- •По теории вероятностей
- •1.2 Структурные средние и способы их вычисления
- •Вопрос 1.6 Распределение «хи-квадрат», t-распределение Стьюдента, распределение f Фишера-Снедекора.
- •2. По математической статистике
- •Вопрос 2.1 Генеральная совокупность и выборка
- •Вопрос 2.2 Понятие о вариационных рядах, средняя ряда. Показатели вариации. Дисперсия, среднее квадратичное отклонение (стандартное отклонение). Оценка структурных средних.
- •2.10 Однофакторный дисперсионный анализ
- •2.11. Анализ качественных признаков
- •Примеры сравнение качественных признаков.
- •1) Тромбозы шунта при приеме плацебо и аспирина
- •2.12 Доверительный интервал для среднего.
- •2.13 Доверительный интервал для доли.
- •2.14. Определение необходимого объема выборки.
- •2.15. Повторные измерения (Парный критерий Стьюдента).
- •2.16. Критерий Крускала-Уоллиса
- •2.18 Критерий знаков z
- •Линейная регрессия и метод наименьших квадратов
- •2.23. Оценка параметров уравнения регрессии по выборке
- •2.24. Ранговый коэффициент корреляции Спирмена.
- •Вопросы прикладной (микробиологической) статистики
- •3.1 Кривая «доза-эффект»
- •Вопрос 3.2 методы количественной оценки иммуногенности вакцин.
- •Вопрос 3.3 количественный метод определения иммуногенности вакцин, основанный на испытании их постоянным уровнем
- •3.4 Количественный метод определения иммуногенности вакцин, основанный на испытании их постоянным уровнем иммунитета
- •3.5. Количественные закономерности связи между уровнем иммунитета и дозой антигена.
- •3.7 Метод Кербера.
- •3.8 Пробит-метод.
- •Вопрос 4.1 Факторы. Требования к ним.
- •Вопрос 4.2 Параметр оптимизации. Требования к нему.
- •4.3 Полный факторный эксперимент
- •Свойства матриц полного факторного эксперимента
- •Вопрос 4.5 Метод крутого восхождения.
- •Вопрос 4.6 Симплексный метод оптимизации.
- •5. Вопросы по методам математического моделирования в биологии
- •5.1 Исследование мат. Модели
- •5.2 Исследование моделей биологических систем, описываемых системами двух автономных дифференциальных уравнений.
- •Исследование устойчивости стационарных состояний моделей биологических систем.
- •5.4. Мультистационарные системы
- •5.5 Колебания в биологических системах. Предельный цикл. Теоремы, определение существование предельного цикла.
- •5.6 Анализ модели брюсселятор.
- •5.7 Модели взаимодействия двух видов
- •Вопрос 5,8 Уравнение конкуренции и их анализ ..
- •5.9 Уравнения системы «хищник – жертва» и их анализ.
- •5.10 Моделирование микробных популяций.
Вопрос 1.6 Распределение «хи-квадрат», t-распределение Стьюдента, распределение f Фишера-Снедекора.
С нормальным распределением тесно связаны непрерывные распределения: распределение «хи-квадрат», распределение Стьюдента, распределение F Фишера-Снедекора
Распределение «хи-квадрат»:
Пусть Xi (i=1,2,…n)- нормальные независимые случайные величины, причем матем. ожидание каждой из них равно нулю, а среднее квадратическое отклонение – единице. Тогда сумма квадратов этих величин
χ2
=
(1)
распределена
по закону χ2
(«хи квадрат»)с n
степенями свободы. Если эти величины
связаны одним линейным соотношением,
например,
=
n
,
то число степеней свободы равно k
= n-1.
Плотность этого распределения f(x) равна нулю при х≤0 и
при
х > 0, где Г(гамма-функция)=∫ t
x
- 1 e
– t
dt
Отсюда видно, что распределение «хи-квадрат» определяется одним параметром – числом степеней свободы k. С увеличением числа степеней свободы распределение медленно приближается к нормальному.
Распределение «хи-квадрат» расположено правее оси ординат и является асимметричным распределением.
Математическое ожидание равно М(χ2)= n,
а дисперсия равна D(χ2)= 2n.
Если
n>30
, то распределение величины z
=
является приближенно нормальным с
нулевым средним и единичной дисперсией.
Замечание: Распределение «хи квадрат» играет важную роль при исследовании выборочной дисперсии s2 для выборки, взятой из нормально распределенной совокупности.
t-распределение Стьюдента:
Пусть Z – нормальная случайная величина, причем М(Z)=0, D(Z)=1,а V- независимая от Z величина, которая распределена по закону «хи-квадрат» с k степенями свободы. Тогда величина
,
(2)
имеет распределение, которое называется t-распределением или распределением Стьюдента с k степенями свободы.
С возрастанием числа степеней свободы распределение Стьюдента быстро приближается к нормальному.
Плотность распределения Стьюдента имеет следующий вид:
S(x,k)= Bk [1+t2/k]-(k+1)/2,
где
Bk
=
.
Видим, что распределение Стьюдента симметрично относительно оси ординат с нулевым математическим ожиданием. Его дисперсия равна k/(k-2).
Замечание: Это распределение играет важную роль в тех случаях, когда рассматриваются выборочные средние и неизвестна дисперсия генеральной совокупности.
Распределение F Фишера-Снедекора
Если U и V – независимые случайные величины, распределенные по закону «хи квадрат» со степенями свободы m и n, то величина
имеет распределение, которое называют распределением F Фишера-Снедекора со степенями свободы m и n (иногда его обозначают через V2).
Плотность этого распределения:
f(x) = 0 при х ≤ 0
f(x) =С0 х(m-2)/2/(n+mx)(n+m)/2 при х >0,
где
С0 =
Видим, что распределение F определяется двумя параметрами – числами степеней свободы. Распределение Фишера-Снедекора асимметрично и расположена правее оси ординат.
Математич. ожидание F-распределения равно n/(n-2),
а дисперсия равна 2n2 (m+n-2)/(m(n-2)2(n-4)) (n>4).
В пределе при n→ ∞ матем. ожидание становится равным 1, а дисперсия равной 2/m.
Замечание: F-распределение приобретает особую важность, когда сравниваются выборочные дисперсии из нормально распредеденных совокупностей. Оно также используется в регрессионном и дисперсионном анализе.
