- •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 Проверка гипотез о значении генеральной средней нормально распределенных случайных величин.
В этом § мы будем рассматривать следующую задачу: дана случайная величина ξ с законом распределения N(a,δ), т.к.Mξ=a, тоaназывается генеральное среднее. Дано некоторое конкретное числоa0и требуется проверить гипотезуH0= {a=a0} против альтернативной гипотезыH1= {a≠a0}.
Мы рассматриваем 2 случая:
1) δ- известно
2) δ- неизвестно
В первом случае гипотеза H0- простая, а во втором - сложная.
1) Построение критерия для проверки h0 против h1 при известном δ
Мы знаем, что случайная величина:
(1)подчиняется стандартному нормальному распределению.
Если гипотеза H0выполнена, то:
(1)
В §3.2 было доказано, что
(2)
Или отсюда:
(3)
Из (3)мы сразу получаем статистический критерий для проверкиH0противH1:
(4)Еслито принимаемH0, в противном случае гипотезуH0отвергаем в пользуH1.
Из этого критерия мы видим, что если выборочное среднее близко кa0, то естественно, что гипотезаH0правдоподобна, если жесильно отклоняется отH0, то естественно, чтоH0малоправдоподобная.
Из (2)=>, что уровень значимости критерия равен α, т.к. вероятность
Здесь, как и раньше - квантиль нормального распределения.
Пример.
Из многолетних наблюдений известно, что рост выпускника школы ≈ 181,3 см (N(a,δ)), а δ = 8 см. При медицинском обследовании группы старшеклассников из 20 человек, употребляющих алкоголь с 12 лет, оказалось, что их рост ≈ 195 см. Надо проверить по этим данным гипотезу об отсутствии влияния употребления алкоголя на рост.
Сформулируем более точно: H0 = {a= 181,3},H1= {a≠ 181,3}
(поясним:что если взять любую группу из 20 человек, то рост обязательно будет отличаться от 181,3 и надо понять является ли это отклонение случайным или нет)
Решение:зафиксируем уровень значимости 0,05, найдем по таблице:U0,975≈ 1,96, используем(4):
делаем вывод, что употребление алкоголя влияет (с 12 лет).
2) Построение критерия для проверки гипотезы h0 против h1, при δ - не известном.
В §2.3 было приведено утверждение:(распределение Стьюдента). Отсюда аналогично предыдущему случаю получаем критерий для проверки гипотезыH0противH1,a≠a0, при уровне значимостиα.
(5)Если, то гипотезаH0принимается, в противном случае – отвергается,
где - квантиль распределения Стьюдента с (n- 1) степенью свободы порядка
Пример: при традиционном откорме через три недели поросенок весит 23,2 кг. Для проверки новой схемы откорма, по которой откармливаем случайно отобранные 10 поросят и через три недели определили вес каждого, по этим данным определилиx= 25,= 0.8;
надо проверить критерий, влияние новой схемы на вес.
H0= {a= 23,2},H1= {a≠ 23,2}, т.е.
мы предполагаем, что влияние новой схемы отсутствует - это H0, аH1- влияние имеется.
По таблице находим: t9; 0,975≈ 2,3. Подставляем в(5):
т.к. 6,9 > 2,3, то
гипотеза H0отвергается в пользуH1и можно сделать вывод о преимуществе новой схемы откорма.
§3
В этом параграфе мы рассмотрим сначала задачу проверки гипотезы:
H0= {δ2=δ02}
против альтернативной гипотезы:
H0= {δ2≠δ02}
δ2- дисперсия неизвестная
δ02- конкретное число
Мы будем считать, что случайная величина подчиняется нормальному распределению:
мы рассмотрим два случая: генеральное среднее, или параметр а нормального распределения, известно; не известно.