- •1. Что изучает теория вероятностей
- •2. Испытание. Событие. Классификация событий
- •3. Понятие вероятности события. Классическое определение вероятности
- •4. Относительная частота события. Статистическое определение вероятности
- •5. Понятие комбинаторики. Основные правила комбинаторики
- •6. Основные комбинаторные соединения
- •7. Алгебра событий
- •8. Условная вероятность. Теоремы умножения вероятностей
- •9. Теоремы сложения вероятностей. Вероятность появления хотя бы одного события
- •10. Формула полной вероятности
- •11. Вероятность гипотез. Формула Байеса
- •12. Формула Бернулли
- •13. Формула Пуассона
- •14. Наивероятнейшее число появления события
- •15. Понятие и виды случайных величин
- •16. Закон распределения вероятностей дсв. Способы задания
- •17. Биноминальное распределение
- •18. Пуассоновское распределение
- •19. Геометрическое распределение
- •20. Гипергеометрическое распределение
- •21. Математическое ожидание дсв и его свойства
- •22. Дисперсия дсв и её свойства. Формула для вычисления дисперсии. Среднее квадратическое отклонение
- •23. Функция распределения вероятностей и её свойства
- •24. Плотность распределения вероятностей и её свойства
- •25. Числовые характеристики нсв
- •26. Равномерное распределение и его свойства
- •27. Показательное распределение и его свойства
- •28. Нормальное распределение и его свойства
- •29. Правило трёх сигм. Центральная предельная теорема Ляпунова
- •30. Закон больших чисел
- •31. Задачи математической статистики
- •32. Выборочный метод
- •33. Типы выборок и способы отбора
- •34. Вариационные ряды
- •35. Эмпирическая функция распределения
- •36. Полигон и гистограмма
- •37. Точечные оценки параметров распределения
- •38. Генеральная и выборочная средние
- •39. Генеральная и выборочная дисперсии
- •40. Оценка генеральной средней по выборочной средней
- •41. Оценка генеральной дисперсии по исправленной выборочной дисперсии
- •42. Метод моментов для точечной оценки параметров распределения
- •43. Метод наибольшего правдоподобия для точечной оценки параметров распределения
- •44. Интервальные оценки параметров распределения
- •45. Доверительные интервалы для параметров нормального распределения
- •46. Виды зависимостей между случайными величинами
- •47. Выборочные уравнения регрессии
- •48. Коэффициент корреляции
- •49. Линейная корреляция
- •50. Статистическая гипотеза
- •51. Виды ошибок
- •52. Статистический критерий. Критическая область
- •53. Сравнение выборочной средней с математическим ожиданием
- •54. Сравнение двух дисперсий нормальных генеральных совокупностей
40. Оценка генеральной средней по выборочной средней
Случайная выборка из генеральной совокупности
Чтобы по выборке можно было делать выводы о свойствах всей генеральной совокупности, она должна быть представительной (репрезентативной). Это обеспечивается в тех ситуациях, когда выборка является случайной. Модель случайной выборки предъявляет к ней следующие требования:
1) каждый из объектов, составляющих генеральную совокупность, должен иметь одинаковую вероятность быть представленным в выборке;
2) все n измерений, образующих выборку, должны быть независимыми, т. е. результаты каждого измерения не должны зависеть от предыдущих измерений.
Существует два основных метода отбора объектов из генеральной совокупности в выборку: повторный и бесповторный.
При повторном отборе каждый объект после измерения значения признака возвращается в генеральную совокупность. При этом состояние генеральной совокупности перед каждым новым измерением восстанавливается и требование независимости всегда выполняется.
При бесповторном отборе после измерения объект не возвращается в генеральную совокупность. В этом случае соотношение значений признака в оставшейся части генеральной совокупности меняется, и, следовательно, проводимые измерения не являются независимыми, т. е. бесповоротный отбор не является случайным. На практике бесповоротный отбор используется чаще. Когда проводится измерение каких-то признаков, относящихся, например, к преступникам, выборка составляется таким образом, что после того, как очередной человек принял участие в измерениях, он уже не участвует в следующих измерениях.
Но, как правило, можно считать, что объем генеральной совокупности настолько велик, что при исключении из нее относительно малого числа единиц, составляющих выборку, состояние генеральной совокупности практически не меняется. При бесконечной генеральной совокупности различие между повторным и бесповторным отбором исчезает.
На практике используется несколько способов получения случайных выборок:
1. собственно случайная,
2. механический отбор.
3. типический отбор.
4. серийный отбор.
При проведении выборочных исследований предполагается, что выборка является однородной. Это означает, что она получена из одной генеральной совокупности, т. е. в исходной совокупности отсутствуют объекты, резко выделяющиеся по значениям изучаемого признака. Предположение об однородности выборки на практике обычно основывается на предварительном изучении условий эксперимента. Так, обычно есть уверенность в том, что полученные выборочные данные о количестве правонарушений представляют собой результаты измерений для одинаковых по численности городов.
41. Оценка генеральной дисперсии по исправленной выборочной дисперсии
Получим несмещенную оценку для генеральной дисперсии : Def: Статистику называют исправленной выборочной дисперсией.
Очевидно, что - несмещенная и состоятельная оценка для параметра :
Проверим несмещенность:
Замечание: так как при , то на практике для оценки применяют (3’) ввиду ее удобства.
В качестве оценок для среднего квадратичного отклонения берут статистики и .Можно показать, что это – состоятельные оценки: но обе оценки будут смещенными:
Интервальные оценки неизвестных параметров распределения.
1) Интервальная оценка и ее надежность.
Рассмотрим выборку . Совокупность независимых случайных величин имеет тот же закон распределения, что и .
Пусть статистики такие, что всегда a<в, тогда (a,в)– случайный интервал.
– оцениваемый параметр.
Def: если случайный интервал (a,в)может покрывать неизвестный параметр , то этот интервал называется интервальной оценкой для параметра .
Пусть вероятность того, что параметр , тогда вероятность y называется надежностью или доверительной вероятностью интервальной оценки (a,в).
Естественно, что значения y берут близкими к единице. Обычно y берут 0.95, 0.99, 0.999.
С повышением надежности оценки увеличивается длина доверительного интервала.
2) Доверительный интервал для нормально распределенной случайной величины при известной дисперсии .
Рассмотрим случайную величину – известная величина. Требуется построить доверительный интервал . Для решения данной задачи рассмотрим статистику neX– выборочная средняя. Можно показать, что neXтакже подчинена нормальному закону.
Для нормального распределения случайной величины справедливо равенство:
– функция Лапласа.
Применим равенство (2) к выборочной средней:
Выберем E так, что бы заданная надежность оценки.
Из (3) имеем:
.
Итак, доверительный интервал для параметра a имеет вид:
Здесь t(y)выбирается из таблицы значений функций Лапласа:
3) Доверительный интервал для генеральной средней при неизвестной дисперсии .
Как и прежде
Рассмотрим статистику . Здесь – исправленная выборочная дисперсия. Доказано, что статистика имеет закон распределения с плотностью:
Bn– числа.
Распределение вероятностей, задаваемое плотностью (5) называют “t” – распределением или распределением Стьюдента с (n-1) степенью свободы.
Функция (5) является четной.
При “t” – распределение стремится к нормальному распределению.
Что бы записать доверительный интервал для генеральной средней, рассмотрим равенство:
Пользуясь таблицами t” – распределения по заданной надежности и числу степеней свободы (n-1), выбираем t(y,n) из условия (6):
В результате с надежностью y в силу (6) выполняется двойное неравенство:
Отсюда выражаем “a”: