- •Глава 1. События.
- •§1 Логические основы т.В.
- •§2 Испытания, события, операции над событиями.
- •§3 Классическое определение вероятности.
- •§3 Примеры вероятностных пространств.
- •§4 Условные вероятности. Формула умножения событий.
- •§5 Независимые и зависимые события.
- •Независимость попарная и независимость в совокупности Определение попарной независимости
- •Определение независимости в совокупности.
- •§6 Формула полной вероятности и формула Байеса. Формула полной вероятности
- •Формула Байеса
- •Глава II
- •§1 Формула Бернулли
- •Формула Бернулли
- •§2 Предельные теоремы Бернулли
- •Формула Лапласа или интегральная формула Лапласа
- •Глава 3. Случайные величины.
- •§1 Определения и основные понятия.
- •§2 Дискретные случайные величины.
- •1. Распределение Бернулли
- •2. Биноминальное распределение
- •3. Распределение Пуассона
- •4. Геометрическое распределение
- •1. Равномерно распределение.
- •2. Показательное или экспоненциальное распределение:
- •3. Распределение Коши
- •4. Нормальное (Гауссово) распределение
- •1) Распределение Бернулли
- •§2 Специальные функции математической статистики.
- •1 Распределение Стьюдента
- •2 Распределение Карла Пирсона
- •Свойства случайной величин с симметричной (четной) плотностью распределения.
- •§3 Доверительные интервалы для генеральной средней нормального распределения
- •2) Построение доверительного интервала для неизвестного генерального среднего в случае неизвестной дисперсии
- •§4 Доверительные интервалы для дисперсии.
- •§5 Доверительный интервал для неизвестной вероятности успеха.
- •III Математическая статистика.
- •Глава I Оценки параметров.
- •§1 Основные понятия.
- •§2 Точечные оценки параметров.
- •Свойства оценок
- •Другие два важных свойства оценок состоятельность и эффективность.
- •§3 Методы построения точечных оценок параметров.
- •Метод максимального подобия построения оценок.
- •Оценка параметров нормального распределения.
- •Оценка параметров геометрического распределения.
- •Оценка параметров экспоненциального распределения.
- •Оценка параметров распределения Пуассона.
- •Метод Монте-Карло.
- •§1 Основные определения и понятия.
- •§2 Генерирование значений дискретных случайных величин.
- •§3 Генерирование случайных величин с непрерывным законом распределения (методы)
- •Генерирование случайной величины подчиняющейся нормальному распределению.
- •§4 Генерирование траекторий случайных процессов.
- •Генерирование траекторий непрерывных случайных величин.
- •I Марковские процессы с дискретным временем.
- •§1 Основные понятия.
- •Основное свойство матрицы перехода дискретной цепи Маркова.
- •§2 Предельные теоремы.
- •Глава III Проверка статистических гипотез.
- •§1 Основные понятия и терминологии.
- •§2 Проверка гипотез о значении генеральной средней нормально распределенных случайных величин.
- •1) Построение критерия для проверки h0 против h1 при известном δ
- •2) Построение критерия для проверки гипотезы h0 против h1, при δ - не известном.
- •1) Параметр a известен
- •2) Проверка гипотезы о значении дисперсии, когда генеральное среднее а не известно.
- •§4 Проверка гипотезы о значении генеральной доли.
- •§5 Проверка гипотеза о достоверности различий средних значений.
- •§6 Критерий к. Пирсона. Хи-квадрат для проверки гипотез о законе распределения.
- •2 Примеры использования критерия χ2.
- •3 Применение критерия χ-квадрат для исследования вопроса о зависимости ил независимости признаков.
2 Распределение Карла Пирсона
Рассмотрим случайную величину
(3) χ2= ξ12+ ξ22+ … + ξn2, гдеξ N(0,1)
Она подчиняется хи- квадрат распределению с nстепенями свободы
Его плотность дается формулой:
(4)
можно показать, что
(5) M(χn2) =n;D(χn2) = 2n
График плотности:
Свойства случайной величин с симметричной (четной) плотностью распределения.
