![](/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.
§3 Методы построения точечных оценок параметров.
Метод моментов
Рассматривается следующая задача: дана случайная величина ξ с законом распределения Fξ(x,θ1,θ2,…,θk), причем
θ1,θ2,…,θk- параметры не известные заранее. Дана выборкаx1,x2,…,xnобъемаnи надо построить оценки неизвестных параметров по этой выборке.
мы рассмотрим сначала так называемый метод моментов построения оценок неизвестных параметров.
1 шаг: выписываем к моментов μ1,μ2,… μn
2 шаг: выписываем соответствующие им выборочные моменты определяемые равенством
(1)
(2)
3 шаг:составляем систему уравнений μi=miи решаем ее относительно неизвестных параметров
Замечание!Иногда удачно вместо моментов μi,mi использоватьαi,ai.
Замечание!!Если на третьем шаге получилась неразрешимая система, то на первом шаге надо добавить новые моменты.
Пример:на потоке неизвестное количество студентов для преподавателя. Он подсчитал, что на 1-ую лекцию пришло 70 студентов на 2-ую -68, на 3-ую – 71, на 4 – 69, на 5-ую - 72. Он по этим данным оценил количество студентов.
Определим и мы это предположение:
1) число студентов - const
2) каждый студент ходит независимо от других, причем вероятность прийти на лекцию одна и та же.
Решение:Сначала решим эту задачу в общем виде, а потом подставим наши конкретные данные.
При сделанных нами предположениях число студентов, пришедших на лекцию случайная величина ξ - подчиняющейся биномиальному распределению с неизвестными параметрами NиP, гдеN- число студентов, которой надо оценить, аP- вероятность прийти на лекцию одного студента.
1шаг
Используем метод моментов
k= 2 <-> (NиP)
мы знаем, что для биномиального распределения
μ1= μξ=Np
в соотвествии с замечанием мы используем второй момент α2
α2=Dξ=Np(1 –P)
первый шаг закончен
2шаг
m1 =
{(1)}=
3шаг
составляем систему уравнений
Np=
Np(1 –P) =S2
второе разделим на первое и получим
P*= 1 –S2
/
из первого уравнения находим:
N*=
/P*
оценим по нашим данным число студентов.
Найдем
:
= 1/5 * (70 + 68 + 71 + 69 + 72) = 70
S2= 1/ 5 * ((70 – 70)2+ 22+ 12+ 12+ 22) = 10/5 = 2
По формуле (3)находим
P*= 1 –S2/
= 1 – 2 / 70 = 68 / 70 = 34 / 55
N*= 70 / (34 / 35) = (35 * 70) / 34 ≈ 72,06
значит на потоке 72 студента приблизительно.
Найдем методом моментов оценки параметров нескольких важнейших распределений.
Экспоненциальное распределение. Один неизвестный параметр – μ
к = 1
1шаг μ1=Mξ= 1 /μ
2шаг m1=
3шаг 1/μ =
=>
(4) μ*= 1/x
* - означает оценку соответствующего параметра
Метод максимального подобия построения оценок.
Дана случайная величина ξ с Fξ(x,Q1,…,Q2) дана выборка и необходимо построить оценки неизвестных параметровQ*1,Q*2,…,Q*k.
Для описания метода определим функция правдоподобия.
Определение.Пусть ξ - непрерывная случайная величина с плотностью распределенияPξ(x,Q1,…,Q2).
Функция правдоподобия Г определяется равенством:
(5)
Для дискретной случайной величины с рядом распределения Pξ(x,Q1,…,Q2) аналогично:
(6)
Определим логарифмическую функцию правдоподобия:
(7)
Перейдем к описанию метода:
1шаг:записываем функцию правдоподобия γ для следующей величины ξ и затем логарифмируем функцию правдоподобия
2шаг:находим производные
3шаг:находим значенияθ*1, …θ*k, дающие максимум функцииL, решая систему:
(8)
Замечание!
Таким образом, суть метода максимального подобия - взять за оценки такие θ*1, …θ*k, которые дают максимум функции правдоподобия Г. Обычно это удобно делать
при помощи введения функции Lи решения системы(8). Но иногда находят максимум непосредственно по функции Г, используя численные методы.