- •Часть II Математическая статистика введение
- •§ 1. Задачи статистики. Понятие выборки
- •§ 2. Первичная обработка данных. Способы задания выборки. Эмпирический закон распределения
- •0, 1, 1, 0, 1, 0, 0, 1, 1, 0, 1, 0, 1, 1, 0, 1.
- •§ 3. Точечные оценки
- •3.1Определение оценки и ее качество
- •3.2 Оценки моментов
- •3.3 Оценка функции распределения (эмпирическая функция распределения)
- •3.4 Оценка плотности распределения (гистограмма)
- •§ 4. Точечные оценки параметров распределения
- •4.1 Метод моментов
- •4.2 Метод максимального (наибольшего) правдоподобия
- •§ 5. Понятие интервальной оценки
- •5.1 Основные понятия
- •5.2 Доверительные интервалы для параметров нормального распределения
- •5.2.1Интервальные оценки для математического ожидания при известной дисперсии
- •5.2.2 Интервальные оценки математического ожидания при неизвестной дисперсии
- •5.2.3 Интервальные оценки дисперсии (среднеквадратического отклонения) при известном математическом ожидании
- •5.2.4 Интервальные оценки дисперсии (среднеквдратического отклонения) при неизвестном математическом ожидании
- •§ 6. Проверка статистических гипотез
- •6.1 Основные понятия
- •6.2 Гипотезы о математическом ожидании нормально распределенной генеральной случайной величины
- •6.3 Критерии согласия для предполагаемого закона распределения
- •6.3.1 Критерий согласия (критерий Пирсона)
- •6.3.2 Критерий Колмогорова
3.3 Оценка функции распределения (эмпирическая функция распределения)
Оценкой функции
распределения генеральной случайной
величины Х
служит функция распределения выборочной
случайной величины ![]()
![]()
Часто индексы опускаются. Используем построение функции распределения дискретной случайной величины:

Удобно ввести
функцию
число
членов выборки
меньших х.
Тогда
![]()
Оценку функции распределения генеральной случайной величины называют еще эмпирической функцией распределения.
Пример 1. По данным выборки 2, 0, -1, 1, 2, 1, 5 построить эмпирическую функцию распределения.
Построим вариационный ряд:
-1, 0, 1, 1, 2, 2, 5.
Число членов
выборки
Запишем закон распределения выборочной
случайной величины:
-

-1
0
1
2
5





Построим функцию
распределения случайной величины
![]()

Запишем эмпирическую функцию распределения:

Пример 2. По данным выборки построить эмпирическую функцию распределения:
-

3
8
10

20
30
50
Объем выборки ![]()
Запишем закон распределения выборочной случайной величины:
-

3
8
10
0,2
0,3
0,5
Построим функцию распределения:

3.4 Оценка плотности распределения (гистограмма)
В тех случаях, когда объем выборки велик и достаточно много выборочных значений мало отличающихся друг от друга, возникает предположение о непрерывности распределения генеральной случайной величины. Наблюдатель изначально может знать, является ли генеральная случайная величина непрерывной. В этих случаях строится аналог функции плотности распределения.
Будем считать, что
задан интервальный вариационный ряд
(§ 2 Пособия). Над каждым промежутком
строится прямоугольник высоты
где
число
членов выборки, попавших в i-ый
промежуток,
длина
i-го
промежутка, п
– объем выборки. Площадь прямоугольника
над i-м
промежутком является оценкой вероятности
попадания генеральной случайной величины
в i-ый
промежуток. Гистограммой
называется объединение построенных
прямоугольников. При этом объединение
площадей построенных прямоугольников
приближенно является подграфиком
плотности распределения. Значит, верхняя
часть контура гистограммы дает
приблизительное представление о графике
плотности распределения генеральной
случайной величины.
По виду гистограммы выдвигаются предположения о виде распределения генеральной случайной величины.
Пример 3. Задан интервальный вариационный ряд:
-
Интервалы




Частоты

10
20
25
15
Построить гистограмму.
Определим объем
выборки: ![]()
Вычислим значения высот прямоугольников:

Построим гистограмму:

§ 4. Точечные оценки параметров распределения
Задана выборка
некоторой генеральной случайной величины
Х.
Известен вид закона распределения
генеральной случайной величины Х,
но неизвестны некоторые параметры
распределения. Требуется найти точечные
оценки неизвестных параметров. С этой
целью рассмотрим метод моментов и метод
максимального правдоподобия.
