
- •Збірник задач
- •З теорії ймовірностей та математичної статистики
- •Навчальний посібник
- •Рекомендовано
- •Міністерством освіти України
- •Рецензенти: член-кореспондент нан України, доктор фізико-математичних наук
- •Передмова
- •Розділ 1. Елементи комбінаторики
- •Приклади розв’язання задач
- •Розділ 2. Простір елементарних подій, випадкові події та операції над ними
- •Правило де Моргана: Приклад розв’язання задачі
- •Розділ 3. Ймовірності у дискретних просторах елементарних подій. Класичне означення ймовірності
- •Приклад розв’язання задачі
- •Розділ 4. Геометричні ймовірності.
- •Приклад розв’язання задачі
- •Розділ 5. Аксіоми теорії ймовірностей
- •Приклад розв’язання задачі
- •Розділ 6. Умовні ймовірності.
- •Приклад розв’язання задачі
- •Розділ 7. Формула повної ймовірності. Формула Байєса
- •Приклад розв’язання задачі
- •Розділ 8. Дискретні випадкові величини. Числові характеристики дискретних випадкових величин
- •Приклад розв’язання задачі
- •Дисперсія d
- •Розділ 9. Схема Бернуллі. Класичні дискретні розподіли
- •Приклад розв’язання задачі
- •Розділ 10. Неперервні випадкові величини
- •Приклад розв’язання задач
- •Розділ 11. Закон великих чисел. Центральна гранична теорема
- •Наслідок 2. Якщо для послідовності {n, n1} виконується умова Ляпунова, то справджується і центральна гранична теорема. Приклад розв’язання задач
- •Розділ 12. Вибірка та її основні характеристики. Емпірична функція розподілу, гістограма
- •Приклад розв’язання задачі
- •Розділ 13. Оцінювання невідомих параметрів розподілів. Класифікація оцінок. Вибіркове середнє та дисперсія, мода, медіана
- •Приклад розв’язання задачі
- •Розділ 14. Ефективні оцінки. Достатні статистики
- •Приклади розв’язання задач
- •Розділ 15. Метод моментів та метод максимальної правдоподібності
- •Приклади розв’язання задач
- •Розділ 16. Надійні інтервали
- •Приклад розв'язання задачі
- •Розділ 17. Перевірка статистичних гіпотез. Критерії згоди
- •Приклади розв’язання задач
- •Розділ 18. Перевірка гіпотез про рівність математичних сподівань та дисперсій для нормальних сукупностей
- •Приклади розв’язання задач
- •Розділ 19. Лінійна регресія
- •Приклади розв’язання задач
- •Розділ 20. Елементи дисперсійного аналізу
- •Приклад розв’язання задачі
- •Розділ 21. Елементи аналізу часових рядів. Виділення тренду, згладжування, прогноз
- •Приклад розв’язання задачі
- •Розділ 22. Задачі для контрольних робіт Контрольна робота №1 “Теорія ймовірностей”
- •Контрольна робота №2 “Теорія ймовірностей”
- •Контрольна робота №3 “Математична статистика”
- •Розділ 4
- •Розділ 5
- •Розділ 6
- •Розділ 7
- •Розділ 8
- •Розділ 9
- •Розділ 10
- •Розділ 11
- •Розділ 18
- •Розділ 19
- •Розділ 20
- •Розділ 21
- •Додатки
- •Література Підручники, навчальні посібники та монографії
- •Збірники задач
- •Для нотаток:
Розділ 16. Надійні інтервали
Нехай
— вибірковий вектор об'єму n,
— розподіл вектора ,
який залежить від невідомого параметра
.
При інтервальному оцінюванні невідомого
параметра
шукають такі дві статистики
і
в яких
і для яких при заданому
виконується умова:
Тоді
інтервал
називається (1–-надійним
інтервалом, імовірність
1–
— рівнем надійності,
а
і
— нижньою та верхньою
межами надійності.
Інтервал
— асимптотично найкоротший (1–-надійний
інтервал. Значення величин
подано
у таблиці 4
додатка.
Надійні інтервали для нормального розподілу
1. Надійний інтервал для математичного сподівання при відомій дисперсії:
2.
Надійний інтервал для дисперсії
якщо
математичне сподівання a
відоме:
де
числа
і
такі, що
і
(таблиця 5
додатка).
3.
Надійні інтервали для дисперсії a
та
у
випадку, якщо обидва параметри невідомі:
,
де
знаходиться
з таблиці Стьюдента (табл. 6 додатка)
так, щоб
де
-
число степенів свободи,
і
(таблиця 5 додатка).
Приклад розв'язання задачі
Задача 1. Нехай =(1, 2, …, n) — вибірковий вектор з генеральної сукупності з розподілом Пуассона з параметром . Побудувати (1–-надійний інтервал.
Розв’язок. За умовою задачі
— реалізація
вектора .
Оцінка максимальної правдоподібності знаходиться з рівняння:
і
Тоді (1–-надійний інтервал для параметра буде таким:
Задачі
16.1.
Побудувати надійний інтервал для
параметра
біноміального розподілу
16.2. Проведено 100 незалежних спостережень, у результаті яких подія A спостерігалась 40 разів. Визначити надійний інтервал для ймовірності виникнення події A при 1– = 0,95, якщо число виникнень події A має біноміальний розподіл.
16.3. На телефонній станції проводились спостереження за числом нeправильних з’єднань за хвилину. Спостереження протягом години дали такі результати:
-
xk
0
1
2
3
4
5
7
mk
8
17
16
10
6
2
1
Припускаючи, що число правильних з’єднань за хвилину має пуассонівський розподіл, знайти надійний інтервал для математичного сподівання розподілу з надійністю 0,99.
16.4.
Побудувати надійний інтервал для
параметра
нормального розподілу
16.5. Побудувати надійний інтервал для параметра за вибіркою =(1, 2, …, n) з генеральної сукупності з розподілом:
а)
б)
16.6. Знайти надійні інтервали для параметрів a і 2 нормального розподілу за вибіркою:
а) 0,6; 2,4; 2,1; 1,4; 1,2; 4,8; 0,9; 1,1; 3,5; 3,0; 0,5; 2,5.
б) 0,2; 0,5; 1,0; 1,5; 0,8; 1,0; 2,0.
Для параметра a: 1–=0,95; для 2: 1–=0,9.
16.7.
Знайти надійний інтервал для математичного
сподівання нормального розподілу
якщо
16.8.
Знайти надійний інтервал для дисперсії
нормального розподілу
якщо
16.9. За вибіркою з нормального розподілу
-
-2
1
2
3
4
5
4
3
4
6
2
1
з надійністю 0,95 знайти інтервальні оцінки для параметра a, якщо:
а) 2=4; б) — невідоме.
Знайти також надійний інтервал для 2, якщо:
а) a=2; б) a — невідоме; 1–=0,9.
16.10.
Побудувати надійний інтервал для
параметра
за вибіркою 1,2,…,n
з генеральної сукупності з щільністю
16.11. Для з’ясування використання програмного забезпечення Microsoft у місті довільно
вибрано 100 фірм. Обстеження показало, що 80 фірм використовують програмне
забезпечення. Побудувати 0,95-надійний інтервал для частки фірм, що використовують програмне забезпечення Microsoft у місті.