
- •Сводный курс. Часть 4. Теория вероятностей и математическая статистика
- •19.2.Вероятность случайного события
- •19.3.Основные вероятностные схемы (теоремы)
- •19.3.3. Полная вероятность и формула Бейеса
- •19.3.4.Схема повторных независимых испытаний
- •19.3.4.1.Формулы Бернулли и Пуассона
- •19.3.4.2.Локальная и интегральная теоремы Лапласа
- •20.2. Законы распределения случайных величин.
- •20.3.Числовые характеристики случайных величин.
- •20.4.Типовые распределения.
- •20.4.3.Многомерные случайные величины.
- •20..5.Законы больших чисел.
- •21.2. Обработка статистических данных
- •21.3. Статистические распределения
- •21.7. Точечные оценки числовых характеристик генеральной
- •21.9. Проверка статистических гипотез
- •21.10. Типовые примеры оценки гипотез.
- •21.10.2. Проверка гипотезы о равенстве двух математических ожиданий двух нормально распределенных СВ, дисперсии которых известны для больших независимых выборок .(стр213).
- •21.10.3.Проверка гипотезы о равенстве двух математических ожиданий двух нормально распределенных СВ, дисперсии которых НЕизвестны и равны. (стр215).
- •21.10.4. Проверка гипотезы о равенстве среднего выборочного и гипотетического генерального среднего для нормально распределенной СВ.

37
неизвестного (оцениваемого) параметра Q записываем M(X)= ∞∫xf (x,Q)dx =ф(Q).
−∞
Теперь решают уравнение хв=ф(Q) относительно Q и находят точечную оценку. Пример 21.3. По выборке {xi} методом моментов найдите для параметра λ , т.к. предполагается, что генеральная распределена по показательному
закону.
Решение. Т.к. M(X)==ф( λ) = |
1 |
= хв , то λ= |
1 |
. |
|
|
|
|
|
|
|
|
|
||
λ |
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
х |
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
в |
|
|
|
|
|
|
|
|
|
|
По аналогичной схеме строят оценки двух параметров для плотности |
|||||||||||||||
вероятности f(x,Q1,Q2). Только в этом случае решают систему |
М(Х)= хв , |
|
|
||||||||||||
|
|
|
|
|
|
|
|
|
|
D(X)= Dв . |
|
|
|||
Немного о методе наибольшего правдоподобия. Пусть Х – непрерывная |
|||||||||||||||
СВ, которая приняла значения (для которой получена статистика) |
х1, х2, … |
||||||||||||||
Известно, что Х подчиняется некоторому закону с параметром Q. Требуется |
|||||||||||||||
найти оценку для параметра Q. |
Пусть f(x,Q) - |
|
плотность вероятности |
||||||||||||
распределения Х (известный типовой закон с неизвестным параметром Q). |
|||||||||||||||
Составим функцию L(х1, х2, …, хn,Q)= f(х1,Q) f(х2,Q) f(х3,Q)… f(хn,Q) |
и назовем |
||||||||||||||
ее функцией правдоподобия аргумента Q. Следуя Фишеру, оценкой Q* |
для |
||||||||||||||
Q будет то значение Q , при котором L имеет максимум. Построенную таким |
|||||||||||||||
приемом оценку называют оценкой наибольшего правдоподобия. |
|
|
|
|
|
||||||||||
В работе наряду с функцией |
L используют логарифмическую функцию |
||||||||||||||
правдоподобия LnL. В этом случае алгоритм работы такой: |
|
|
d 2 LnL |
|
|||||||||||
находят |
dLnL |
; решают уравнение правдоподобия |
dLnL |
=0; |
находят |
|
и, |
||||||||
dQ |
dQ |
|
dQ |
2 |
|
||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
||||
если вторая производная отрицательна, то значение |
аргумента Q* |
- точка |
максимума и в то же время оценка для Q.
