- •Введение
- •Глава 1. ЭЛЕМЕНТЫ ТЕОРИИ ВЕРОЯТНОСТИ
- •§1. Основные правила комбинаторики
- •2. Правило умножения
- •3. Выборки
- •§2. Классическое определение вероятности
- •§3. Операции над событиями
- •§4. Формула полной вероятности. Формула Бейеса
- •2. Локальная теорема Муавра – Лапласа
- •3. Интегральная теорема Муавра – Лапласа
- •4. Теорема Пуассона
- •§7. Важнейшие примеры распределений
- •1. Биномиальное распределение
- •2. Нормальный закон распределения
- •3. Распределение Пуассона
- •4. Равномерное распределение вероятностей
- •5. Геометрическое распределение
- •6. Показательное распределение
- •Индивидуальные задания
- •Глава 2. ОСНОВНЫЕ ПОНЯТИЯ МАТЕМАТИЧЕСКОЙ СТАТИСТИКИ
- •§ 1. Задачи математической статистики
- •§ 2. Выборка из генеральной совокупности. Вариационный ряд. Гистограмма относительных частот
- •§ 3. Эмпирическая функция распределения
- •§ 4. Числовые характеристики статистического распределения: выборочное среднее, дисперсия
- •§ 5. Статистическая проверка статистических гипотез
- •§ 7. Примеры проверки гипотез о законе распределения выборочных данных
- •§9. Критерий равенства двух дисперсий
- •§ 10. Случайные ошибки. Законы распределения случайных ошибок в измерительных приборах
- •§11. Критерии для отбрасывания резко выделяющихся результатов испытаний
- •Приложение 1
- •Приложение 2
- •Приложение 3
- •Приложение 4
- •Приложение 5
- •Приложение 6
|
|
|
|
|
|
|
|
|
|
n 1 s |
2 |
D |
n 1 s2 |
|
. |
|
|
|
|
|
|
|
(2.7) |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Так как по заданной вероятности можно построить множество |
|||||||||||||||||||||||||||||||||||||||
доверительных интервалов для дисперсии, то принято 12 и 22 выби- |
|||||||||||||||||||||||||||||||||||||||||
С |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
рать так, чтобы |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
P( |
2 2) 1 |
|
, а P( 2 2) |
|
, |
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
2 |
|
|
2 |
|
|
|
|
|||||
где числа 12 |
22 находят по прил. 4 при числе степеней свободы |
||||||||||||||||||||||||||||||||||||||||
условию |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
k = n–1 |
соответственно при |
|
р 1 |
|
и р |
. |
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
Пр мер 4. Пользуясь 90%-ным доверительным интервалом, |
|||||||||||||||||||||||||||||||||||||||
оцените в |
ях пр мера 2 изменение прочности деталей во всей |
||||||||||||||||||||||||||||||||||||||||
генеральной совокупности. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
Решен е. |
По |
|
|
|
|
|
|
|
|
, п=25; s=1,5; =0,9. Найдем доверитель- |
|||||||||||||||||||||||||||||
ный интервал для оценки дисперсии. |
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||
|
|
Согласно формуле (2.7) |
|
|
|
|
n 1 s2 |
|
|
|
|
|
n 1 s |
2 |
|
, а так как при |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
2 |
|
|
|
2 |
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
||
k=n–1=25–1=24 верхняя доверительная граница равна |
|
|
|
||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
22 р;к 22 |
1 |
|
|
|
22 0,05;24 36,4, |
|||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
;к |
||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
Д |
||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
нижняя определяетсябкак А |
|
|
|
|
|
||||||||||||||||||||||||||||||||||||
|
|
2 |
р;к 2 |
|
|
1 |
|
|
|
2 0,95;24 13,8(см. прил.4), |
|||||||||||||||||||||||||||||||
|
|
1 |
|
|
|
; |
к |
||||||||||||||||||||||||||||||||||
1 |
|
|
|
1 |
|
2 |
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
И |
||||||||||||||||||||
|
|
24 1,52 |
|
|
|
|
24 1,52 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
то |
|
|
|
|
или |
1,22 1,98 |
|
– |
эта оценка не сим- |
||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
13,8 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
36,4 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
метрична относительно σ.
