
- •С.Е.Игнатова математическая статистика
- •Санкт-Петербург
- •Утверждено редакционно-издательским советом сПбГиэу
- •Игнатова с.Е.
- •Содержание:
- •Предисловие
- •Введение
- •1.Генеральная совокупность, выборка и основные способы организации выборки.
- •2.Вариационный ряд и порядковые статистики.
- •3.Статистическое оценивание параметров.
- •4.Точечные оценки и их свойства (несмещенность, состоятельность и эффективность).
- •5.Основные выборочные характеристики и их свойства.
- •5.1.Генеральная и выборочная средние.
- •5.2.Групповая и общая средние.
- •5.3.Отклонение от общей средней и его свойство.
- •5.4.Генеральная и выборочная дисперсии.
- •5.5.Групповая, внутригрупповая, межгрупповая и общая дисперсии.
- •5.6.Сложение дисперсий.
- •6.Основные точечные оценки.
- •6.1.Оценка генеральной средней по выборочной средней. Устойчивость выборочных средних.
- •6.2.Оценка генеральной дисперсии по исправленной выборочной.
- •7.Законы распределения выборочных характеристик в нормальной генеральной совокупности.
- •7.1.Число степеней свободы.
- •7.2.Распределение хи-квадрат.
- •7.3.Распределение Стьюдента.
- •7.4.Распределение Фишера-Снедекора.
- •8.Интервальные оценки и доверительные области.
- •8.1.Оценка вероятности (биноминального распределения) по относительной частоте.
- •8.2.Доверительный интервал для оценки математического ожидания нормального распределения при известном среднем квадратическом отклонении.
- •8.3.Доверительный интервал для оценки среднего квадратического отклонения нормального распределения.
- •9.Байесовское статистическое оценивание.
- •10.Статистическая проверка гипотез: основные типы гипотез и общая логическая схема статистического критерия; характеристики качества критерия.
- •10.1.Общая логическая схема статистического критерия
- •10.2.Характеристики качества критерия.
- •11.Критерии согласия и однородности, проверка гипотезы о числовых значениях параметров.
- •11.1.Критерий однородности.
- •Например, рассмотрим непараметрический критерий сдвига.
- •11.2.Критерий согласия.
- •11.3.Методика вычисления теоретических частот нормального распределения:
- •11.4.Пример обработки массива статистических данных.
- •11.5.Сравнение двух дисперсий нормальных генеральных совокупностей
- •12.Неравенство информации, метод максимального правдоподобия и метод моментов.
- •12.1.Метод максимального правдоподобия
- •12.2.Неравенство информации
- •12.3.Эмпирические моменты
- •12.4.Метод моментов.
- •13.Основы статистического исследования зависимостей.
- •13.1.Регрессионный анализ.
- •13.1.1.Отыскание параметров выборочного уравнения линейной регрессии по несгруппированным данным.
- •13.1.2.Выборочный коэффициент корреляции.
- •13.1.3.Корреляционная таблица.
- •13.1.4.Отыскание параметров выборочного уравнения линейной регрессии по сгруппированным данным.
- •13.1.5.Выборочное корреляционное отношение.
- •13.1.6.Свойства выборочного корреляционного отношения.
- •13.1.7.Простейшие случаи криволинейной корреляции.
- •13.1.8.Понятие о множественной корреляции.
- •13.2.Дисперсионный анализ.
- •13.2.1.Общая, факторная и остаточная суммы квадратов отклонений
- •13.2.2.Связь между общей, факторной и остаточной суммами.
- •13.2.3.Общая, факторная и остаточная дисперсии.
- •13.2.4.Сравнение нескольких средних методом дисперсионного анализа.
- •13.2.5.Неодинаковое число испытаний на различных уровнях фактора.
- •Заключение
- •Список литературы:
- •Сведения об авторе
12.3.Эмпирические моменты
Прежде, чем изложить метод моментов приведем определения эмпирических моментов.
Определение:
Эмпирическими моментами порядка k
называют среднее значение
:
,
где
–
частота варианты,
– объем выборки,
С – произвольное постоянное число.
Определение: Начальным эмпирическим моментом порядкаk называется эмпирический момент порядка k при С=0:
Начальный эмпирический момент первого порядка равен средней выборочной:
Определение:
Центральным эмпирическим моментом
порядка k называется эмпирический момент
при
.
