- •Комбинаторика
- •Комбинаторный принцип умножения
- •Размещения
- •Перестановки
- •Сочетания
- •Размещения с повторениями
- •Алгебра событий
- •Предмет теории вероятностей
- •Классификация событий
- •Действия над событиями
- •Вероятность события
- •Относительная частота события и ее свойства
- •Статистическое определение вероятности
- •Аксиоматическое определение вероятности
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Алгебра вероятностей
- •Условная вероятность
- •Правило умножения вероятностей
- •Независимость двух событий
- •Независимость n событий
- •Правила сложения вероятностей
- •Формулы полной вероятности и Байеса
- •Формула полной вероятности
- •Формула Байеса
- •Схема Бернулли проведения независимых испытаний. Биномиальная вероятность
- •Приближенная формула Пуассона для вычисления биномиальной вероятности
- •Локальная и интегральная формулы Муавра-Лапласа
- •Одномерная случайная величина
- •Определение случайной величины
- •Дискретная случайная величина
- •Числовые характеристики дискретной случайной величины
- •Понятие числовой характеристики случайной величины
- •Математическое ожидание
- •Дисперсия
- •Мода
- •Начальные и центральные моменты
- •Биномиальное, Пуассона, геометрическое распределения
- •Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывная случайная величина
- •Числовые характеристики непрерывной случайной величины
- •Нормальное, показательное, равномерное распределения
- •Нормальное распределение (закон Гаусса)
- •Показательное распределение
- •Равномерное распределение
- •Двумерная случайная величина
- •Двумерная случайная величина, ее функция распределения
- •Дискретная двумерная случайная величина, ее таблица распределения
- •Непрерывная двумерная случайная величина. Плотность вероятности
- •Примеры двумерных непрерывных распределений
- •Равномерное распределение
- •Нормальное распределение
- •Зависимость и независимость двух случайных величин
- •Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
- •Условные законы распределения
- •Числовые характеристики
- •Корреляционные момент и коэффициент корреляции
- •Предельные теоремы
- •Неравенства Маркова и Чебышёва
- •Неравенство А.А. Маркова
- •Неравенство П.Л. Чебышёва
- •Теоремы Чебышёва и Бернулли
- •Центральная предельная теорема для случая одинаково распределенных слагаемых
- •Цепи Маркова. Понятие случайного процесса
- •Введение в математическую статистику
- •Предмет математической статистики
- •Описательная статистика
- •Генеральная совокупность. Выборка. Выбор
- •Вариационный и статистический ряды
- •Выборочная функция распределения
- •Выборочные числовые характеристики
- •Основные оценки
- •Группированный статистический ряд. Гистограмма
- •Группированный статистический ряд
- •Оценивание генеральных числовых характеристик с помощью интервального статистического ряда
- •Гистограмма
- •Точечное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Понятие точечной статистической оценки. Требования к оценкам
- •Свойства выборочного среднего и выборочной дисперсии
- •Свойства
- •Свойства моментов
- •Метод моментов получения оценок параметров генерального распределения
- •Метод максимального правдоподобия получения оценок параметров генерального распределения
- •Интервальное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Доверительный интервал. Точность и надежность оценки
- •Доверительный интервал для математического ожидания нормальной генеральной совокупности
- •Доверительный интервал для среднего квадратического отклонения любой генеральной совокупности при большом объеме выборки
- •Проверка статистических гипотез
- •Виды статистических гипотез
- •Критерий значимости. Общая схема проверки статистических гипотез
- •Ошибки первого и второго рода. Односторонний и двусторонний критерий
- •Ошибки первого и второго рода
- •Односторонний и двусторонний критерии
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей
- •Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •Проверка гипотезы о законе распределения генеральной совокупности
- •Общие вопросы
- •Параметры проверяемого закона полностью известны
- •Параметры проверяемого закона неизвестны
- •Критерий Колмогорова
Глава 12
Проверка статистических гипотез
При проведении статистических исследований возникают различные вопросы о свойствах генерального распределения и выборки. Для ответов на эти вопросы выдвигаются гипотезы, требующие статистической проверки на основе полученной выборки.
