2.Алгоритм проверки статистической гипотезы о равенстве математических ожиданий двух генеральных совокупностей

П редназначение статистических гипотез: 1) при неизвестном з-не распределения СВ выдвигается и проверяется гипотеза о том или ином з-не. 2) при известном з-не выдвигаются и проверяются гипотезы о хар-ках СВ. 3) исп-ся при переносе рез-тов выборочного обследования на генеральную совокупность. Выдвигаемая гипотеза называется нулевой и обозначается H₀: вид гипотезы. Наряду с нулевой выдвигается альтернативная гипотеза H₁: вид гипотезы. Ошибки при проверке гипотез: Ошибка 1-го рода – когда отвергается правильная гипотеза. Процент такой ошибки назыв. уровнем значимости, обозн. как α (α = 0,01; 0,02; 0,05). Ошибка 2-го рода – когда принимается неверная гипотеза. При проверке гипотез вводится понятие степеней свободы ν – это число независимых переменных. изменение каждой из кот. приводит к изменению исследуемого объекта. Для проверки гипотез исп-ся специально подобранные СВ, имеющие тот или иной з-н распределения – критерии. Множ-во возможных значений критериев разбивается на 2 обл-ти: обл. принятия гипотезы Н₀ и критическую обл., где справедлива альтернативная гипотеза. Точка разделения назыв. критической, а соотв. ей значение – критическим. Это значение зависит от уровня значимости и числа степеней свободы.

Алгоритм проверки статистических гипотез:

1. Отбирается выборка из ген. совокупности объемом n

2. Рассчитываются выборочные хар-ки (выборочное среднее X, дисперсия S_x²)

3. Выдвигаются гипотезы Н₀: и Н₁:

4. Рассчитывается требуемый критерий U

5. Задается уровень значимости α

6. Находятся степени свободы

7. По таблице находится критическое значение U^кр

8. Проверяется гипотеза U< U^кр => H₀:

U> U^кр => H₁:

Гипотеза о равенстве мат.ожиданий двух генеральных совокупностей.

X→ x_i (i=1,n_x) → S_x² , Гипотезы Н₀: М_x = М_y

Y→ y_i (i=1,n­_y) → S_y² , Н₁: М_x <> М_y

Для проверки гипотезы исп-ся критерий Стьюдента:

Т^кр (α=0,05; ν = n_x+n_y -2).

T< T^кр => H₀:

T> T^кр => H₁:

3. Принципы формирования баз данных и знаний. Модели представления знаний

В кач-ве основ-го сред-ва пред-я знаний испол-ся экспертные сис-мы: логич-е, сетевые, объектные.

1. представление знаний с помощью продукционных знаний, кот-е опис-ют знания в логич-ой форме по схеме: «Если-то-иначе», «Если-то». Струк-ра прдукц-ой сис-мы: ввод-БД—интерпретатор—база правил. База правил – это обл-ть памяти, кот-я содер-т Б знаний, представ-х в форме правил вида: если-то; БД- это обл-ть памяти, содерж-я фактич-е данные, кот-е описывают данные и состояния сис-мы. Интерпретатор – механизм вывода, кот-й формир-ет заключ-е, вывод или управляющее воздействия. Правила состоят из условной и заключ-ой частей. Услов-я часть может сост-ть из одного или неско-х условий, соед-х между собой связками: И, ИЛИ, НЕ.

2.Пред-е знаний в виде семантических сетей: поня-тие и отношение между ними описыв-ся сетью, сос-тоящей из узлов (выражают сущности и понятие) и дуг (описывают отнош-я сущ-сти и понятия). Все узлы и дуги могут быть снабжены ветками. При построении семанти-х сетей отсут-ет ограничение на число связей элем-тов и свойств. Чаще всего исп-ся для понимания языка с помощью вопросов и от-ветов, а также с целью компь-го обслуж-я и в диагностич-х целях.

3. Пред-е знаний в виде модели «доски объявлений». В этой модели к каждой отдел-ой проблеме, кот-я в сущн-ти соста-ет един-е целое, формиру-ся опре-е множ-во знаний, кот-е объед-ся через общую область – доску объявлений. Для каждой области строится своя продукционная сис-ма. Эта модель чаще всего исп-ся при декомпозиции объектов в лингвистике