Центральный эмпирический момент второго порядка равен выборочной дисперсии:
.
12.4.Метод моментов.
Теперь рассмотрим метод моментов для точечной оценки параметров распределения.
Пусть известен вид функции плотности распределения вероятностей случайной величины Χ, зависящей от одного неизвестного параметра ⍬.
Например, для
показательного распределения
.
Требуется найти точечную оценку параметра ⍬. В случае показательного распределения ⍬ = λ.
Для получения
оценки одного параметра можно использовать
одно уравнение с одним неизвестным. В
методе
моментов в
качестве такого уравнения предлагается
равенство
,
где
–
начальный теоретический момент первого
порядка;
– начальный
эмпирический момент первого порядка.
=>
=
(1)
Математическое ожидание можно рассматривать как функцию параметра ⍬:
(2)
Из формулы (1) можно
получить не сам параметр ⍬,
а только его оценку, т.к.
является реализацией случайной величины
.
Тогда:
(3)
Решив уравнение (3), найдем оценку , которая является функцией от выборочной средней.
Например, для экспоненциального распределения имеем:
=>
,
.
Если плотность
распределения вероятностей зависит от
двух параметров, то ⍬
следует рассматривать как двумерный
вектор. Для оценки этих параметров
требуется составить не одно, а два
уравнения. Такими уравнениями могут
быть равенства
,
или, что более точно,
.
Оценка максимального правдоподобия не всегда совпадает с оценкой, найденной методом моментов.
Приведем еще два определения, связанные с понятием момента.
Определение:
Асимметрией
эмпирического распределения называется
отношение центрального эмпирического
момента 3-го порядка к кубу среднего
квадратического отклонения. Она
характеризует асимметричность
распределения случайной величины:
Определение:
Эксцессом
эмпирического распределения называется
величина, которая определяет частоту
появления значений, удаленных от среднего
значения:
.
13.Основы статистического исследования зависимостей.
Исследованием зависимостей занимаются такие разделы математической статистики, как регрессионный анализ и дисперсионный анализ. Рассмотрим эти разделы.
13.1.Регрессионный анализ.
Многие экономические задачи требуют установить и оценить зависимость двух или более двух случайных величин. Эта зависимость может быть функциональной, статистической или совсем отсутствовать.
Отсутствие связи характерно для независимых случайных величин.
Определение: Если каждому значению случайной величины Х соответствует вполне определенное значение случайной величины Y, то говорят, что Х и Y связаны функциональной зависимостью.
Эта зависимость реализуется редко, т.к. обе величины подвержены действию случайных факторов.
Определение: Если каждому значению случайной величины Х соответствует вполне определенный закон распределения случайной величины Y, то говорят, что Х и Y имеет статистическую зависимость.
Частным случаем статистической зависимости является корреляционная зависимость, когда при изменении одной из величин изменяется среднее значение другой.
Определение: Если при изменении случайной величины Х меняется функция распределения вероятностей случайной величины Y, то говорят, что Х и Y имеют стохастическую зависимость.
На практике часто используется связь между изменениями одной случайной величины Х и изменениями математического ожидания другой случайной величины Y, т. е. регрессия Y на Х (условное математическое ожидание):
M(Y/X = x) = f(x)
или регрессия Х на Y:
M(X / Y = y) = f(y).
Так как в математической статистике имеют дело не с числовыми характеристиками законов распределения, а с их оценками, то в качестве оценки условного математического ожидания принимается условная средняя.
Определение:
Условной
средней
называется среднее арифметическое
наблюдаемых значений Y,
соответствующих значению Х = х.
Пример: Если при Х = 2 случайная величина Y принимает значения 3, 6, 12, то условная средняя равна:
=
= 7.
Условные средние
и
являются функциями соответственно от
х
и y:
= f*(х) (1) ,
= φ*(y) (2).
Уравнение (1) называется выборочным уравнением регрессии Y на X, а уравнение (2) – выборочным уравнением регрессии X на Y.
Графики соответствующих функций f*(x) и φ*(y) называются выборочными линиями регрессии.
Для данного значения
Х =
х
наблюдается рассеяние Y
около среднего значения
.
Мерой этого рассеяния служит условная
дисперсия Y
при данном значении х,
обозначаемая
.