в непрерывных пространствах элементарных событий и ее свойства. Геометрические вероятности
- •13. Системы дискретных случайных величин. Таблица распределения. Независимость. Ковариация. Механическая интерпретация. Условные распределения.
- •14.Мат. Ожидание и дисперсия суммы случайных величин. Мат ожидание произведения случайных величин.
- •15.Коэффициент корреляции как характеристика статистической связи. Некоррелированность и независимость случ. Величин.
- •18.Функции случайных величин. Вычисление мат ожиданий. Нахождение закона распределения для функции одной случайной величины, в случае дискретной и непрерывной случайной величин
- •21. Теорема Бернулли.
- •22. Теорема Чебышева и ее обобщение.
- •23. Асимптотическое распределение среднего арифметического независимых случайных величин и относительной частоты.
- •17. Предмет мат статистики. Основные понятия: выборка, генеральная совокупность, статистики Распределение выборки, выборочные моменты.
- •18. Задача статистического оценивания. Несмещенность и состоятельность оценок, эффективность оценок.
- •19. Метод моментов. Несмещенная оценка дисперсии
- •20. Распр. Хи-квадрат, Стьюдента, Фишера. Их определ. Свойства. Применение при нахождении доверительных интервалов и при проверке стат.Гипотез.
- •22.Доверит. Интервал для среднего и разности средних
- •23.Проверка стат.Гипотез. Классиф. Критерий. Стат.Крит. Ур-нь значимости. Крит.Обл. Ошибки 1 и 2 рода.
- •24.Проверка гипотез о равенстве дисперсий и средних.
- •25. Регрессионный анализ. Оценки параметров линейной регрессии методом наименьших квадратов.
- •26. Анализ значимости и адекватности регрессионной модели.
22.Доверит. Интервал для среднего и разности средних
Д.инт. для среднего
ДИСПЕРСИЯ ИЗВЕСТНА
Пусть
– выборочный вектор n–наблюдений
СВ Х,
где
.
В качестве оценки для m
возьмем
.
Предположим, что
известна. Рассмотрим статистику
.
Статистика
.
По таблице нормального
распределения найдем квантили
и
.
.
.
.
.
Учитывая, что
получаем
.
ДИСПЕРСИЯ НЕИЗВЕСТНА
Пусть
– выборочный вектор n–наблюдений
СВ
.
В качестве оценки для m
возьмем
.
Если дисперсия генеральной совокупности
неизвестна, то по выборке определяем
статистику
.
Доверительный интервал для m
в этом случае находится с помощью
статистики
.
В литературе по
статистике показано, что Y
имеет распределение Стьюдента с n–1
степенью свободы
.
По заданной
доверительной вероятности
,
используя таблицы распределения
Стьюдента с n–1
степенью свободы, находим
.
.
.
.
Доверит.инт.для разности средних
Если дов.инт для m1-m2 содержит в себе 0, то различие 2х совокупн.незначимо и вызвано случайной изменчивостью величин и ошибкой измерений.
1.есть: N(m,
)
N(m,
)
n1\X1 n2\X2 (X c чертой)
σ^2 известны.
и статитика Y=
~N(0,1)
рассуждая так же,как и для дов.инт для среднего с ИЗВЕСТНОЙ дисперсией:
(
2.Если Дисперсия
НЕИЗВЕСТНА,то
можно считать,что
=
=
=
=
S12-несмещ.оц
дисп. определенная по выборке n1;
S22-несмещ.оц
дисп. определенная по выб. n2
S2несмещ оц.дисперсии σ2
использ стат Y=
~T(n1+n2-2)-степенями
свободы,получ довер инт:
(
23.Проверка стат.Гипотез. Классиф. Критерий. Стат.Крит. Ур-нь значимости. Крит.Обл. Ошибки 1 и 2 рода.
Пусть Х – наблюдаемая СВ. Она может быть дискретной, а может и непрерывной.
Статич.гипотеза Н-предположение относительно параметров или вида распределения СВ Х.
-простая –однозначно определ.распр СВ Х
-сложная
-параметрич-распр Х известно,но необходд.проверить предполож. о значениях парам-в распредел.
Проверяемая гипотеза -нулевая гип.-Н0. Обязательно на ряду с Н0 рассматривают одну из альтернативных гипотез Н1.
При этом имеются различные ситуации для Н1.
;
;
;
.
Выбор альтернативной гипотезы Н1 определяется конкретной формулировкой задачи
Критерий-правило,по кот.проверяют гипотезу
Так как решение
принимается на основе выборки наблюдений
СВ Х,
то необходимо выбрать подходящую
статистику, которую мы будем называть
статистикой Z
критерия К.Замечание.
При проверке
простой параметрической гипотезы Н0:
=0
в качестве статистики критерия выбирают
ту же статистику, что и для оценки
параметра ,
т.е.
Основной принцип при проверке статистической гипотезы: Маловероятные события считаются невозможными, а события, имеющие большую вероятность, считаются достоверными. Реализация этого принципа на практике. Перед анализом выборки фиксируется некоторая малая вероятность , называемая уровнем значимости. Пусть V множества значений статистики Z, VK – подмножество множества значений статистики Z (VK V). Это такое подмножество, что при условии истинности гипотезы Н0, имеем вероятность того, что P{ZVkH0}=. Обозначим через zв – выборочное значение статистики Z, которое вычитается по конкретной выборке. Критерии К формулируется следующим образом.
Отклонить гипотезу Н0, если zвVk. Отклонить гипотезу Н0, если zвV \ Vk. Уровень значимости определяет размер критической области, а ее положение зависит от альтернативной гипотезы Н1.
Z1––квантиль распределения Z при условии, что верна гипотеза Н0.
Z– квантиль распределения Z при условии, что верна гипотеза Н0.
Проверку параметрической гипотезы при помощи критерия значимости можно разбить на следующие этапы:1)сформулировать Н0 и Н1;2)назначить ;3)выбрать статистику Z для проверки Н0;4)определить выборочное распределение Z при условии, что верна Н0;5)определить VK (она зависит от Н1);6)получить выборку и вычислить zb ;7)принять статистическое решение: zвVk – отклонить Н0;
zвV \Vk – принять Н0.
Ошибка 1ого рода:
если Но отклонена,но
она верна. Вероятность P{ZVkH0}=..-вер-ть
попадания статистики Z
в крит. область Vk,при
усл что Но верна=
Ошибка 2ого рода:
гип. Но принимается, но верна гипотеза Н1(приняли неверную гипотезу)
Вероятность ошибки второго рода при условии, что гипотеза Н1 – простая, P{ZV\VkH1}=.
Проверка гипотез с использованием критерия значимости может быть проведена на основе доверительных интервалов. При этом одностороннему критерию значимости будет соответствовать односторонний доверительный интервал, а двустороннему критерию значимости будет соответствовать, двусторонний доверительный интервал. Гипотеза Н0 – принимается, если значение 0 накрывается доверительным интервалом, иначе отклоняется.