§ 5. Статистическая проверка статистических гипотез
Сопоставление высказанной гипотезы относительно генеральной совокупности с имеющимися выборочными данными, сопровождаемое количественной оценкой степени достоверности получаемого вывода и осуществляемое с помощью того или иного статистического критерия, называется проверкой статистических гипотез.
Определение. Статистической гипотезой называют гипотезу о
153
виде неизвестного распределения генеральной совокупности или о параметрах известных распределений.
Определение. Нулевой (основной) называют выдвинутую гипо-
тезу Н0. Конкурирующей (альтернативной) называют гипотезу Н1, ко-
торая противоречит нулевой.
Если выдвигаемая гипотеза сводится к утверждению о том, что значение некоторого неизвестного параметра генеральной совокупности в точности равно заданной величине, то эта гипотеза называется
простой. В друг |
х случаях гипотеза называется сложной. |
|
|||
|
Выдв нутая нулевая гипотеза может быть правильной или не- |
||||
правильной, поэтому возникает необходимость статистической про- |
|||||
С |
Н0 (табл. 2.6). |
|
|||
верки справедл вости основной гипотезы |
|
||||
гипотезаН0 Отклонена |
Принята |
Таблица 2.6 |
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
Нулевая |
|
Результаты решения относительно Н0 |
|
|
|
|
|
|
|
|
|
Верна |
|
Оши ка 1-го рода, |
Правильное решение, его |
|
|
|
|
её вероятность |
вероятность |
|
|
|
|
Р(Н1/Н0) = α |
Р(Н0/Н0) =1– α |
|
|
Неверна |
|
Правильное реше- |
Ошибка 2-го рода, её ве- |
|
|
|
|
ние, его вероятность |
роятность |
|
|
|
|
Р(Н1/Н1) =1– р |
Р(Н0/Н1) = р |
|
|
|
бА |
|
|
В какой-то небольшой долеДслучаев нулевая гипотеза может оказаться отвергнутой, в то время как она справедлива. Такую ошиб-
Так как проверка статистических гипотез осуществляется на основании выборочных данных, то решение неизбежно сопровождается вероятностью ошибочного заключения как в ту, так и в другую сто-
рону. И
ку называют ошибкой первого рода, а её вероятность – уровнем зна-
чимости α. Другими словами, это та вероятность, которой можно пренебречь.
Наоборот, в какой-то небольшой доле случаев нулевая гипотеза принимается, в то время как на самом деле она ошибочна. Такую ошибку называют ошибкой второго рода. Вероятность ошибки второго рода р. Вероятность 1– р называют мощностью критерия.
Для проверки нулевой гипотезы пользуются специально подобранной случайной величиной, распределение которой известно. В общем случае её обозначают К – критерий согласия, устанавливаю-
154
щий, когда полученное в действительности указанное отклонение следует принять несущественным, а когда существенным. Критерий К является функцией от результатов наблюдения.
Пример. Пусть Н0 заключается в том, что математическое ожидание генеральной совокупности а = 3. Тогда возможные варианты
СН1: а) а ≠ 3; б) а > 3; в) а < 3.
Основной прием проверки статистических гипотез заключается в том, что по меющейся выборке вычисляется значение некоторой случайной вел ч ны, меющей известный закон распределения.
проверкиОпределен е. Статистическим критерием называется случайная вел ч на К с звестным законом распределения, служащая для
нулевой г потезы.
Определен е. Кр тической областью называют область значений кр тер я, при которых нулевую гипотезу отвергают, областью принят я г потезы – о ласть значений критерия, при которых гипотезу пр н мают.
Поскольку кр тер й К – одномерная случайная величина, все ее возможные значен я принадлежат некоторому интервалу. Поэтому критическая и о ласть принятия гипотезы также являются
интервалами, следовательно, существуют точки, которые их |
||
разделяют. |
область |
|
А |
||
|
Критическими точками (границами) kкp называют точки, отде-
ляющие критическую область от области принятия гипотезы.
