![](/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 Точечные оценки параметров.
В этом § мы будем рассматривать следующую задачу:
Дана случайная величина ξ с законом распределения или функцией распределения Fξ(x,θ1,θ2,…θk), гдеθ1,θ2,…θk- некоторые известные параметры. Необходимо по выборке объемаnx1,x2,…xnоценить неизвестные параметрыθ1,θ2,…θk. Подчеркнем, что каждоеxiподчиняется закону распределения случайной величины ξ.
Определение. Оценкаθ*k- это некоторая функция отx1,x2,…xn (θ*k(x1,x2,…xn)).
Рассмотрим примеры оценок важнейших параметров. Математические ожидания и дисперсии. В статистике часто они называются генеральным среднимигенеральной дисперсией, а их оценки, полученные по выборке -выборочным среднимивыборочной дисперсией.
Для них существует и общепринятое обозначение:
Определение.Пусть дана выборкаx1,x2,…xnвыборочное среднее определяется равенством:
(1)(первая
оценка)
Определение.Выборочная дисперсия определяется равенством:
(2)
Утверждение
(3)
Доказательство:
=
Свойства оценок
1) Несмещенность: Пусть θ*(x1, …xn) - оценка неизвестного параметраθ, если выполняется равенство
(4) M(θ*(x1, …xn)) =θ, то
оценка называется не смещенной, а если не выполняется, то смещенной.
Пример1:Пусть ξ - случайная величина,
у которой существует конечное
математическое ожидание, тогда выборочное
среднееявляется несмещенной оценкой генерального
среднегоMξ.
Доказательство:каждоеxiподчиняется тому же распределению, что и случайная величинаξ, поэтому
(*)Mξ=M*xi
справедливы равенства:
М()
= {(1)} =M((1/n)
*Σxi)
= (1/n) *Σ(М(xi))
= (1/n) * ΣMξ= (1/n) *nMξ=Mξ
Интересно, что оценка S2смещенная.
Утверждение!Пустьξ- случайная величина, у которой существует конечное математическое ожидание и дисперсия.
(**) Mξ=a,Dξ=δ2
Каждое xiраспределена, также как и ξ, поэтому
(***)M(xi) =a,D(xi) =δ2.
Мы знаем, что Dξ=M(ξ2) – (Mξ)2=>(***) =>
(+) M(x2i) =Dξ+ (Mξ)2= {(**)} =δ2+a2, аналогично из(***) =>
(++) M(x2i) = δ2 + a2
M(S2)
= {(3)} =
(1/n) * Σ M (x2i)
– M(2)
= {(++)} =
(1/n) * Σ(δ2
+ a2)
– M(
2)
= δ2
+ a2 –
M(
2)
(^) M(S2)
= δ2
+ a2 –
M(2)
Оценим M(2)
D()
= M(
2)
– (M
)2
=>
M(2)
= D(
)
+ (M
)2
= {T1} =
D(
)
+ a2
(^^) M(2)
= D(
)
+ a2
(!)D()
= {(1)} = (1/n2) *ΣD(xi)
= {(***)} = (1/n2) *nδ2=δ2/n, отсюда и(^^) получаем
M(2)
=δ2/n+a2, подставляем в
птичку и находим
(5) M(S2) =δ2–δ2/n= (1 – 1/n) *δ2
Т.к M(S2) ≠δ2, то оценка смещенная
Во многих реальных задачах важно иметь несмещенную оценку, поэтому часто применяют оценку дисперсии:
(6)
(6’)
Легко видеть, чтодействительно не смещенное:
Получили: M()
=δ2, т. е. несмещенная
Другие два важных свойства оценок состоятельность и эффективность.
Определение. Состоятельная оценка - пусть дана случайная величина ξ с законом распределенияFξ(x,θ) иθ*(x1,x2,…xn) оценка параметраθ, построенная по выборке объемаn, она называется состоятельной, если для любогоE> 0 выполняется равенство.
(7)
Физический смысл:какое бы не было маленьким отклонениеEс ростом объема выборки отклонение оценки от неизвестного параметра станет <E.
Понятно, что желательно использовать состоятельную оценку.
Определение.Эффективная оценка - оценка называется эффективной (или самой точной среди несмещенных), если выполняются следующие свойства:
1) θ*- несмещенная
2) для любой несмещенной оценки
выполняется неравенство:M[(
-θ)2] >=M[(θ*-θ)2]
Физический смыслэффективности:
Значение эффективной оценки θ*значительно ближе находится относительно
неизвестного параметра, чем значение
любой другой оценки
.
Понятно, что при прочих равных условиях
надо пользоваться эффективными оценками.
Доказательствосостоятельности оценки “выборочное среднее”.
Мы докажем сначала два вспомогательных утверждения:
Утверждение!(неравенства Маркова)
Пусть дана случайная величина ξ, которая принимает только > значения и Е – некоторое число, тогда справедливо равенство:
(9) P{ξ>E} =Mξ/E
Доказательство: только для непрерывных случайных величин (для дискретных аналогично)
Утверждение!!(неравенство Чебышева)
Пусть дана случайная величина ξ, у которой существуютMξиDξ,и пусть Е - некоторое число тогда справедливо неравенство:
(10) P{/ξ–Mξ/ >E] <=Dξ/E2
Доказательство: введем случайную величину η = (ξ -Mξ)2, тогдаMη=Dξ, очевидно η > 0, значит к ней применимо неравенство Маркова:
(*) P{η>E2} <=Mη/E2= {(*)} =Dξ/E2
P{(ξ-Mξ)2>E2} <=Dξ/E2=>P{/ξ-Mξ/ >E} <=Dξ/E2=>(10)
Пример.Пустьξ-
случайная величина, у которой существуютMξиDξ.
Пусть- выборочное среднее, построенное по
выборке объемаn, тогда
эта оценка является состоятельной для
генерального среднего.
Доказательство:обозначим
(*) Mξ=a,Dξ=δ2
мы знаем, что
(**) M()
=a,D(
)
=δ2/n
Справедливо соотношение для любого Е > 0:
P{/-a/ >E} =
{(**)}=P{/
-M(
)/
>E} = {(10)} =D(
)
/E2= {(**)} =δ2/ (nE2)
Получили вероятность:
0 <= P{/-a/ >E} <=δ2/ (nE2)
Переходя к переделу получим:
P{/
-a/ >E} = 0
что эквивалентно определению (7)с отрицанием