- •1.Основные задачи математической статистики. Виды и способы отбора.
- •2. Вариационные ряды и их графическое отображение.
- •Выборочное среднее и выборочная дисперсия. Мода и медиана.
- •Показатели вариации.
- •Среднее линейное отклонение простое:
- •Среднее квадратическое отклонение
- •Выборочные моменты, асимметрия, эксцесс.
- •Статистические оценки параметров распределения. Несмещенность, состоятельность, эффективность.
- •7. Точечные оценки для математического ожидания и дисперсии. Метод моментов.
- •8. Точечные оценки для математического ожидания и дисперсии. Метод максимального правдоподобия.
- •9. Проверка гипотезы о соответствии наблюдаемых значений нормальному распределению.
- •10. Проверка гипотезы о соответствии наблюдаемых значений показательному распределению.
- •11. Проверка гипотезы о соответствии наблюдаемых значений равномерному распределению.
- •12. Построение доверительного интервала для генеральной средней и генеральной доли по большим выборкам.
- •13. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями (зависимые выборки).
- •14. Сравнение наблюдаемой относительной частоты с гипотетической вероятностью появления события.
- •15. Сравнение двух дисперсий нормальных генеральных совокупностей.
8. Точечные оценки для математического ожидания и дисперсии. Метод максимального правдоподобия.
Оценки математического ожидания и дисперсии вычисляются по формулам
, , (1)
где — частота варианты в выборке объема .
Если объем выработки велик, то вычисление точечных оценок математического ожидания и дисперсии по формулам (1)громоздко. Для сокращения вычислений элементам выборки, попавшим в –тый интервал, припишем значения равные серединам интервалов
Дана выборка генеральной случайной величины Х. Неизвестными параметрами распределения случайной величины Х являются
Случайная выборка состоит из независимых случайных величин, распределение каждой из которых совпадает с распределением случайной величины Х, то есть
если Х дискретна;
если Х непрерывна.
Здесь указана зависимость от параметра вероятности принятия случайной величиной Х значения х, или значение плотности распределения случайной величины Х в точке х.
Функция правдоподобия – это функция значение которой в точке определяется соотношением:
Когда случайная величина Х дискретна, функция правдоподобия в точке равна вероятности того, что случайная выборка принимает значение .
Если случайная величина Х непрерывна, то функция правдоподобия в точке равна значению плотности совместного распределения в точке
Чем больше значение функции правдоподобия в точке тем чаще (с большей вероятностью) случайная выборка принимает значения или очень близкие к нему (в случае непрерывного распределения). Поэтому в роли точечных оценок неизвестных параметров выбирают значения при которых достигается максимум функции правдоподобия:
Максимум рассматривается по области допустимых значений Методом максимального правдоподобия выбираются оценки, при которых выборка наиболее вероятна (наиболее правдоподобна).
Точка максимума не изменится, если вместо L взять
Напомним необходимое условие нахождения экстремума функции нескольких переменных:
Задача 1. Дана выборка генеральной случайной величины Х, распределенной по показательному закону. Методом максимального правдоподобия оценить неизвестный параметр распределения.
Запишем плотность распределения случайной величины Х:
при
при
Неизвестным параметром распределения является Во введенных обозначениях
Генеральная случайная величина Х распределена по показательному закону, поэтому все выборочные значения неотрицательны.
Удобнее рассматривать максимум логарифма функции правдоподобия:
9. Проверка гипотезы о соответствии наблюдаемых значений нормальному распределению.
10. Проверка гипотезы о соответствии наблюдаемых значений показательному распределению.
. Проверка гипотезы о показательном распределении генеральной совокупности.
Для того чтобы при уровне значимости а проверить гипотезу о том, что непрерывная случайная величина распределена по показательному закону, надо:
1. Найти по заданному эмпирическому распределению выборочную среднюю хcp. Для этого находят середину i-го интервала xcpi = (xi+xi+1)/2, составляют последовательность равноотстоящих вариант и соответствующих им частот.
2. Принять в качестве оценки параметра Х показательного распределения величину, обратную выборочной средней:
3. Найти вероятности попадания X в частичные интервалы (xi,xi+1) по формуле:
Pi = P(xi < X < xi+1) = e-λxi - e-λxi+1
4. Вычислить теоретические частоты:
ni = n • Pi
5. Сравнить эмпирические и теоретические частоты с помощью критерия Пирсона, приняв число степеней свободы k = s-2, где s - число первоначальных интервалов выборки; если же было произведено объединение малочисленных частот, следовательно, и самих интервалов, то s - число интервалов, оставшихся после объединения.