Пусть § - случайная величина с четной плотностью распределения
Пусть α= ½ иxα иx1 - α – квантили порядка α и (1 –α), тогда справедливо:
Утверждение!
(6) xα= -x1 - α
Доказательство: По свойству квантиля
Мы видим, что функция симметрична относительно оси координат, значит α1=α2и(6)доказано.
При больших объемах выборки приходится работать с распределением хи-квадрат при большом числе степеней свободы n. В этом случае необходимо использовать приближенные формулы.
Вообще для распределения Стьюдента и хи-квадрат напечатаны специальные таблицы, которые содержатся в учебнике по математической статистике, однако при больших nи необходимо использовать приближения. В случае распределения Стьюдента используютN(0,1), а распределения хи-квадрат приближают к нормальномуa=n,δ=смотри(5).
§3 Доверительные интервалы для генеральной средней нормального распределения
В этом параграфе мы рассмотрим следующую задачу:
Дана случайная величина ξ, подчиняющаяся нормальному распределению с параметрами а и δ, причем а = математическому ожиданию, или генеральному среднему не известен и требуется построить для него оценку в виде доверительного интервала по выборке x1,x2, ….,xn.
Мы рассмотрим последние 2 случая:
1) параметр δизвестен
2) не известен
1) нам понадобится следующее:
Утверждение1!
(1)
подчиняется стандартному нормальному распределению или (ηN(0,1)) {стандартному нормальному распределениюM= 0D= 1}
Докажем только, что
(*)Mη= 0,Dη= 1
по формуле (1):
M(η) = (M() - 0) = {ДоказаноM(), не смещенное от центраM() =a} = {a-a} = 0
D(η) = {(1)} =D((-a)) = (D() +D(-a)) = {§2 утверждение 2} = δ2/n= 1
Построим, т.е. рассмотрим задачу построения доверительного интервала для a, при уровне доверия γ:
Определим:
(2)α = 1 - γ
Утверждение2!Пусть- квантиль порядкастандартного нормального распределения, тогда справедливо равенство:
(3)
Доказательство: Вся площадь под кривой равна единице (свойство плотности) см. рисунок. По определению квантиля
(*)
следовательно: S1= α / 2
В §2 доказано утверждение, что для симметричной плотности:
xβ= -x1 – β(см 2.6))
в нашем случае =>
получили:
(**) S2=α/ 2,S1=α/2
Оценим вероятность
Построим доверительный интервал воспользовавшись (3):
Из (3)и(1)получаем:
помножим на минус, неравенства поменяют знак, и мы их поменяем местами
(4)
Отсюда мы получаем следующую
Теорема1: Пусть необходимо построить доверительный интервал при уровне доверия γ = 1 -α для неизвестного параметра а (равного генеральному среднему) по выборкеx1,x2, …,xnи пусть- выборочное среднее,δ- известный параметр нормального распределения и- квантиль стандартного нормального распределения порядка, тогда интервал
(5)
будет искомым, т.е. доверительным.
Доказательство:сразу следует из равенства(4)и определения доверительного интервала 1.1.
Пример:известно, что точность теодолита (измеряемые углы) = 1, для того чтобы измерить угол с более высокой точностью провели измерения этим теодолитом 10 раз, а затем вычислили выборочное среднее= 34,2 требуется по этим данным построить доверительный интервал при уровне доверия 0,95 для величины измеряемого угла, учитывая, что точность прибора определяется величиной δ.
Решение:Дано γ = 0,95 =>α=0,05;= 34,2;δ= 1 (точность 1);n= 10;
По таблице стандартного нормального распределения находим: U0,975≈ 1,96
получаем: (34,2 – 1,96 * ; 34,2 + 1,96 *)
или ≈ получаем: (33,6; 34,8) - это доверительный интервал для неизвестного угла при уровне доверия 0,95.