
- •Задачи по теории вероятностей и математической статистике
- •Содержание
- •Введение
- •Раздел 1. Теория вероятностей Комбинаторные формулы
- •Классическое определение вероятности
- •Теоремы алгебры событий
- •Свойства функции распределения
- •Свойства математического ожидания
- •Непрерывная случайная величина и её характеристики
- •Законы распределения случайных величин
- •Предельные теоремы теории вероятностей
- •Предельные формулы для схемы Бернулли
- •Раздел 2. Математическая статистика Обработка результатов опытов
- •Точечные оценки неизвестных параметров и методы их получения
- •Интервальные оценки неизвестных параметров
- •Проверка статистических гипотез
- •Сглаживание опытных данных методом наименьших квадратов
- •Ошибки прямых и косвенных измерений
- •Задания для самостоятельной работы студентов
- •Пример выполнения заданий самостоятельной работы студентов Пример выполнения задачи 1
- •Пример выполнения задачи 2
- •Пример выполнения задачи 3
- •Пример выполнения задачи 4
- •Пример выполнения задачи 5
- •Пример выполнения задачи 6
- •Пример выполнения задачи 11
- •Пример выполнения задачи 12
- •Пример выполнения задачи 13
- •Пример выполнения задачи 14
- •Пример выполнения задачи 15
- •Пример выполнения задачи 16
- •Пример выполнения задачи 17
- •Пример выполнения задачи 18
- •Пример выполнения задачи 19
- •Пример выполнения задачи 20
- •Пример выполнения задачи 21
- •Пример выполнения задачи 22
- •Пример выполнения задачи 23
- •Пример выполнения задачи 24
- •Пример выполнения задачи 25
- •Литература
Точечные оценки неизвестных параметров и методы их получения
Оценка математического ожидания
по выборке
.
Оценка дисперсии
Метод максимального правдоподобия
Пусть
заданная выборка случайной величины
,
имеющей плотность распределения
,
где
- неизвестный параметрический вектор.
Функция
называется функцией
правдоподобия.
Оценкой параметрического вектора
,
полученной методом максимального
правдоподобия называют решение задачи
.
Метод моментов
Оценкой
параметрического вектора
,
полученной методом моментов называют
решение системы
где
Интервальные оценки неизвестных параметров
Интервал
называется доверительным
интервалом
для оценки параметра
,
отвечающим доверительной
вероятности
,
если
.
Доверительный интервал для математического ожидания
Доверительный интервал для оценки математического ожидания с известной дисперсией
, где границы находятся с использованием MathCAD по формулам
,
.
Доверительный интервал для оценки математического ожидания с неизвестной дисперсией
, где границы находятся по формулам
,
,
, параметр
находится с использованием MathCAD по формуле
.
Доверительный интервал для дисперсии
Доверительный интервал для оценки дисперсии с известным математическим ожиданием
, где границы находятся по формулам
,
,
а коэффициенты
находятся с использованием MathCAD по формулам
,
.
Доверительный интервал для оценки дисперсии с неизвестным математическим ожиданием
, где границы находятся по формулам
,
, а коэффициенты
находятся с использованием MathCAD по формулам
,
.
Проверка статистических гипотез
Критерий
Проверить гипотезу
о том, что заданная функция
является функцией распределения
случайной величины по выборке
с заданным уровнем значимости
.
Уровень значимости это вероятность отвергнуть правильную гипотезу.
Схема проверки
гипотезы по критерию
Определить по формулам значение
, где
- частота элемента
в выборке,
- количество неповторяющихся элементов выборки,
- вероятность появления числа
, вычисленная по функции распределения
.
Определить с использованием MathCAD значение
.
Сделать вывод по правилу:
если
,
то гипотеза подтверждается;
если
,
то гипотеза отвергается.
Сглаживание опытных данных методом наименьших квадратов
Пусть задана
выборка двумерной случайной величины
Необходимо определить неизвестные
значения параметров
функциональной зависимости
,
на основании выборки.
Согласно метода наименьших квадратов значения неизвестных параметров будем искать, как решение задачи:
,
которая сводится
к решению системы:
.
Если зависимость
между переменными линейная
,
то параметры находятся по формулам:
,
где
,
,
,
,
.
Ошибки прямых и косвенных измерений
Под прямыми измерениями понимают измерения, полученные непосредственно с помощью прибора.
Под косвенными измерениями понимают результаты, полученные на основе расчёта с использованием прямых измерений.
Если
- точное значение измеряемой величины
,
то
,
где
-
ошибка
измерения.
Если при заданной
доверительной вероятности
справедливо
,
где
- параметр, зависящий от распределения
ошибки и принятой величины доверительной
вероятности
,
- среднеквадратическая ошибка измерения,
то величина
называется абсолютной
ошибкой измерения.
Величина
называется относительной
ошибкой измерения.
Если
величины полученные прямыми измерениями,
то величина
получена косвенным измерением.
Справедливы формулы:
,
,
где
– ковариация величин
.