
- •Основное правило комбинаторики. Перестановки, размещения, сочетания. Бином Ньютона
- •Классическое определение вероятности события, свойства вероятности
- •Теорема сложения вероятностей
- •Условная вероятность. Теорема умножения вероятностей
- •Независимые события. Несовместные события. Полная группа событий
- •Формула полной вероятности
- •Формула Байеса
- •Случайные величины. Типы случайных величин. Закон распределения вероятностей случайной дискретной величины. Многоугольник распределения
- •Аксиоматическое, статистическое и геометрическое определение вероятности
- •Гипергеометрическое распределение
- •Геометрическое распределение
- •Распределение Пуассона; параметры
- •Числовые характеристики дискретных случайных величин, их свойства
- •Биномиальное распределение; параметры, числовые характеристики
- •Начальные и центральные теоретические моменты. Асимметрия и эксцесс
- •Функция распределения вероятностей одномерной случайной величины (дискретной и непрерывной). Основные свойства функции распределения. Геометрическая интерпретация
- •Числовые характеристики непрерывной случайной величины
- •Мода, медиана, квантили, квартили и децили распределения
- •Нормальное распределение (распределение Гаусса)
- •Нормированное нормальное распределение. Функция Лапласа. Правило 3 сигм
- •Интегральная теорема Лапласа
- •Неравенство Чебышева
- •Закон больших чисел (теорема Ляпунова)
- •Теорема Бернулли
- •Центральная предельная теорема
- •Основные понятия математической статистики
- •Понятие оценки параметра, общие требования к оценке параметра
- •Выборочная оценка математического ожидания, ее свойства
- •Метод моментов для точечной оценки параметров распределения
- •Метод максимального правдоподобия
- •Выборочная оценка дисперсии, ее свойства
- •Функция плотности распределения вероятностей одномерной случайной величины, свойства функции плотности. Геометрическая интерпретация
- •Равномерное распределение (дискретный и непрерывный случай)
- •Вариационные ряды
- •Основные выборочные числовые характеристики
- •Графическое представление вариационного ряда (эмпирическая функция распределения, гистограмма, полигон частот)
- •Оценки метода максимального правдоподобия параметров нормального распределения
- •Оценка метода максимального правдоподобия параметра p биномиального распределения
- •Интервальные оценки
- •Доверительный интервал и доверительная вероятность
- •Доверительный интервал для математического ожидания нормально распределенной величины при известной дисперсии
- •Доверительный интервал для математического ожидания нормально распределенной величины при неизвестной дисперсии
- •Доверительный интервал для дисперсии нормально распределенной случайной величины
- •Статистическая гипотеза. Проверка статистических гипотез. Нулевая гипотеза, альтернативная гипотеза. Примеры статистических гипотез
- •Ошибки 1-ого и 2-ого рода. Статистический критерий. Уровень значимости и мощность критерия
- •Критическая и допустимая области. Общая схема проверки гипотезы
- •Проверка гипотезы о числовом значении математического ожидания нормального распределения при известной дисперсии
- •Проверка гипотезы о числовом значении математического ожидания нормального распределения при неизвестной дисперсии
- •Проверка гипотезы о равенстве дисперсий двух нормальных распределений
- •Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений при известных дисперсиях
- •Проверка гипотезы о числовом значении вероятности события
- •Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений при неизвестных, но равных дисперсиях
- •Сравнение двух вероятностей биномиальных распределений
- •Критерий согласия 2 Пирсона
- •Начальные и центральные моменты вариационного ряда
- •Методы получения точечных оценок параметров распределения
Проверка гипотезы о числовом значении математического ожидания нормального распределения при известной дисперсии
Необходимо проверить 2 условные значимости (). H0: M(X)=m0, где M(X) - XN(m; 2); H1: M(X)m0. Дана выборка X: x1, x2, …, xn и 2=02. Tэмпир=(x-m0)/(0/sqr(n)) N(0;1). См. приложение №2.2. Распределение Tn имеет вид N(0;1), если H0 верна. Z1-/2 – квантиль стандартного нормального распределения уровня (1-/2). K={|Tэмпир| > Z1-/2}; D={|Tэмпир| Z1-/2}.
