![](/user_photo/2706_HbeT2.jpg)
- •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) Построение доверительного интервала для неизвестного генерального среднего в случае неизвестной дисперсии
Этот случай наиболее часто встречается на практике.
Утверждение 3!Случайная величинаподчиняется распределению Стьюдента
с (n-1) степенью свободы.
По аналогии с предыдущим случаем получаем:
Утверждение 4!
(6)
Отсюда аналогично предыдущему справедливо
Теорема 2: Пусть оценивается генеральное среднее нормального распределения по выборке объемаn, причем параметрδтоже неизвестен. Пустьγ- уровень доверия, аα= 1 –γ, тогда доверительный интервал дается формулой:
(7)
где
- выборочное среднее
- квантиль порядка
распределения Стьюдента с (n– 1) степенью свободы
Пример: При обследовании месторождения
урана было взято сто проб объема 1кг и
в каждой из них было оценено количество
урана. По полученным данным вычислили= 2,7 гр и
= 0,04. Необходимо по этим данным построить
доверительный интервал для содержания
металла в 1 кг руды в этом месторождении
при уровне доверия 0,99
Решение:Дано:= 2,7;
= 0,04; γ = 0,99; α = 0,01;n= 100
по таблице распределения Стьюдента находим: t99; 0,995≈ 3,1
Отсюда получаем интервал: (2,7 – 3,1*;
2,7 + 3,1*
)
или (2,679; 2,72).
Можно ли считать, что этот интервал содержит неизвестное значение с вероятностью 0,99. Нет. Этот интервал или содержит неизвестное значение или не содержит.
Однако если бы эту процедуру с взятием проб и последующим вычислениями повторить много раз, то ≈ в 99 случаях из 100 интервал будет содержать неизвестное значение, а в одном случае не будет.
Замечание!(О применимости описанных методов)
Мы говорили, что этим методы применимы в случае нормального распределения, однако при больших объемах выборки их можно применять и для других любых распределений, а также в случае неизвестных распределений. При Vвыборке нескольких десятков и > приближение достаточно хорошее, что основывается на практическом опыте.
И последнее из (7)и(5)очевидно, чем больше объем выборкиn, тем меньше длина интервала, т. е. тем точнее оценка.
§4 Доверительные интервалы для дисперсии.
В этом § мы построим доверительные интервальные оценки для дисперсии нормальные распределения случайные величины в двух случаях:
а) генеральное среднее (а) известно
б) генеральное среднее не известно
1) а известно
для построения мы используем утверждение1.
Утверждение1:
Пусть,
а исследуемая случайная величина
подчиняется нормальному распределению,
тогда:
Утверждение:Пусть- квантиль порядка
плотности χ2распределения сnстепенями свободы,
- квантиль порядка тогда с
,
тогда справедливо равенство:
(2)
Доказательство сразу следует из рисунка (S1=S2=α/2)
Построим доверительный интервал для неизвестной дисперсии δ2. Подставим(1) в(2)и получим:
перейдя к обратным величинам отсюда получим:
(3)
Пример 1:Пусть случайная величина подчиняется нормальному распределению с параметрами а, δ2, причем δ2- не известно. И пусть дана выборкаx1,x2, …,xn, тогда интервал при уровне доверияγдля неизвестной дисперсии имеет следующий вид:
(4)
, где α = 1 - γ
χ2n- плотность распределения сn- степенями свободы
Доказательство:сразу следует из(3)и определения доверительного интервала §1.
Пример: Для определения точности
весов, которые измеряется дисперсия,
эталонную 1кг гирю взвесили 10 раз, по
полученным данным вычислили= 0,016 грамм. Необходимо по этим данным
построить доверительный интервал для
дисперсии (измеряется точность) при
уровне доверия 0,95
Решение:
α = 0,05
χ210; 0,025≈ 2,9
χ210; 0,975≈ 16,3
Отсюда и (4)сразу получается интервал:
Следствие!
Доверительный интервал стандартного распределения для δ сразу получается из (4)
(5)
2) а - не известно
Для его построения используем
Утверждение 3!
(6)
Совершенно аналогично предыдущему случаю выводится
теорема 2:
Пусть исследуется случайная величина подчиняется нормальному распределению и δ, а - не известны, тогда доверительный интервал для неизвестной дисперсии при уровне значимости γ дается равенство:
(7)
Следствие!
(8)
Пример:В лаборатории решили проверить
точность омметра, измеряемую стандартное
отклонение δ, для этого одно и то же
сопротивление измерили этим прибором
10 раз, и по полученным данным вычислили= 0,04 (Ом2) при уровне доверия 0,95 для
неизвестной точности δ.
Решение: по таблице находим:
χ29; 0,025≈ 2,8
χ29; 0,975≈ 16,25
из (8)получаем: