- •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.
1) Параметр a известен
Мы знаем, что:
(*)
см 4.1, где
χn2- распределениеχ2сnстепенями свободы
Проверка гипотезы H0связана с построением доверительного интервала, коротко говоря: если доверительный интервал, построенный для неизвестной дисперсии содержитδ02, то гипотезаH0принимается, иначеH0отвергается в пользуH1при уровне значимостиα;
Подробно эта процедура описывается следующим образом:
Критерий H0противH1при уровне значимостиα:
Если
(1)
то гипотеза H0принимается, в противном случае гипотезаH0отвергается в пользуH1
Выполнение гипотезы H0соответствует случаю, когда
внутри интервала.
Если нарушается левое неравенство в (1), то неизвестная дисперсия существенно меньше δ02, а если правое - больше δ02.
Пример: В лаборатории имеются высокоточные весы. Периодически проверяют их точность. Согласно инструкции их точность, измеряемая дисперсией погрешности должна не превышать 0,04. Для проверки точности эталонный вес, равный 5 мг, взвесили 10 раз на этих весах, и вычислили величину= 0,08. Здесьa= 5 мг. Надо проверить гипотезу о том, что точность весов удовлетворяет стандарту.
Решение: по таблице (очень ≈) находим
χ210; 0,975≈ 0,9 (по умолчанию α = 0,05)
χ210; 0,975≈ 19
Проверим гипотезу по (1):
Мы видим, что левое неравенство нарушилось и гипотеза H0- отвергается, по видимому точность весов не удовлетворяет стандарту. Однако, то что левое значение очень близко к 0,04 говорит о том, что возможно лучше еще раз провести тестовые измерения, увеличив объем выборки и проверить гипотезу заново.
2) Проверка гипотезы о значении дисперсии, когда генеральное среднее а не известно.
По-прежнему проверяется H0противH1,a- неизвестно, уровень значимостиα.
Мы знаем, что
(2)
если выполнена гипотеза H0. (см §4)
Отсюда совершенно аналогично предыдущему случаю получаем критерий: если
то принимается гипотеза H0, в противном случае гипотезаH0отвергается в пользуH1.
Иногда гипотеза формулируется о значении δ, а не δ2:H0= {δ=δ0} противH1= {δ=δ1}
извлекая квадратный корень из (1)и(2)получаем критерий:
(1’)
если это выполняется, то принимается H0в противном случае отвергается в пользуH1.
(2’)
если это выполняется, то принимается H0в противном случаеH0отвергается в пользуH1.
§4 Проверка гипотезы о значении генеральной доли.
Пусть P- неизвестная вероятность успеха или генеральная доля. По выборке объемаnоценивается “выборочная доля” –P*;
(1)P*=k/n.
Надо проверить гипотезу о значении “генеральной доли”:
H0= {P=P0} противH1= {P≠P0}
используя выборку объема n, по аналогии с доверительным интервалом можно записать:
(2)Если выполнена гипотезаH0.
Отсюда совершенно аналогично построение доверительного интервала, проверки H0противH1, при уровне значимостиα.
(3), тоH0– принимаетсяH1- отвергается
Пример:известно, что среди студентов 2-го курса 30% употребляют спиртные напитки чаще, чем 2 раза в неделю. В СибГУТИ среди 100 обследованных двоечников 25 употребляют чаще, чем 2 раза в неделю. Можно ли это отклонение считать случайным?
Решение: сформулируем и проверим статическую гипотезу для ответа.
Здесь P0= 0,3;k/n= 25/100 = 0,25
по таблице находим для уровня значимости α= 0,05:
Проверим гипотезу по (3):
1,1 < 1,96
Значит гипотеза H0принимается, а имеющееся отклонение, по видимому, объясняется случайными величинами.