Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
билеты тервер.docx
Скачиваний:
0
Добавлен:
01.05.2025
Размер:
63.52 Кб
Скачать
  1. Основные понятия мат.Статистики

(X, A, P) – статистическая структура, основное понятие мат.статистики

X – выборочное пространство, множество всех возможных результатов наблюдения

A – G-алгебра

P , где F(x,0) – функция распределения изучаемой случайной величины Х.

Статистика – любая измеримая функция наблюдений.

  1. Повторная выборка

Выборка x1…xn – набор из n результатов эксперимента над случайной величиной Х.

Выборка x1…xn называется повторной, если :

  1. Все элементы выборки одинаково распределены (имеют один и тот же распределительный закон): F(xi) = F(xj), i≠j

  2. xi, xj – независимы при i≠j.

  1. Частотный способ задания вероятности

В наборе фиксированных условий с вероятностью р происходит событие A (все испытания независимы). Тогда , где n – количество всех проведенных испытаний, m – испытания, результатом которых стало наступление события А. Отсюда вероятность наступления события A выражается как для любой непредвзято выбранной последовательности.

Частота может рассматриваться как случайная величина Hn(A).

  1. Закон больших чисел

Закон больших чисел в теории вероятностей утверждает, что эмпирическое среднее (среднее арифметическое) достаточно большой конечной выборки из фиксированного распределения близко к теоретическому среднему (математическому ожиданию) этого распределения. В зависимости от вида сходимости различают слабый закон больших чисел, когда имеет место сходимость по вероятности, и усиленный закон больших чисел, когда имеет место сходимость почти всюду.

Общий смысл закона больших чисел — совместное действие большого числа одинаковых и независимых случайных факторов приводит к результату, в пределе не зависящему от случая.

Пусть есть бесконечная последовательность одинаково распределенных и некоррелированных случайных величин определенных на одном вероятностном пространстве : .

- выборочное среднее.

, если

Закон больших чисел: , т.е.

  1. Теорема Муавра-Лапласа

Если при каждом из n независимых испытаний вероятность появления некоторого случайного события равна р (0<р<1) и m — число испытаний, в которых это событие фактически наступает, то вероятность неравенства близка (при больших n) к значению интеграла Лапласа.

Пусть

Тогда

Если

,

  1. Оценка числа необходимых наблюдений

(1)

Требуется оценить n при любых ε, β, p

  1. Приведем неравенство (1) к теореме Муавра-Лапласа:

При заданном β корнем уравнения является

Если x> , то верно неравенство

  1. =>

Следовательно, если неравенство решается для , то оно будет выполняться и для => =>

  1. Усиленный закон больших чисел

Пусть есть бесконечная последовательность одинаково распределенных и некоррелированных случайных величин определенных на одном вероятностном пространстве : .

- выборочное среднее.

, если

Усиленный закон больших чисел: , т.е.

  1. Вспомогательная случайная величина ^Х

Для случайной величины Х, распределение которой неизвестно, задается вспомогательная случайная величина ^Х:

х(1) – наименьший элемент выборки,

х(2) – наименьший элемент из оставшихся и т.д.

Каждому такому элементу ставится в соответствие вероятность р=mi/n, где mi – число раз, с которым х(i) встречается в исходной выборке.

^FX(x) – эмпирическая функция распределения исходной величины Х (рисуется ступеньками).

  1. Выборочные аналоги

Распределение случайной величины Х неизвестно. ^X-характеристики = выборочные аналоги Х.

– функция наблюдений(выборочное среднее).

- выборочная дисперсия

Выборочный аналог плотности – гистограмма:

  1. Центральная предельная теорема

Если x1…xn одинаково распределены и независимы, и для каждого из них существует мат.ожидание E{xi}=а и дисперсия D{xi}=G2, то для них справедливо:

Д-о: Разложим характеристическую функцию величин xi-a по формуле:

Тогда .

  1. Метод моментов

Если функция распределения зависит от s параметров , то выборочные моменты являются функциями от параметров .

Если данную систему можно разрешить относительно , то получаем оценку неизвестных параметров θ.

  1. Оценки максимального правдоподобия

- функция максимального правдоподобия (если Х – дискретная случайная величина)

Θ* - оценка максимального правдоподобия θ,

Поскольку lnL при фиксированных x1..xn достигает максимума при том же значении θ, что и L, для нахождения оценки можно решить уравнение правдоподобия

Каждое решение уравнения правдоподобия, зависящее от x1..xn – оценка наибольшего правдоподобия для θ.