- •Математика
- •Режим доступа к электронному аналогу печатного издания: http://www.Libdb.Sssu.Ru
- •Содержание
- •Предисловие
- •Лабораторная работа 1
- •Варианты заданий
- •Пример выполнения лабораторной работы
- •Контрольные вопросы
- •Лабораторная работа 2 Исследование дискретной и непрерывной случайных величин
- •Пример выполнения задания 1
- •Контрольные вопросы
- •Лабораторная работа 3 Линейная регрессия
- •Контрольные вопросы
- •Лабораторная работа 4
- •Рассмотрим три закона распределения, которые часто используются в теории вероятностей.
- •1. Распределение (читается «хи в квадрате»). Пусть n(0, 1), – независимые нормально распределённые с.В. С.В. Называетсяраспределённой по закону со степенью свободыk.
- •2. Распределение Стьюдента т(k). С.В. , гдеU n(0, 1), называется распределённой по закону Стьюдента со степенью свободы k.
- •3. С.В. , где k1, k2 – натуральные числа, называется распределённой по закону Фишера со степенями свободы k1, k2.
- •1 Доверительный интервал для м.О. Нормально распределённой с.В.
- •2 Доверительный интервал для дисперсии нормально распределённой г.С.
- •Проверка статистических гипотез
- •1. Предварительная обработка реализации выборки
- •F*(X) – статистическая функция распределения; f(X) – функция распределения
- •2. Основные понятия проверки статистических гипотез
- •3. Критерий согласия
- •Лабораторная работа 5
- •Обработка результатов экспериментов, определение точечных оценок числовых характеристик и параметров распределения.
- •Проверка гипотезы о законе распределения
- •Генеральной совокупности по критерию согласия
- •Контрольные вопросы к лабораторным работам 4 и 5
- •Библиографический список
- •Приложение 5 (справочное) Критические точки распределения Стьюдента
- •Приложение 6
- •Учебное издание
F*(X) – статистическая функция распределения; f(X) – функция распределения
Вычислим высоты прямоугольников гистограммы: 0.1/2=0.05, 0.32/2=0.16, 0.1,0.12, 0.07. На рисунке 6 приведены гистограмма относительной частоты и приближённый график плотности.
2. Основные понятия проверки статистических гипотез
Во многих практических задачах реализации выборки применяются для проверки гипотез (предположений) о свойствах закона распределения генеральной совокупности.
Статистической гипотезой называется предположение о параметрах, свойствах закона распределения генеральной совокупности.
Пример 2. «Математическое ожидание г.с., распределённой по показательному закону, равно 10», «Г.с. имеет нормальный закон распределения» – статистические гипотезы. «Завтра будет снег», «Существуют внеземные цивилизации» – не являются статистическими гипотезами.
В дальнейшем под гипотезой будем понимать исключительно статистические гипотезы. Гипотеза называется простой, если она однозначно определяет закон распределения г.с. В противном случае гипотеза называется сложной. В приведённых выше гипотезах первая – простая, потому что гипотеза определяет точно один показательный закон распределения с параметром = 1/10. Вторая гипотеза является сложной, потому что она определяет бесконечно много нормальных законов распределения с разными математическими ожиданиями и дисперсиями.
Параметрическими гипотезами называются гипотезы о параметрах распределения г.с. Например, первая из вышеприведённых гипотез является параметрической.
Нулевой (или основной) гипотезой H0 называется проверяемая ги-потеза. Альтернативной (или конкурирующей) гипотезой называется гипотеза, которая принимается в случае, когда основная гипотеза отвергается. Альтернативных гипотез у одной и той же основной гипотезы может быть несколько. Например, если принять за основную гипотезу «Математическое ожидание г.с. равно 10», то в качестве альтернативной могут быть: «Математическое ожидание г.с. меньше 10”, «Математическое ожидание г.с. равно 9».
При проверке гипотез применяется некоторое правило. Критерием K проверки гипотез называется правило, по которому принимается или отвергается гипотеза H0. Обычно в критерии участвует некоторая статистика Z=Z(X1,…, Xn), по значению которой решается вопрос, принять или отвергнуть основную гипотезу. Z называется статистикой критерия.
Общая схема критерия K выглядит следующим образом. Задаётся некоторая малая вероятность (обычно = 0.1, 0.05, 0.01), называемая уровнем значимости критерия. В основе критерия лежит принцип теории вероятностей: маловероятные события (события с вероятностью ) считать практически невозможными. Из области значений V статистики Z критерия выделяется подмножество Vk, такое, что условная вероятность события Z Vk при условии, что гипотеза H0 верна, мала (равна ): P (Z V k / H0 ) = . Множество Vk называется критической областью. Пусть теперь по реализации выборки вычислено значение zв статистики критерия Z. Если zв Vk , то это означает, что произошло маловероятное событие. Тогда по приведённому выше принципу скорее всего неверна гипотеза H0 , и она должна быть отвергнута. Если zв V \ Vk, то гипотеза H0 может быть принята. Множество V \ Vk называется областью принятия основной гипотезы.
Рассмотрим критерий проверки параметрической гипотезы H0 : = 0 при альтернативной гипотезе H1 : < 0. Пусть p (z / H0 ) – плотность условного закона распределения статистики Z. За область принятия основной гипотезы принимается такой промежуток [z1, +), что P (Z z1/H0 ) = 1– , P (Z < z1/H0 ) = (рис. 7). Из второго равенства видно, что z1= z – квантиль распределения статистики Z порядка .
Рис.
7. Критическая область (Vk)
и область принятия
гипотезы
(V\Vk)
Критерий состоит в следующем. По реализации выборки из г.с. вычисляем значение zв статистики критерия Z. Вычисляется (по таблице) квантиль z. Если zв z, то основная гипотеза = 0 принимается. Если zв< z , то основная гипотеза =0 отвергается (принимается альтернативная гипотеза < 0).
Как видно, основная или альтернативная гипотезы принимаются или отвергаются с некоторой вероятностью. Это означает, что возможны ошибки при принятии того или иного решения. В теории проверки статистических гипотез различают ошибки первого и второго рода.
Ошибкой первого рода называется вероятность отвергнуть правильную основную гипотезу, т.е. P (ZVk / H0 ) = . Таким образом, уровень значимости совпадает с ошибкой первого рода.
Ошибкой второго рода называется вероятность принять ошибочную основную гипотезу, т.е. P (ZV\Vk / H1 )=.