Эти гипотезы могут быть выдвинуты непосредственно практикой, а могут возникнуть как дальнейший этап статистических исследований после разведочного анализа, обеспеченного описательной статистикой.
12.1 Виды статистических гипотез
Приведем примеры наиболее важных в практическом отношении гипотез.
1. Гипотеза о равенстве математических ожиданий двух генеральных совокупностей. Она возникает, когда нужно проверить, одинаковы ли средние значения основных
параметров изделий, производимых двумя станками, участками, цехами.
2. Гипотеза о равенстве дисперсий нескольких генеральных совокупностей. Например, следует сравнить точность двух измерительных приборов, разброс значений
контролируемого параметра при массовом производстве продукции на двух участках. 3. Гипотеза о законе распределения генеральной совокупности.
Эта гипотеза может возникнуть на основе теоретических соображений, имеющегося опыта исследований, на основе изучения гистограммы выборки.
4. Гипотеза об однородности выборки, об отсутствии в ней выбросов.
Определение. Статистической гипотезой называется предположение о виде или свойствах генерального или выборочного распределений, которое можно проверить статистическими методами на основе имеющейся выборки.
Определение. Статистическая гипотеза о генеральном распределении называется простой, если она его полностью определяет. В противном случае гипотеза называется сложной.
Как правило, гипотезы о генеральном распределении - сложные.
81
12.2Критерий значимости. Общая схема проверки статистических гипотез
Для проверки любой статистической гипотезы выбирается какой-либо критерий, называемый критерием значимости.
Определение. Критерием значимости называется правило проверки статистической гипотезы.
Выдвинутую гипотезу проверяют на основе имеющейся выборки. Для этого конструируется функция выборочных элементов, называемая статистикой, по величине которой судят о справедливости гипотезы.
Определение. Статистикой критерия значимости называется статистика, по значениям которой судят о справедливости статистической гипотезы.
Часто ее для простоты тоже называют критерием.
Например, для проверки гипотезы о том, что вероятность интересующего нас события A равна p, можно взять статистику
Z = µn − p,
являющуюся отклонением относительной частоты µ/n от вероятности события A.
Если гипотеза верна, то при увеличении n относительная частота будет приближаться к p по вероятности, а следовательно, Z будет сильно отличаться от нуля. В этом примере и в общем случае следует знать закон распределения статистики критерия, чтобы судить, какие ее значения маловероятны, а какие - нет.
В основе большинства критериев значимости лежит следующий простой принцип: если выдвинута гипотеза о том, что событие имеет очень малую вероятность, но в результате одного лишь испытания это событие произошло, то следует подвергнуть сомнению справедливость выдвинутой гипотезы.
События с малой вероятностью α, которой в данной ситуации можно пренебречь, будем называть практически невозможными, а с вероятностью 1 − α, близкой к единице, -
практически достоверными.
Вероятности α и 1 − α абстрактно выбрать нельзя. Их значения диктуются реальной ситуацией. Например, если α - вероятность нераскрытия парашюта или разрушения дорогостоящей плотины паводком, то α должно быть десятичной дробью с большим числом нулей после запятой. Это число обычно стандартизируется мировой практикой.
Определение. Уровнем значимости α называется столь малая вероятность, что событие с такой вероятностью является практически невозможным.
Обычно проверяемая гипотеза обозначается H0, а ей альтернативная - H1 или Ha. Например, если вероятность брака (событие A) равна p, а после усовершенствования технологического процесса ожидается, что она будет меньше, то в качестве H0 можно взять гипотезу: P (A) = p, а в качестве Ha : P (A) < p.
Если сформулированы гипотезы H0 и Ha и выбрана статистика критерия Z, то следует указать еще область Vk маловероятных значений Z, попадание в которую статистики Z заставляют нас отвергнуть H0 и принять Ha.
Определение. Критической областью критерия значимости называется область Vk области V значений статистики Z, вероятность попадания в которую для этой статистики при условии истинности проверяемой гипотезы H0 равна уровню значимости α:
P (Z Vk/H0) = α.
82