![](/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.
§5 Проверка гипотеза о достоверности различий средних значений.
Во многих практических ситуациях возникает задача определения (сравнения) характеристики двух генеральных совокупностей, для решения которых используются выборочные данные.
Например:Пусть оказалось, что средний рост 100 студентов в Новосибирске 180 см, а в Норильске - 177 можно ли это объяснить случайными причинами или нет.
Задачи такого типа называются: “проверка гипотез о достоверности разности средних”
1. Проверка гипотезы о различии средних значений двух случайных величинξиηв случае, когда дисперсииξиηизвестны. Точнее даны две случайные величины, подчиняющееся нормальному распределению. ДисперсияDξ =δx2,Dη=δy2а генеральное среднееaxиay- не известны.
Надо проверить гипотезу.
H0= {ax=ay} противH1= {ax≠ay}
при этом имеется две выборки
x1,x2, … ,xn- значение случайной величиныξиy1,y2, …,ym - значение случайной величиныη.
Утверждение 1. Случайная величина:
(*)
приближенно подчиняется стандартному нормальному распределению
Из рисунка видно, что вероятность:
(**)
Из (*)и(**)получаем критерий:
если,
то гипотезаH0= {ax=ay}
принимается.
Если (1)не выполняется, то гипотезаH0отвергается в пользуH1.
Здесь α- уровень значимости критерия.
2Проверка гипотезы о равенстве генеральных средних в случае, когда дисперсии не известны.
Даны две случайные величины ξиη, генеральные средние у нихaxиay, генеральные дисперсииδx2иδy2. Все характеристики неизвестны. Надо проверитьH0 противH1.
Критерий основан на следующем факте:
Утвеждение!Случайная величина
(2)приближенно
подчиняется распределению Стьюдента
с (n+m- 2)
степенями свободы, при растущихmиn:ξ~tn + m
- 2
Совершенно аналогично предыдущему случаю получаем критерий:
(3) если
то гипотеза H0= {ax=ay} принимаются, иначеH0отвергается в пользуH1.
Здесь
- выборочное среднее
α - уровень значимости
- квантиль распределения Стьюдента.
- выборочные дисперсии случайных величинξиη
Задача:При статистическом обследовании 100 случайно выбранных студентов 2-го курса в городе их рост ≈ 180 см, а при обследовании 70 студентов из Норильска их рост ≈ 177 см, по выборочным данным также посчитали, что:
проверить по этим данным: можно ли считать различие в росте случайным.
Решение:
сформулируем H0= {ax=ay} против альтернативыH1= {ax≠ay}.
Возьмем α = 0,05 и используем критерий (3):
4,6 > 1,97
Следовательно, различия нельзя считать случайными, и они вызваны некоторым факторами.
Замечание (о распределении Стьюдента):
Мы знаем, что распределение Стьюдента асимптотически -> к стандартному нормальному при увеличении n, поэтому при большомn, в таблицах смотреть про нормальное стандартное распределение.
§6 Критерий к. Пирсона. Хи-квадрат для проверки гипотез о законе распределения.
Во многих ситуациях необходимо проверять гипотезы не о значениях распределения, а о законе распределения в целом, для этого и используется критерий хи-квадрат. Перейдем к точной постановке:
дана некоторая случайная величина ξ, закон распределения которой точно не известен и выборка x1,x2…xn, состоящая изnнезависимых реализаций этой случайной величины. Необходимо проверить гипотезуH0= {ξподчиняется распределению сF(x,θ1,θ2, …,θk},
где θ1,θ2, …,θkнеизвестные параметры, против альтернативной гипотезы
H1= {ξне подчиняется распределению сF(x,θ1,θ2, …,θk}
К. Пирсон предложил статистический критерий для проверки H0противH1.
1) шаг(может отсутствовать) оцениваем методом maxправдоподобия неизвестные параметрыθ1,θ2, …,θk, и полученные оценки обозначимθ1*,θ2*, …,θk*
2) шаг разбиваем область значений параметра на Rинтервалов следующим образом:
y0 = -∞yr= ∞ Интервалы [y0,y1], (y1,y2] … (yr – 1,yr] должны не пересекаться и должны содержать всю область возможных значенийξ
3) шаг: вычисляем так называемые теоретические вероятности
(1) Pi=P{ξє (yi – 1,yi]} вероятность того, что случайная величина попала вi-ый интервал.
для неправильных случайных величин можно использовать равенство:
(2) Pi=F(yi,θ1*,θ2*, …,θk*) -F(yi - 1,θ1*,θ2*, …,θk*)F(B) –F(A)
4) шаг: (укрупнение частот) Проверяем для вычислимых теоретических вероятностей:
(3)nPi>= 5
Если при каком-то i(3)не выполняется, то этот класс присоединяется к одному из последних, и соответствующий интервал (yi – 1,yi] объединяется с соответствующим соседним.
5) шаг:
- вычисляем эмпирические частотыследующим образом:
(4)ν = {число элементов в выборке попавших в интервал (yi – 1,yi]}
6)шаг: вычисляем
(5)и
проверяем гипотезу:
если, x2<χ2r – k – 1; 1 -α, то принимается гипотезаH0, иначеH0отвергается в пользуH1.
Здесь χ2r – k – 1; 1 -α- квантиль распределения хи-квадрат с (r–k– 1) числом степеней свободы.
α- уровень значимости критерия
Данный критерий основывается на следующем:
Теорема:величинаx2, вычисленная по(5)ассимтотически, при большихn, подчиняется распределениюχ2с (r–k– 1) степенями свободы (без доказательства).
На этой теореме основан критерий.
Если гипотеза H0не выполнена то, хотя бы при некоторыхi,νiдолжно сильно отличаться отnPi, и величинаx2 будет принимать большое значение:
Если H0выполнена, тоM(νi) =nPiи величинаx2 должна быть относительно не большой, т.е еслиx2 в(5)принимает относительно небольшие значения, то надо приниматьH0, в противном случае, когдаx2принимает большие значения,H0отклоняется, это и показано на рисунке.
Замечание!(5)и число классов подсчитываются после укрупнения интервалов на четвертом шаге.
Замечание!!В некоторых учебниках вместо(3)приводят неравенствоn*pi> 3 и т. п.
Пример:В комнате общежития живут четыре студента. Они решили проводить уборку по жребию, причем жеребьевку всегда проводил студент после 40 - жеребьевок студент подсчитал чтоA– 2 р. Б – 12р. В – 16р. Г – 10р.
Надо проверить по этим данным, что жеребьевка проводилась честно.
Сформулируем гипотезу точно:
H0 = {PA=PБ=PВ =PГ= ¼}, где
PS-
вероятность дежурства студентаS,
противH1=.
Выборка из 40 элементов
Даны четыре класса (шаг 1 отстутсвует)
Третий шаг:-PA= ¼ =PБ=PВ =PГ
Четвертый шаг- проверим неравенство(3):
P*Pi= 40 * ¼ = 10 > 5
укрупнять интервалы не требуется.
Пятый шаг- дано, чтоνА= 2,νБ=12,νВ= 16, νГ= 10
Шестой шаг- вычисляемx2
Так как этот вопрос связан с честью студента, то мы берем высокий уровень значимости 0,01.
χ24 – 0 – 1; 0,99 ≈ 7,815, т.к
10,4 >> 7,815 Мы отвергаем гипотезу, что жеребьевка проводилась честно.