Достоинства такой оценки : оценка состоятельна (однако может иметь смещение); оценка сама распределена нормально асимптотически ( а при больших объемах выборки приближенно нормальна); такая оценка имеет наименьшую дисперсию по сравнению с другими оценками; если для Q найдена (существует) эффективная оценка , то уравнение правдоподобия имеет
единственное решение; |
сам метод полностью использует выборку и хорош при |
малых ее объмах. |
|
В то же время |
недостатком оценки наибольшего правдоподобия |
является большой объем вычислительной работы.
Комментарий. Если Х – дискретная СВ, то вместо плотности используют просто p(x,Q).
Если оцениваемых параметров много, то приходится решать систему уравнений.
21.7. Точечные оценки числовых характеристик генеральной
Пусть сделана выборка объема n. Так как объем генеральной неограничен, то в качестве истинного значения измеряемого признака Х естественно взять математическое ожидание М(Х), которое также неизвестно и потому в качестве
37

38
оценки истинного значения измеряемого признака Х принято брать среднее выборочное хв. Можно показать, что такая точечная оценка является несмещенной, а также справедливо, что xв →Хг при n → ∞ т.е.она и
состоятельна. Она и эффективна, |
т.к. D(хb )= |
D |
, где D=D(Х) – дисперсия в |
||||
n |
|||||||
опыте. |
|
|
|
|
|
||
|
|
|
|
|
|
||
Пример 21.4. Из генеральной извлечена выборка |
хi 2 5 7 10 |
||||||
объема n=50.Найти оценку генеральной средней |
|
ni 16 12 8 14 |
|||||
Решение.Хг=хв=5,76. |
∑ni (xi |
|
|
|
|
||
Известно , что Dв= |
− xв)2 |
|
что М(Dв) ≠Dг. Это |
||||
|
n |
. Оказывается, |
|||||
|
|
|
|
|
|
означает, что Dв можно взять в качестве оценки для Dг , но такая оценка |
|||||||||
окажется смещенной. Вводят величину S2. Называют ее исправленной |
|||||||||
выборочной диспресией и подсчитывают ее по формуле |
|||||||||
2 |
= |
n |
Dв= |
n∑n(xi − xв )2 |
= |
∑ni (xi − xв )2 |
. |
||
S |
|
|
|
|
|||||
n −1 |
n −1 |
n −1 |
|||||||
|
|
|
|
|
Полученная формула справедлива при n<30. Если же n>30, то n/(n-1)стремится к 1 и тогда S2=Dв=Dг. Доказано, что S2- эффективная и состоятельная оценка генеральной дисперсии. Множитель n/(n-1) устраняет возможное смещение .
Пример 21.5. к методу правдоподобия.(Герасимович, стр 173).
Имеется выборка {хi} i=1, …,n признака Х(генеральной), распределен-
ного по Пуассону Р(Х=к)= |
λке |
−λ |
. Требуется построить точечную оценку для |
|||||||||||||||||||
|
к! |
|
||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
параметра λ . Запишем функцию правдоподобия |
|
|
||||||||||||||||||||
L= |
λ х1 е −λ |
|
λ х2 е |
−λ |
λ х3 е −λ |
|
|
|
λ хn е −λ |
|
λ ∑ хi е −λ n |
|
||||||||||
|
* |
|
|
|
|
* |
|
|
|
|
*…* |
|
|
|
= |
|
|
|
|
. Теперь найдем |
||
х ! |
|
х |
! |
|
х |
! |
|
|
х |
! |
|
х ! |
х |
!... х |
! |
|||||||
|
1 |
|
2 |
|
|
|
3 |
|
|
|
|
|
n |
|
|
|
1 |
2 |
n |
|
|
|
lnL=-n λ |
+ ∑xi |
ln λ - ∑xi |
i. |
|
|
Запишем необходимые условия существования |
||||||||||||||||
экстремума |
|
d ln L |
=-n+ ∑xi |
1 |
. Откуда λ = |
∑xi |
= хв . |
|
|
|||||||||||||
|
dλ |
|
λ |
|
n |
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Пример 21.6. Имеется выборка {хi} i=1, …,n признака Х(генеральной), распределенного показательно. Оценить параметры распределения.