Различают одностороннюю (правостороннюю или левосторон-
нюю) и двустороннюю критические области.
Правосторонней называют критическую область, определяемую
неравенством К > kкp, где kкp – положительное. |
|
Левосторонней |
И |
называют критическую область, определяемую |
|
неравенством К < kкp, где kкp – отрицательноеДчисло. |
|
Односторонней называют правостороннюю или левостороннюю |
|
критическую область. |
|
Двусторонней называют критическую область, определяемую |
неравенствами К < k1; К > k2, где k2 > k1.
Для отыскания критической области, как было сказано раньше, задаются уровнем значимости α. Критическую точку находят исходя из требования, чтобы при условии справедливости нулевой гипотезы выполнялись равенства:
а) для правосторонней критической области
Р(К > kкр) = α (kкр > 0);
155
б) для левосторонней критической области
Р(К < kкр) = α (kкр <0);
в) для двусторонней симметричной области
Р(К > kкр) = (α/2) (kкр > 0), Р(К < – kкр) = (α/2).
Итак, процесс проверки гипотезы состоит из следующих этапов: 1. Выбирается статистический критерий К.
2. Вычисляется его значение Квыб по имеющейся выборке.
3. Поскольку закон распределения К известен, определяется (по
известному уровню значимости) критическое значение Ккр, разде- |
|||
ляющее кр т ческую область и область принятия гипотезы (напри- |
|||
мер, если P(К > Ккр) = α, то справа от Ккр располагается критическая |
|||
С |
|
|
|
область, а слева – о ласть принятия гипотезы). |
|
||
4. |
выч сленное значение Квыб попадает в область принятия |
||
гипотезы, |
то нулевая г потеза принимается, если в критическую об- |
||
ласть – нулевая г потеза отвергается. Таким образом, если Квыб |
< |
||
Если |
|
|
|
|
выб |
|
|
Ккр – г потеза пр н мается, если К |
> Ккр – гипотеза отвергается. |
|
|
§ 6. Кр тер й П рсона для проверки гипотезы о виде закона |
|
||
|
распределения случайной величины |
|
С помощью критерия Пирсона можно проверять гипотезы о различных законах распределения. Для данного критерия в качестве величины, характеризующей степень различия между теоретическим и
выборочным законами распределения, выбирается статистика |
|
|
|||||
|
|
А |
|
|
|||
|
|
l |
|
n n 2 |
|
(2.8) |
|
|
|
К 2 |
i i |
, |
|
||
|
|
i 1 ni |
|
|
|
||
которая учитывает расхождения между теоретическими ni |
и выбо- |
||||||
рочными |
|
|
Д2 |
(«хи |
|||
ni |
частотами. Эта случайная величина называется |
||||||
квадрат») |
статистикой Пирсона. |
Смысл ее очевиден: суммируются |
квадраты отклонений эмпирических частот отИтеоретических. Целью исследования является сравнение эмпирических и теоретических час-
тот, которые, конечно, отличаются друг от друга, и выяснить, являются ли эти различия несущественными, не опровергающими гипотезу о выбранном законе распределении исследуемой случайной величины, или они настолько велики, что противоречат этой гипотезе.