Проверка гипотезы о числовом значении математического ожидания нормального распределения при неизвестной дисперсии
Проверка гипотезы о числовом значении M(X), XN(m; 2) при неизвестной дисперсии 2. XN(m; 2); H0: m=a, H1: ma; =const. Tэмпир=(x-m0)/(S – с крышкой/sqr(n)) T(n-1), где T – распределение Стьюдента с (n-1) степенью свободы. K={|Tэмпир| > T1-/2(n-1)}; D={|Tэмпир| < T1-/2(n-1)}.
Проверка гипотезы о равенстве дисперсий двух нормальных распределений
Дано: =const; H0: 12=22 при H1: 1222, где i2=D(i), i=1, 2, …, n => XiN(mi; i2) при этом mi – неизвестно. Решение: X1: x1(1), …, xn1(1) и X2: x2(2), …, xn2(2). На основе выборочных данных S12 (с крышкой) и S22 (с крышкой) => статистика F=S12 (с крышкой) / S22 (с крышкой). Если H0 справедлива, то F~F(n1-1; n2-1). D={/2 (n1-1; n2-1) F 1-/2(n1-1; n2-1)}. K=(D). Если вычисленное FD, то H0 – принимается. См. приложение №2.3.
Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений при известных дисперсиях
Для =const проверяем H0: m1=m2; H1: m1m2, где mi=M(Xi), i=1, 2, …, n. Xi~N(mi; i2). Дана выборка: X1: x1(1), …, xn1(1) => X1 и X2: x2(2), …, xn2(2) => X2. 12 и 22 известны. Решение: X1~N(m1; 12/n1) и X2~N(m2; 22/n2). Статистика T=(X1-X2)/(sqr(12/n1 + 22/n2)) ~ N(0; 1) при условии H0 справедлива. sqr(12/n1 + 22/n2 – это с.к.о. для случайной величины (X1-X2). D(X1-X2)=D(X1)+D(X2) => Tкрит=Z1-/2. Если |T| > Tкрит, то средние значения сильно различаются => H0 отвергается.
Проверка гипотезы о числовом значении вероятности события
Дано: n независимых испытаний, X~Bi(p); пусть в (m) из (n) испытаний событие A появилось w=m/n; P(A)=p0. Необходимо при заданном () проверить H0: p=p0; H1: pp0. Установить: значимо или незначимо различаются наблюдаемое (w) и гипотетическая вероятность (p0). Решение: T=(m/n – p0)/(sqr((p0*(1-p0))/n) ~ N(0;1). Xi – кол-во появлений события A в i-ом испытании (i=1, 2, …, n): Xi – 0 | 1; p – (1-p0) | p0. m/n= Xi / n = x. M(Xi)=p0; M(X)=p0 => m/n – p0 = X-M(X). D(Xi)=p0-po2=p0*(1-p0)=p0*q0; D(X)=(p0*q0)/n. Tкрит=Z1-/2 => если |T| > Tкрит, то H0 отвергается.
Проверка гипотезы о равенстве математических ожиданий двух нормальных распределений при неизвестных, но равных дисперсиях
Для =const проверяем H0: m1=m2; H1: m1m2, где mi=M(Xi), i=1, 2, …, n. Xi~N(mi; i2), при этом 12 = 22 и 12 неизвестно. Решение: Sp2=((n1-1)*S12 (с крышкой) + (n2-1)*S22 (с крышкой)) / (n1+n2-2); T=(X1-X2) / (sqr(Sp2*(1/n1 + 1/n2))) ~ T(n1+n2-2). Tкрит(критическое значение) = t1-/2(квантиль Стьюдента) (n1+n2-2) => если |T| > Tкрит, то H0 отвергается.
Сравнение двух вероятностей биномиальных распределений
I. n1 независимых испытаний | событие A появилось m1 раз | P(A)=p1 | W1=m1/n1;
II. n2 независимых испытаний | событие A появилось m2 раз | P(A)=p2 | W2=m2/n2;
- const. H0: p1=p2; H1: p1p2. Решение: p (с крышкой) = (m1+m2)/(n1+n2) – объединенная оценка; q (с крышкой) = 1-p (с крышкой) = 1 - (m1+m2)/(n1+n2). T=(m1/n1 – m2/n2) / sqr((m1+m2)/(n1+n2) * (1 - (m1+m2)/(n1+n2)) * (1/n1 + 1/n2)) = (W1-W2) / sqr(p – с крышкой * q – с крышкой * (1/n1 + 1/n2)) ~ N(0, 1). Т.к. n, то по центральной предельной теореме сумма (T) ~ N(0;1). Tкрит=Z1-/2; если |T| > Tкрит, то H0 отвергается.