Решение. Т.к. закон известен f(x)=Qe-Qx и содержит один параметр Q, то
записываем |
|
функцию |
правдоподобия |
L=Qe−Qx1 * Qe−Qx2 … |
Qe−Qxn =Qn e−Q ∑ xi . |
|||||||||||||||
Поэтому lnL=nlnQ-Q ∑xi . |
|
|
Далее |
|
необходимое |
условие |
|
существования |
||||||||||||
|
|
d ln L |
|
n |
|
|
|
|
|
|
|
|
|
n |
1 |
|
||||
экстремума |
|
|
= |
|
- ∑xi =0. Откуда оценка равна Q= |
|
|
= |
|
. |
||||||||||
|
dQ |
Q |
∑xi |
|
xв |
|||||||||||||||
Пример 21.7. Имеется выборка для нормально распределенной величины |
||||||||||||||||||||
Х. Установить точечные оценки параметров распределения. |
|
|
|
|
||||||||||||||||
Решение. Имеем нормальное распределение f(x,a,σ ). |
Для него составим |
|||||||||||||||||||
функцию |
L= (σ |
1 |
|
(− |
∑( xi |
−a)2 |
|
|
|
|
|
|
|
|
|
|
||||
|
|
|
. |
Необходимое |
условие |
|
существования |
|||||||||||||
2 π )n |
e |
2σ |
2 |
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
38

|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
39 |
||
экстремума |
приводит |
сначала |
|
к |
lnL=-nln(σ 2π )- ∑ |
(xi − a)2 |
, а затем к |
||||||||||||
|
2 |
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2σ |
|
|
|
|
d ln L |
= ∑ |
(xi − |
a)2 |
и |
d ln L |
=- |
n |
+ |
1 |
|
∑(xi − a)3 . Откуда получаем оценки : для а – |
|||||||
|
|
|
|
|
|
|
|
||||||||||||
|
da |
σ |
2 |
dσ |
σ |
3 |
|||||||||||||
|
|
|
|||||||||||||||||
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|||||||
оценкой служит величина ∑ |
xi |
|
и для |
σ оценкой служит величина ∑ |
(xi − a)2 |
. |
|||||||||||||
n |
|
||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
n |
2.8. Интервальные оценки параметров распределения Определение. Оценка, определяемая двумя числами – концами интервала,
накрывающего искомый (оцениваемый) параметр с заданной надежностью (вероятностью), называют интервальной .
Пусть оценивается некоторый параметр Q – величина неизвестная, но неслучайная. Пусть некоторым методом получена несмещенная точечная оценка Q*. Естественное желание оценить возможную ошибку при замене величины Q величиной Q*. Ясно также, что Q* тем лучше, чем меньше величина Q −Q* . Если потребовать, чтобы Q −Q* <δ , то δ называют
точность оценки .
Обычно в статистике говорят не о точности оценки, а о вероятности выполнения неравенства Q −Q* <δ . Эту вероятность называют доверительной вероятностью (надежностью оценки) , с которой выполняется указанное неравенство. Ее обозначают γ =Р( Q −Q* <δ ) и рассматривают это равенство. Ес-
тественно, при раскрытии неравенства получают интервал Q*-δ < Q <Q*+δ . Фактически этот интервал и есть интервальная оценка, найденная с требуемой доверительной вероятностью (надежностью).
Следует отметить. Что построенный интервал (интервальная оценка) является подвижным, в то время как оцениваемый параметр остается неподвижным (аналогом может служить бабочка, пойманная непрозрачным сачком – она поймана сачком, но ее нет еще в руках). Эта ситуация противоположна задаче, которая была решена ранее, когда мы находили P(a<X<b) - вероятность попадания значения случайной величины Х в фиксированный интервал (а;в) , когда подвижным является возможное значение величины Х.