Можно доказать, что вне зависимости от реального закона распределения генеральной совокупности, закон распределения случайной величины при n стремится к закону распределения с числом
156
степеней свободы k = l – 1 – r, где r – число параметров предполагаемого распределения, оцененных по данным выборки, l-число интервалов. Для выбранного критерия строится критическая область, определяемая условием
С |
Р выб |
2 |
крит2 |
l; , |
|
||||||||||
где α – уровень значимости. Следовательно, критическая область за- |
|||||||||||||||
дается неравенством выб |
2 крит2 |
l; , |
а область принятия гипотезы |
||||||||||||
выб |
2 кр2 |
т |
l; . |
|
|
|
|
|
|
|
|
|
|
|
|
аческихпо табл це кр т точек распределения 2 найти критиче- |
|||||||||||||||
|
Так м образом, для проверки нулевой гипотезы Н0 генеральная |
||||||||||||||
совокупность распределена по выбранному закону – нужно вычислить |
|||||||||||||||
по выборке наблюдаемое значение критерия: |
|
||||||||||||||
|
|
|
|
|
|
|
|
|
l |
n n 2 |
|
||||
|
|
выб |
i |
, |
|
||||||||||
|
|
|
|
|
|
|
выб2 |
|
i |
|
|
||||
|
|
|
|
|
|
|
|
|
i 1 ni |
|
|
|
|||
скую точку кр2 |
т l; , |
спользуя известные значения α и k = l – 1–r. |
|||||||||||||
|
Если |
|
А |
||||||||||||
|
2 2 |
|
k; |
|
нулевую |
гипотезу |
принимают, при |
||||||||
|
|
|
|
крит |
|
|
|
|
|
|
|
|
|
|
|
выб |
2 крит2 |
k; ее отвергают. |
|
|
|
|
|
|
|||||||
|
Замечание. Число параметров распределения r, оцененных по |
||||||||||||||
данным выборки для нормального и равномерного распределений |
|||||||||||||||
равно двум, а для показательного – |
одному. |
|
|||||||||||||
|
Из вышесказанного следует, что для проверки данной гипотезы |
||||||||||||||
Н0 необходимо найти теоретические и эмпирические частоты. |
|||||||||||||||
|
Пусть получена выборка достаточно большого объема n с боль- |
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
И |
|
шим количеством различных значений вариант. |
ля удобства её об- |
работки разделим интервал от наименьшегоДдо наибольшего из значений вариант на k равных частей по методике, предложенной в § 2. Будем считать, что значения вариант, попавших в каждый интервал,
приближенно равны числу, задающему середину интервала. Подсчитав число вариант, попавших в каждый интервал, составим так называемую сгруппированную выборку (табл. 2.7).
|
|
|
|
|
|
|
Таблица 2.7 |
||||
|
|
|
~ |
|
~ |
|
|
|
~ |
|
|
|
|
|
|
|
|
|
|||||
Варианты xi |
… |
||||||||||
х1 |
|
х1 |
|
|
хk |
|
|||||
Частоты ni |
n1 |
|
n2 |
… |
|
|
nk |
|
157
~ |
xi xi 1 |
|
|
Примечание.хi |
|
– значения середин интервалов, а ni – число ва- |
|
2 |
|||
|
|
риант, попавших в i-й интервал (эмпирические частоты).
По полученным данным можно вычислить выборочное среднее
С |
|
|
|
|
|||
х |
в и выборочное среднее квадратическое отклонение в . Тип закона |
||||||
определим по построенной гистограмме или из общих соображений. |
|||||||
Например, ош бки |
змерений в основном распределены по нормаль- |
||||||
ному закону, а надежность безотказной работы прибора – по показа- |
|||||||
проверки |
|
||||||
тельному. |
Для |
|
предположения, что генеральная совокуп- |
||||
ность |
распределена |
по |
выбранному закону с параметрами |
||||
М Х х |
;D X 2 |
, нео ходимо вычислить теоретические часто- |
|||||
|
|
в |
|
в |
|
|
|
ты по формуле |
|
|
|
|
|||
|
|
|
объем |
||||
|
|
|
|
|
|
xi 1 |
ni pi n, |
где pi |
pi xi X xi 1 |
f x dx – вероятность попадания в i-й ин- |
|||||
тервал; n – |
вы орки. |
xi |
|
||||
|
Здесь и далее |
f x – функция плотности распределения вероят- |
ностей случайной величины Х, выбранного закона распределения. Для простоты вычислений можно воспользоваться приближенной формулой вычисления определенного интеграла
p |
|
p |
|
x |
|
X x |
|
xi 1 |
|
|
~ |
|
|
|
|
~ |
h, (2.9) |
||||||||||
i |
i |
i |
|
f x dx f |
x x |
x f x |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
iА1 i i 1 i |
i |
|
|||||||||||||||||
|
|
|
xi xi 1 |
|
|
|
|
|
|
xi |
|
|
|
|
|
|
|
|
|
|
|||||||
~ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
где хi |
|
|
|
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
Рассмотрим практические |
приёмы нахождения теоретических |
|||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|||||||||
вероятностей и теоретических частот для основных законов распре- |
|||||||||||||||||||||||||||
деления. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
1. Нормальный закон распределения. |
|
|
|
|
|
|||||||||||||||||||||
|
Функция плотности распределения задается формулой |
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
x |
х |
в 2 |
|
|
|
|
|
|
И |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
f x |
|
1 |
|
|
|
|
2 |
|
|
1 |
|
х хв |
|
|
|
|
|||||||||
|
|
|
|
|
e |
в |
|
|
|
. |
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
в |
2 |
|
|
|
в |
|
|
в |
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
График функции |
f x называют нормальной кривой или кривой |
Гаусса (рис. 2.3).
