- •Москва 2007
- •Введение
- •Глава 1. Случайные события и их вероятности
- •§1. События. Действия с событиями
- •§2. Общее определение и свойства вероятности
- •ГЛАВА 2. Классическая и геометрическая вероятности
- •§1. Классическое определение вероятности
- •§2. Применение комбинаторного анализа
- •§3. Геометрическое определение вероятности
- •§1. Условная вероятность
- •§2. Теоремы сложения и умножения вероятностей
- •§3. Независимость событий
- •§4. Формула полной вероятности
- •§5. Формула Байеса
- •Глава 4. Схема независимых испытаний. Схема Бернулли
- •§1. Формула Бернулли
- •§2. Формула Пуассона
- •§3. Формулы Муавра – Лапласа
- •Глава 5. Случайные величины и их распределения
- •§1. Понятие случайной величины
- •§2. Функция распределения случайной величины
- •§3. Дискретные случайные величины
- •§4. Непрерывные случайные величины
- •§5. Функция от случайных величин
- •Глава 6. Числовые характеристики случайных величин
- •§1. Математическое ожидание случайной величины
- •§2. Математическое ожидание функции от случайной величины. Свойства математического ожидания
- •§3. Дисперсия. Моменты высших порядков
- •Глава 7. Элементы математической статистики
- •§1. Основные понятия и основные задачи математической статистики
- •§2. Простейшие статистические преобразования
- •§3. Эмпирическая функция распределения
- •§4. Полигон и гистограмма
- •Глава 8. Статистическое оценивание
- •§1. Точечные оценки. Выборочная средняя и выборочная дисперсия
- •§2. Метод моментов
- •§3. Метод максимального правдоподобия
- •§4. Интервальные оценки (доверительные интервалы)
- •Глава 9. Проверка статистических гипотез
- •§1. Основные понятия
- •§2. Проверка гипотезы о значении математического ожидания
- •§3. Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •§4. Проверка гипотезы о значении дисперсии генеральной совокупности
- •§5. Проверка гипотезы о равенстве дисперсий двух генеральных совокупностей
- •§6. Проверка гипотезы о распределении. Критерий Пирсона
- •Приложения
- •Используемая литература
В случае интервального ряда значения эмпирической функции F (x) подсчитывают на концах частичных интервалов.
Эмпирическая функция F (x) применяется для оценивания теоретической функции распределения генеральной совокупности.
§4. Полигон и гистограмма
Определение. Полигоном частот (многоугольником распределения) называется ломаная линия, проходящая через точки с координатами (Zi ,ni ), где Zi — варианты ста-
тистического ряда, а ni — соответствующие им частоты.
Если ломаная линия строится по точкам (Zi , pi ), где pi — относительные часто-
ты, то получаем полигон относительных частот.
Построим полигон относительных частот для выборки из примера 2. Используя статистический ряд, представленный в таблице 7.2, получаем полигон относительных частот, изображенный на рис. 7.2.
В случае непрерывной случайной величины выборку преобразуют следующим образом. Всю ось абсцисс делят на интервалы (xi ,xi+1 ) длины i = xi+1 − xi и определяют
функцию f (x), которая на i -м интервале принимает значение
53
f (x)= |
p (x) |
= |
ni |
|
, |
(7.4.1) |
|
n |
|
||||
|
i |
i |
|
|||
где ni — число элементов выборки, попавших в интервал. |
||||||
Определение. Функция |
f (x), определенная соотношением (7.4.1), называется |
гистограммой.
Гистограмма является выборочной оценкой плотности вероятности.
Построим гистограмму по данным, приведенным в примере 1. Длина каждого ин-
тервала равна |
i = 6,2 . Подсчитаем значения |
ni |
|
: |
|
|
|
||||
n |
|
|
|
|
|||||||
|
|
|
|
|
|
i |
|
|
|
||
|
|
|
|
|
|
|
|
|
|||
xi < X ≤ xi+1 |
2,9 — 9,1 |
9,1 — 15,3 |
15,3—21,5 |
21,5—27,7 |
27,7—33,9 |
33,9—40,1 |
|||||
|
ni |
|
0,038710 |
0,038710 |
0,045161 |
0,019355 |
0,012903 |
0,006452 |
|||
|
n i |
||||||||||
|
|
|
|
|
|
|
|
|
|
||
|
На рис. 7.3 представлена гистограмма примера 1. |
|
|
Графическое изображение статистических рядов в виде полигона и гистограммы позволяет получить первоначальное представление о закономерностях, имеющих место в совокупности наблюдений.
54