Иногда дают другое толкование доверительного интервала (интервальной оценки) – это интервал значений параметра Q, совместимый с данными эксперимента и не противоречащий им .
В статистике рассматривают различные доверительные интервалы (интервальные оценки параметров). Метод построения доверительных интервалов разработан Ю. Нейманом на основании идей Р.Фишера.
Рассмотрим некоторые типовые доверительные интервалы (интервальные оценки).
А. Доверительный интервал для оценки параметра а нормального распределения при известном среднеквадратическом отклонении σ .
На основании выборки найдено хв . Естественно, что оно меняется от выборки к выборке, т.е. само является случайной величиной. При этом
39

40
меняются и варианты. Каждую из них можно рассматривать как реализацию одинаково распределенных случайных величин, имеющих одно и то же математическое ожидание М(Хi)=a (которое и нужно оценить, т.к. оно неизвестно) и одно для всех среднеквадратическое отклонение σ, которое по условию известно.
Полагаем доказанным, что, если СВ распределена нормально, то выборочная средняя, найденная в независимых испытаниях, также распределена нормально. В этом случае среднеквадратическое σ (хв) выборочного среднего и среднеквадратическое σ каждого экспериментального
связаны соотношением σ (хв)= σn , где n - объем выборки. Для математических
ожиданий имеем М(хв)=а. Потребуем гарантий, что γ =Р( хв −а <δ ) (потребуем, чтобы доверительная вероятность была равна γ ). Т.к. предполагаемое
δ σ
распределение гарантировано нормальное, то имеем γ =2Ф( σ ). Но σ (хв)= n , а
точечной оценкой среднего генерального является среднее выборочное хв.
Поэтому получаем Р( |
|
хв −а |
|
<δ )=2Ф( δ |
n ). Или иначе |
|
|
|
||||||||||||
|
|
|
|
|
||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2Ф(t)= γ . Из последнего равенства найдем t |
по таблице функции нормального |
|||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|||
распределения Ф(t)= |
|
|
|
1 |
|
|
∫t e− |
x |
dx . После чего строим доверительный интервал |
|||||||||||
σ |
|
|
2 |
|||||||||||||||||
|
|
|
|
|
|
2π 0 |
|
|
|
|
(хв−t σ |
|
||||||||
для |
математического |
|
ожидания |
а |
нормального |
распределения |
; |
|||||||||||||
|
σ ). При этом точность такой оценки равна δ =t |
σ . |
n |
|
||||||||||||||||
хв+t |
|
|
||||||||||||||||||
|
n |
|
|
|
σ |
|
|
|
|
|
|
|
|
n |
|
|
||||
|
Оценка |
|
хв −а |
|
<t |
- классическая. |
|
|
|
|
||||||||||
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
n |
|
|
|
|
|
|
|
|
|
|
|
Примечания. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
|
1. При n → ∞ δ убывает и потому точность оценки растет. |
|
|
|||||||||||||||||
|
2. Увеличение |
|
|
|
надежности |
оценкиγ |
ведет к увеличению δ |
, т.е. |
к |
|||||||||||
снижению точности и наоборот . |
|
|
|
|
|
|
||||||||||||||
|
Из решения этой задачи получаем попутно указание об объеме выборки, |
|||||||||||||||||||
которая с заданной надежностью |
γ обеспечивает оценку для а с точностью δ . |
|||||||||||||||||||
Этот объем определяется по формуле n=t2б2/δ 2. |
|
|
|
|||||||||||||||||
|
Пример 21.9. По выборке 100 ламп найдено среднее время горения 1000 |
часов. Требуется с надежностью 0,95 найти интервал для времени горения ламп. Если σ =40 часов.
Решение. Интервал равен 999<a<1007.
