- •И математической статистике
- •Часть II основные методы математической статистики
- •Владивосток
- •Раздел I основные методы математической статистики
- •1. Генеральная совокупность и выборка
- •1.1 Выборочный метод. Первичная обработка выборочных (экспериментальных) данных.
- •1.2 Выборочные числовые характеристики.
- •Которая называется выборочным средним.
- •2. Точечное оценивание параметров распределений
- •2.1 Свойства оценок; неравенство Крамера – Рао.
- •2.2 Методы получения оценок.
- •3. Интервальное оценивание параметров
- •3.1. Необходимые понятия и функции распределения
- •1) 2) 3)Независимы.
- •3.2 Интервальное оценивание параметров.
- •3.3 Оценки параметров нормального распределения.
- •3.4 Интервальное оценивание параметров распределений, отличных от нормального
- •4.1. Основные определения и используемые понятия.
- •4.2. Критерии согласия
- •1). Критерий Колмогорова
- •2). Критерий хи-квадрат Пирсона
- •3). Критерий Смирнова – Мизеса (критерий ω2)
- •4.3. Проверка гипотез относительно двух выборок
- •4.4. Непараметрические ранговые критерии.
- •5. Дисперсионный анализ: однофакторная модель.
- •6. Элементы прикладного корреляционного анализа
- •6.1. Введение: основные задачи, понятия и терминология.
- •6.2. Корреляция
- •6.3. Ранговая корреляция и сопряжённость
- •6.4.* Выборочные методы частного и множественного
- •Заключение
- •Разлел II вариаты практических заданий
- •1. Общие положения.
- •2. Алгоритмы – формулы расчёта выборок и предлагаемое их
- •Раздел III
- •1. Табулирование данных
- •2. Построение интервального вариационного ряда
- •3. Эмпирическая функция распределения и графическое преставление распеделения частот
- •4. Расчёт числовых характеристик вариационных рядов
- •Приложения Приложение I
- •Приложение II
- •Приложение III
- •Приложение IV Cтатистические таблицы
- •Примечания:1) функция Лапласа и интеграл ошибоксвязаны соотношением; 2)и.
- •Раздел I. Основные методы математической статистики
- •2.2. Методы получения оценок. . . . . . . . 12
- •3. Интервальное оценивание параметров. . . . 15
- •4.3. Проверка гипотез относительно двух выборок. . . . 25
- •4.4. Непараметрические ранговые критерии. . . . . 27
- •5. Основы дисперсионного анализа: однофакторная
- •6.2. Корреляция. . . . . . . . . . 34
- •6.4. Выборочные методы частного и множественного корреляционного
- •1. Общие положения . . . . . . . . . 67
- •2. Алгоритм – формулы расчёта выборок и предлагаемое их
- •Раздел 3. Комментарии и указания к решение типового
- •Часть II
3. Интервальное оценивание параметров
3.1. Необходимые понятия и функции распределения
В первой части практикума были кратко рассмотрены некоторые распределения, связанные с нормальным и играющие большую роль в математической статистике. Это распределения хи-квадрат, Стьюдента и Фишера.
Распределение хи-квадрат. Напомним, что если случайные величины ξ1, …, ξn независимы и распределены нормально, т. е. ξj N(0, 1) j= 1, …, n, то = ξ12 +…+ ξn2 χn2, т.е. имеет хи-квадрат распределение с п степенями свободы, в свою очередь представляющее собой частный случай -распределения с параметрами масштаба b = 1/2 (или λ = 1/b = 2) и формы c = n/2; плотность распределения
(3.1)
(при x 0 f(x) = 0); математическое ожидание M = n, дисперсия D = 2n. При этом распределение хи-квадрат быстро сходится к нормальному (фактически, при n > 50), а величина () имеет приближённо стандартное нормальное распределение. Распределение хи-квадрат воспроизводит себя (безгранично делимо): если случайные величины ξ1 и ξ2 независимы и распределены по χ2 (ξ1 χn2 и ξ2 χm2), то случайная величина ξ = ξ1 + ξ2 χ2n+m , то есть имеет хи-квадрат распределение с n + m степенями свободы.
Смысл понятия «степеней свободы» становится понятен из следующей леммы, лежащей также в основе многих статистических выводов.
Лемма Фишера. Пусть случайные величины ξ1, …, ξn независимы и имеют стандартное нормальное распределение, т. е. ξj N(0, 1) j= 1, …, n, и (1, 2, …, n)T = A(ξ1, ξ2, …, ξn)T, где А – ортогональная матрица (т.е. А–1 = АТ, «Т» – транспонирование). Тогда для любого r = 1, …, n – 1 справедливо и эта случайная величина не зависит от1, …, r.
Распределение Стьюдента. Если случайные величины ξ, ξ1, …, ξn независимы и все N(0, 1), то случайная величина Тп , т.е. имеет распределение Стьюдента с п степенями свободы с функцией плотности распределения
. (3.2)
Математическое ожидание M = 0, дисперсия D = n/(n – 2) при n > 2, при n 2 D = . Распределение Стьюдента также безгранично делимо.
Распределение Фишера. Пусть 1 и 2 независимы и 1 χn2, 2 χm2, т.е. распределены по χ2 с n и m степенями свободы, соответственно. Тогда случайная величина Fn, m , то есть имеет распределение Фишера с числом степеней свободы (n, m). Функция плотности этого распределения
. (3.3)
Математическое ожидание M = m/(m – 2), m > 2, мода , дисперсия D = .
Теорема о свойствах выборок из нормального распределения. Пусть
X = (x1, x2, …, xn) N(a, 2). Тогда
1) 2) 3)Независимы.
Следствие. В условиях теоремы .
3.2 Интервальное оценивание параметров.
Пусть ξ F(x,θ), θ R – неизвестный параметр. Ставится задача определить лучший (в некотором смысле) интервал, содержащий значение θ с большой вероятностью.
Определение 3.1. Доверительным интервалом с уровнем значимости (уровнем доверия, доверительной вероятностью) 1 – α для неизвестного параметра θ по выборке X = (x1,…, xn) называется интервал (A(x1,…, xn), B(x1,…, xn)) такой, что
P{ A(x1,…, xn) < θ < B(x1,…, xn)} ≥ 1 – α.
Величина α здесь выражает вероятность возможной при решении данной статистической задачи ошибки, выбирается достаточно малой и из «посторонних» соображений.
Функции выборочных значений А и В называются доверительными границами и являются случайными величинами.
При больших объёмах выборок можно использовать также асимптотические доверительные интервалы, т.е такие, что
P{ A(x1,…, xn) < θ < B(x1,…, xn)} ≥ 1 – α.
Интуитивно ясно, и это несложно показать, что из требований несмещённости и эффективности оценки следует: при заданном α лучше выбирать симметричный относительно Mtn и наиболее узкий, при прочих равных условиях, интервал вида Mtn ± k·St . Здесь tn – выборочная оценка параметра θ, St – его среднее квадратичное отклонение.