158
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вероятностиxi |
|
|
в |
|
|
|
|
в |
|
|
|
|||||||||||||||||
С |
Рис. 2.3. Кривая Гаусса |
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
Тогда |
|
|
pi |
вычисляются по формуле |
|
|
|
|
|
|||||||||||||||||||
|
|
бА |
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
xi 1 |
|
|
|
xв |
|
|
|
хi xв |
|
|
|||||||||
pi pi xi |
X xi 1 |
|
|
хi 1 |
|
|
|
|
, |
|||||||||||||||||||
f x dx Ф |
|
|
|
|
|
|
|
Ф |
|
|
|
|
||||||||||||||||
|
1 |
|
х |
z2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
где Ф(х) |
2 |
е |
2 dz– функция Лапласа, |
её значения находят по |
||||||||||||||||||||||||
прил. 2. |
|
|
0 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Чаще всего пользуются при лиженной формулой |
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
xi 1 |
|
|
|
|
|
|
|
~ |
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
хв |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
хi |
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
|
Д |
|
||||||||||||||||||
|
pi pi xi X xi 1 f x dx |
|
|
|
|
|
|
в |
, |
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
xi |
|
в |
|
|
|
|
|
|
|
|
|||||||||
|
1 |
|
|
х2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
где (х) |
|
2 |
е 2 – табулированная функция (см. прил. 1). |
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
И |
|||||||||||||||||
Умножив полученные вероятности на объем выборки n, найдем |
||||||||||||||||||||||||||||
теоретические частоты: ni |
pi n. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
2. Равномерный закон распределения. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
При использовании критерия Пирсона для проверки гипотезы о равномерном распределении генеральной совокупности с предполагаемой плотностью вероятности
0, |
|
x a,b ; |
||
|
1 |
|
|
|
f (x) |
|
, x a,b |
||
|
|
|
|
|
|
|
|
b a
необходимо, вычислив по имеющейся выборке значения хв и в2 , оценить параметры а и b.