Б.Доверительный интервал для оценки σ нормального распределения. (или что то же самое - для дисперсии σ 2).
Пусть признак Х(генеральная) распределен нормально. Полагаем, что получена точечная оценка для σ , равная s. Требуется получить интервальную
40

|
|
|
|
|
|
|
41 |
||||
оценку(доверительный интервал) для |
σ с |
надежностью (доверительной |
|||||||||
вероятностью) γ . |
|
|
|
|
|
|
≤ δ )= γ . Преобразуем |
||||
Потребуем |
выполнения соотношения |
P( |
|
σ−s |
|
||||||
|
|
||||||||||
неравенство |
|
б−s |
|
|
≤ δ к виду s-δ < б<s+δ |
и далее s(1-δ /s)< б<s(1+δ /s). |
|||||
|
|
||||||||||
Положим δ /s=q |
и по таблице q( γ ,n) |
распределения х найдем q. Получим |
интервальную оценку для б нормального распределения. Величина s2(n-1)/б2 распределена по закону χ 2 (хиквадрат) с n-1 степенями свободы и потому ее
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χ n−2 е− |
х2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
плотность распределения R( |
χ ,n) = |
|
2 |
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||
2 |
( n−3) Г(n −1) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
χ 2 |
с k=n-1 степенями |
|||||||||
|
|
В самом деле, если Х распределена по закону |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
х |
k |
|
−1е |
− |
x |
|
|
|||
свободы, то ее плотность распределения равна F(х)= |
2 |
|
2 |
|
(согласно разделу |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
2 |
|
k |
|
Г( |
k |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
) |
|
|
||||
«Нормальное распределение и распределение χ 2). |
|
2 |
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Т.к. |
|
|
|
|
k=n-1,то |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
х |
|
n−3 |
е |
|
− |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||
f(x)= |
|
|
2 |
|
|
2 |
|
|
|
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
n−1 |
|
n −1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||
2 |
2 |
|
|
Г |
( |
|
|
|
|
|
|
) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
[φ |
|
|
] |
|
|
φ |
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||||
|
|
Воспользуемся |
формулой |
g(y)=f |
|
|
|
|
|
|
|
|
|
для |
функции |
одного |
||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
( у) |
|
|
|
'( у) |
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||
случайного аргумента для отыскания х=ф(Х)= |
|
Х |
(х>0).Отсюда следует, что |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||
х=ф( χ )= χ 2, ф ( χ )=2 χ . И т.к. |
χ >0, то |
|
|
ф'( χ ) |
|
>0,т.к. она равна 2 χ . Поэтому |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
( χ 2 ) |
n−3 |
е− |
x2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
g( χ )=f( φ( χ ) ) |
|
φ '( χ ) |
|
= |
2 |
|
|
2 |
|
|
. Заменив g( χ ) |
на R( χ |
,n) получим то , что |
|||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
2 |
n−1 |
Г( |
n −1 |
) |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
писали. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
Распределение R( χ ,n) не зависит от оцениваемого параметра, а только от |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
объема выборки n. Преобразуем s(1-δ /s)< |
б<s(1+δ /s) к виду χ 1< χ < χ 2 и |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χ2 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
имеем |
|
потребуем “гарантий ” (надежности) γ = ∫R( χ ,n)dχ . Ввиду того, что q<1 |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
χ1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1 |
|
< |
1 |
< |
1 |
|
. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||||||||||||
|
s(1+q) |
|
|
s(1−q) |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||||||||
|
|
|
|
σ |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
C.Доверительный интервал для математического ожидания нормального распределения при неизвестном среднеквадратическом.
Пусть нам известно (как и в случае А) , что генеральная Х распределена нормально. Нужно установить значение параметра а этого нормального распределения, если неизвестно среднеквадратическое б. На основании выборки строим случайную величину Т, значения которой t связаны с
величиной Х так: Т= хsв −nа - распределение Стьюдента. Плотность вероятности
41