
- •Тв и мс практикум
- •Глава 1. Случайные события
- •1.1. Классическое определение вероятности, геометрическая вероятность. Действия над событиями
- •Классическое определение вероятности
- •Геометрическая вероятность
- •Действия над событиями
- •Теоремы сложения и умножения вероятностей
- •Примеры
- •1.2. Формула полной вероятности. Формула гипотез (Формула Байеса) Примеры
- •1.2. Повторные испытания. Схема Бернулли. Локальная и интегральная формулы Лапласа
- •Примеры
- •Глава 2. Случайные величины
- •2.1. Дискретные случайные величины
- •Примеры
- •2.2. Непрерывные случайные величины
- •Примеры
- •Глава 3. Выборочный метод
- •Примеры
- •Глава 4. Числовые выборочные характеристики
- •4.1. Средние величины
- •4.2. Показатели вариации
- •4.3. Начальные и центральные моменты вариационного ряда
- •Примеры
- •Глава 5. Статистические оценки параметров распределения
- •5.1. Понятие оценки параметров
- •5.2. Точечные статистические оценки параметров распределения
- •Примеры
- •5.3. Интервальные оценки
- •Примеры
- •Глава 6. Проверка статистических гипотез
- •6.1. Статистическая гипотеза и общая схема ее проверки
- •6.2. Проверка статистической гипотезы о том, что среднее значение генеральной совокупности на уровне значимости
- •Примеры
- •6.3. Сравнение двух генеральных средних
- •Примеры
- •6.4. Проверка гипотезы о равенстве дисперсий двух нормально распределенных совокупностей
- •Примеры
- •6.5. Критерии согласия
- •Примеры
- •Примеры
- •6.6. Проверка гипотезы об однородности выборок
- •Примеры
- •Глава 7. Корреляционный и регрессионный анализ. Выявление связи между величинами
- •Примеры
- •Критические точки распределения Стьюдента
- •Критические точки распределения f Фишера-Снедекора
- •Критические точки распределения χ2
5.3. Интервальные оценки
Выборка является образом генеральной совокупности, ее параметры – образами параметров всей генеральной совокупности. Вычисленные по выборке эмпирические числовые характеристики являются оценками этих характеристик всей генеральной совокупности. Если из той же генеральной совокупности сделаем другую выборку, то получим несколько иные значения. Следовательно, мы допускаем некоторую ошибку, находя точечную оценку. Чтобы избежать этого, строят интервальные оценки.
Интервальной оценкой называют такую оценку, которая определяется двумя числами, являющимися концами интервала, покрывающего оцениваемый параметр статистической совокупности.
Пусть
– неизвестный параметр распределения,
– найденная по данным выборки
статистическая характеристика этого
параметра. Тогда
тем точнее определяет
,
чем меньше абсолютная величина разности
Надежностью
(доверительной
вероятностью)
оценки
называют
вероятность
,
с которой осуществляется неравенство
Обычно в качестве берут числа, близкие к единице (чаще всего 0,9; 0,95; 0,98; 0,99; 0,9975).
или
.
Доверительным
интервалом
называют интервал
,
который покрывает неизвестный параметр
с надежностью
,
где
– предельная ошибка выборочной оценки.
1. Доверительный интервал для математического ожидания (а) при известном среднем квадратическом отклонении ( ) находится из условия:
, (2)
где n – объем выборки;
– выборочная средняя;
k
– аргумент функции Лапласа, при котором
.
Число
определяется
по таблице значений
(приложение 4).
При
этом
называется точностью
оценки.
Выражение
– средняя
ошибка выборки или
средняя ошибка репрезентативности.
2. Доверительный интервал для математического ожидания (а), если среднее квадратическое отклонение неизвестно, имеет вид
, (3)
где s – исправленное (несмещенное) среднее квадратическое отклонение,
t
– определяется по таблице Стьюдента
при числе степеней свободы
и
(приложение 6).
3. Доверительный интервал для оценки среднего квадратического отклонения σ нормального распределения
, (4)
где
– определяется по таблице значений
(приложение 6).
4. Интервальная оценка (с надежностью ) неизвестной вероятности р биноминального распределения имеет вид
, (5)
где
- относительная частота;
n – общее число испытаний;
m – число появлений события в n испытаниях.
Примеры
Результат обследования 100 рабочих крупного завода, проводимого с целью определения времени, затрачиваемого на обработку детали, приведены в таблице
время обработки |
3,6–4,2 |
4,2–4,8 |
4,8–5,4 |
5,4–6,0 |
6,0–6,6 |
число рабочих |
14 |
33 |
35 |
12 |
6 |
Найти границы, в которых с надежностью 0,95 заключено среднее время обработки детали.
Решение.
Для определения границ воспользуемся
формулой (2). Для вычисления характеристик
,
k
перейдем к серединам интервалов и
таблица примет вид
xi |
3,9 |
4,5 |
5,1 |
5,7 |
6,3 |
mi |
14 |
33 |
35 |
12 |
6 |
,
=
=
=24,1956 – 23,7949 = 0,4007.
=0,633.
Для
определения k
(по условию задачи
)
определим
k
=1,96 (приложение 4).
Тогда,
4,878
– 1,96·
4,878 + 1,96·
,
4,878 – 0,124 < а < 4,878 + 0,124,
4,754 < а < 5,002.
Итак, среднее время обработки детали заключено в интервале (4,75; 5,00).
Найти минимальный объем выборки, при котором с надежностью 0,975 точность оценки математического ожидания a генеральной совокупности по выборочной средней равна
, если среднее квадратическое отклонение
.
Решение.
Точность оценки
определяется формулой
.
k
= 2,24 (приложение 4).
Итак,
=321,1264
n
=
322.
Из генеральной совокупности извлечена выборка
xi |
–2 |
1 |
2 |
3 |
4 |
5 |
mi |
2 |
1 |
2 |
2 |
2 |
1 |
Оценить с надежностью 0,95 математическое ожидание а.
Решение. Объем выборки n = 10, следовательно, для интервальной оценки математического ожидания воспользуемся формулой (3):
–
+
.
=
(приложение
5).
Тогда,
2
– 2,26·
2
+ 2,26·
2 – 1,718 < а < 2 + 1,718;
0,282 < а < 3,718.
Проведено 14 измерений одним прибором некоторой физической величины, s=0,86. Найти точность прибора с надежностью 0,99.
Решение. =0,99; n=14 q=0,78 (см. приложение 3).
Тогда, согласно формуле (4) получим
0,86(1 – 0,78) < σ < 0,86(1 + 0,78);
0,1892 < σ < 1,5308.
Изготовлен экспериментальный игровой автомат, который должен обеспечить появление выигрыша в одном случае из 100 бросаний монеты. Для проверки автомата произведено 400 испытаний, выигрыши появились 5 раз. Найти доверительный интервал, покрывающий известную вероятность с надежностью 0,999.
Решение.
Применим формулу (3), для этого найдем
относительную частоту появления выигрыша
;
1 –
=1
– 0,0125=0,9875.
Найдем
kβ
из соотношения
kβ
=3,3 (приложение
4).
Воспользовавшись формулой (5), получим
<
p
<
;
0,0125 – 0,0183 < p < 0,0125 + 0,0183;
–0,0058 < p < 0,0308;
0 < p < 0,0308.