159
f(x)
|
|
|
|
|
|
а |
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
х |
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
Р с. 2.4. Граф к функции плотности равномерного распределения |
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||
значенвеличиныя случайной |
Х, находим из системы (2.10), где через |
||||||||||||||||||||||||||||||||||||||||||||||||||
СДейств тельно, так как для равномерного |
|
распределения |
|||||||||||||||||||||||||||||||||||||||||||||||||
M(X) |
a b |
(X ) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
a b 2 |
|
|
a |
b |
, то оценки пара- |
|||||||||||||||||||||||||||||
|
|
|
D(X ) |
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||
|
обозначеных ; |
|
2 |
|
3 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||
|
2 |
b – концов |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
12 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
метров a |
нтервала, в котором наблюдались возможные |
||||||||||||||||||||||||||||||||||||||||||||||||||
a и b |
|
|
оценки соответствующих параметров равномер- |
||||||||||||||||||||||||||||||||||||||||||||||||
ного распределения. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
b a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
(2.10) |
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
b a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
2 3 |
|
|
в. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||
Решая систему Ауравнений, получим |
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||
|
|
|
a |
х |
|
3 |
|
в |
, b |
|
х |
|
3 |
|
в |
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
Тогда теоретическое распределение будет иметь вид |
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
0, |
|
x a ,b ; |
И |
|||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|
|
|||||||||||||||||||||||||||||||||||
|
|
|
f (x) |
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
|
, x a ,b . |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
a |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
b |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
Вероятности pi вычисляются по формуле |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
xi 1 |
|
|
|
|
|
|
xi 1 |
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
x |
|
|
|
x |
|
|
|
|
|
|
|||||||||||||
pi pi xi |
X xi 1 |
|
f x |
dx |
|
|
|
|
|
|
|
|
|
|
|
|
dx |
|
|
|
i 1 |
|
|
i |
|
|
|
|
|
. |
|||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||
|
|
|
|
|
|
xi |
|
|
|
|
|
|
|
xi |
|
b |
|
a |
|
|
|
|
|
|
b |
|
a |
|
b |
a |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||
Умножив полученные вероятности на объем выборки n, найдем |
|||||||||||||||||||||||||||||||||||||||||||||||||||
теоретические частоты: ni pi |
n. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
3. Показательный закон распределения. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Функция плотности определяется формулой
160
0,x 0;
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f (x) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e x, x 0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
Вычислив по имеющейся выборке значения |
х |
и 2 |
, необходи- |
||||||||||||||||||||||||||||||||||||||||||||||
мо оценить |
|
параметр |
|
λ. |
|
Для |
|
|
|
|
|
|
|
|
|
|
|
|
|
в |
|
в |
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
показательного |
распределения |
|||||||||||||||||||||||||||||||||||||||||||||
M (X ) |
1 |
. |
Следовательно, в качестве оценки параметра λ возьмём |
|||||||||||||||||||||||||||||||||||||||||||||||
|
||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||
величину |
|
|
|
|
|
|
. Тогда теоретическое распределение будет иметь |
|||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||
|
х |
в |
||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
Вероятностиi |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
вид |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
С |
|
|
|
|
|
|
|
0, |
x 0; |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
f |
(x) |
|
|
1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
х |
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
|
|
б |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||
|
|
|
|
|
|
|
|
А |
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
e |
|
в |
, x |
|
0. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
p |
|
|
|
|
|
|
х |
в |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
вычисляются по формуле |
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
x |
1 |
xi |
1 |
xi 1 |
|||||||
|
p |
|
p |
x X x |
|
|
xi 1 |
|
|
|
|
|
xi 1 1 |
e |
|
х |
|
х |
|
|
|
х |
|
|||||||||||||||||||||||||||
|
|
|
|
f x dx |
|
|
|
|
|
|
в dx e |
в |
e в |
|
||||||||||||||||||||||||||||||||||||
|
|
|
i |
|
|
|
|
|
i |
i |
|
|
|
|
|
|
|
i 1 |
|
|
xi |
|
|
|
|
|
|
|
|
|
|
xi |
|
хв |
|
|
|
|
|
|
|
|
|
|
|
|
|
. |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Д |
|
|||||||||||||||||||||||||
|
|
|
|
λ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||
|
Рис. 2.5. График функции плотности показательного распределения |
|
||||||||||||||||||||||||||||||||||||||||||||||||
|
Чаще всего пользуются приближенной формулой |
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|
|
|
|
|
|
|
|
|
|
|
|
|
1 ~ |
И |
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
x |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
i 1 |
|
|
|
1 |
|
|
|
х |
в i |
|
|
|
|
~ |
|
|
|
xi |
xi 1 |
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
, где х |
|
|
|
|
|
|
. |
||||||||||||||||||
pi |
|
|
|
pi |
|
|
xi |
|
X |
|
|
xi 1 |
|
|
f |
|
x dx |
|
|
|
|
|
e |
|
|
|
|
|
|
|
|
|
i |
|
|
|
2 |
|
|
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
xi |
|
|
|
|
|
|
|
хв |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Тогда теоретические частоты вычисляются по формуле ni pi n,
где n – объем выборки.
161