- •Основні положення регресійного аналізу. Парна регресійна модель. Множинний регресійний аналіз
- •Інтервальна оцінка функції регресії
- •Преревірка значущості рівняння регресії. Інтервальна оцінка параметрів парної моделі
- •Нелінійна регресія
- •Множинний регресійний аналіз
- •Контрольні питання
- •Введення в аналіз часових рядів Загальні відомості про часові ряди і завдання їх аналізу
- •Стаціонарні часові ряди та їх характеристики. Автокореляційна функція
- •Аналітичне вирівнювання (згладжування) часового ряду (виділення невипадкової компоненти)
- •Часові ряди і прогнозування. Автокореляція збурень
- •Авторегресійна модель
- •Перевірка гіпотез про рівність часток ознаки в двох і більше сукупностях
- •Порівняння часток ознаки в кількох сукупностях
- •Порівняння дисперсій декількох сукупностей
- •Перевірка гіпотез про закон розподілу. Критерій Колмогорова
- •Поняття про багатовимірний кореляційний аналіз. Множинний та частинний коефіцієнти кореляції. Рангова кореляція
- •Множинний коефіцієнт кореляції
- •Частинний коефіцієнт кореляції
- •Рангова кореляція
- •Коефіцієнт рангової кореляції Кендалла
- •Матриця коваріації і її вибіркова оцінка
- •Мультиколінеарність
- •Поняття про інші методи багатовимірного статистичного аналізу
- •Метод головних компонент (компонентний аналіз)
- •Лінійні регресійні моделі фінансового ринку
- •Регресійні моделі
- •Ринкова модель
- •Моделі залежності від дотичного портфеля
- •Неврівноважені і врівноважені моделі
- •Модель оцінки фінансових активів (сарм)
- •Зв'язок між очікуваною прибутковістю і ризиком оптимального портфеля
- •Багатофакторні моделі
- •Список використаної та рекомендованої літератури
Перевірка гіпотез про рівність часток ознаки в двох і більше сукупностях
Порівняння часток ознаки в двох сукупностях — задача, яка досить часто зустрічається на практиці. Наприклад, якщо вибіркова частка ознаки в одній сукупності відрізняється від такої ж долі в іншій сукупності, то чи вказує це на те, що наявність ознаки в одній сукупності дійсно ймовірніше, а чи отримана розбіжність часток є випадковою?
Нехай
дано дві сукупності, генеральні частки
ознаки в яких дорівнюють відповідно
і
.
Необхідно перевірити нульову гіпотезу
про рівність генеральний часток, тобто
Н0:
.
Для перевірки гіпотези Н0
із цих сукупностей взято дві незалежні
вибірки достатньо великого об’єму
(обмежимось розглядом випадку великих
по об’єму вибірок)
і
.
Вибіркові частки ознаки дорівнюють
відповідно
і
,
де
і
—
відповідно число елементів першої і
другої вибірки, що мають дану ознаку.
При достатньо великих
і
вибіркові
частки
і
мають наближено нормальний закон
розподілу з математичним очікуванням
і
та дисперсіями
і
,
тобто відповідно
і
.
За умови вірності гіпотези Н0:
різниця
має нормальний закон розподілу з
математичним очікуванням
і дисперсією
.
Тому статистика
має
стандартний нормальний розподіл N(0;1).
В якості невідомого значення p,
що входить у вираз статистики t,
беруть її найкращу оцінку
,
що дорівнює вибірковій частці ознаки,
якщо дві вибірки змішати у одну, тобто
.
Вибір типу критичної області і перевірка
гіпотези Н0
здійснюється так само, як описано в
розділі
3, при перевірці гіпотези про рівність
середніх.
◄ Приклад 2 Контрольну роботу по вищій математиці по індивідуальних варіантах виконували студенти двох груп першого курсу. В першій групі було запропоновано 105 задач, з яких правильно розв’язано 60, а у другій групі із 140 запропонованих вірно розв’язаних 69. На рівні значущості 0,02 перевірити гіпотезу про відсутність значної різниці в засвоєнні навчального матеріалу студентами обох груп.
Розв’язання.
Маємо гіпотезу Н0:
,
тобто частки розв’язаних задач студентами
першої та другої групи рівні. В якості
альтернативної візьмемо гіпотезу Н1:
.
При
вірності гіпотези Н0
найкращою оцінкою p
буде
.
Вибіркові частки розв’язаних задач
для кожної групи
і
.
Статистика
.
При
конкуруючій гіпотезі Н1
вибираємо критичну двосторонню область,
границі якої визначаємо із умови ((3.7),
розділ
3.):
,
звідки по таблиці
.
Фактичне значення критерію менше
критичного, тобто
,
отже, гіпотеза Н0
приймається,
тобто отримані дані не суперечать
гіпотезі про однаковий рівень засвоєння
навчального матеріалу студентами обох
груп. ►
Порівняння часток ознаки в кількох сукупностях
Нехай
дано l
сукупностей, генеральні частки яких
дорівнюють відповідно
.
Необхідно перевірити нульову гіпотезу
про рівність генеральних часток, тобто
Н0:
або Н0:
(i=1,2,…,l).
Для перевірки гіпотези Н0
із
цих
сукупностей відібрано l
незалежних вибірок достатньо великих
об’ємів
.
Вибіркові частки ознаки дорівнюють
відповідно
,
,…,
,
де
— число елементів і-тої
вибірки (i=1,2,…,l),
що мають дану ознаку.
Можна
показати, що при справедливості гіпотези
Н0
і при
статистика
має
-розподіл
з l-1
степенями вільності. В якості невідомого
значення
,
що входить у вираз, беруть найкращу
оцінку для р,
яка дорівнює вибірковій частці ознаки,
якщо всі l
вибірок
змішати у одну, тобто
.
Для
перевірки гіпотези Н0
зазвичай беруть правосторонню критичну
область. Гіпотеза Н0
відкидається, якщо
,
де
— критичне значення критерію
,
що визначається на рівні значущості α
при числі степенів свободи l-1.
◄ Приклад
3 За
умовою прикладу 2 на рівні значущості
α = 0,05 з’ясувати, чи можна вважати, що
різниця у засвоєнні навчального матеріалу
студентами чотирьох груп першого курсу
значна. Додаткові умови: для третьої
групи
=63,
=125,
для четвертої групи
=105,
=160.
Розв’язання.
Висунемо гіпотезу Н0:
або
(i=1,2,3,4),
тобто частки розв’язаних задач всіх
груп рівні. Обчислимо оцінку
:
.
Вибіркові
частки розв’язаних задач для кожної
групи:
,
і
.
Статистика критерію
.
За
таблицею значень
критерію
Пірсона
.
Оскільки
(9,87>7,82), то гіпотеза Н0
відкидається, тобто різниця в засвоєнні
навчального матеріалу студентами
чотирьох груп значна на рівні α=0,05.►
