- •В.В. Нешитой
- •Введение
- •1. Основные понятия теории вероятностей и математической статистики
- •1.1. Случайные события. Испытания. Относительная частота и вероятность
- •1.2. Виды случайных событий
- •1.3. Определения вероятности
- •1.4. Основные формулы комбинаторики
- •1.5. Теорема сложения вероятностей (несовместных событий)
- •1.6. Теорема умножения вероятностей (независимых событий)
- •1.7. Закон распределения дискретной случайной величины
- •1.8. Числовые характеристики дискретной случайной величины
- •1.8.1. Математическое ожидание
- •1.8.2. Свойства математического ожидания
- •1.8.3. Дисперсия дискретной случайной величины
- •1.8.4. Свойства дисперсии
- •1.8.5. Среднее квадратическое отклонение
- •1.8.6. Одинаково распределенные взаимно независимые случайные величины
- •1.8.7. Моменты (начальные, центральные) дискретной случайной величины
- •1.10.2. Плотность распределения
- •1.11. Числовые характеристики непрерывных случайных величин
- •1.12. Примеры непрерывных распределений
- •1.12.1. Нормальный закон
- •1.12.2. Показательный закон
- •1.12.3. Закон Вейбулла
- •1.13. Элементы математической статистики
- •1.13.1. Генеральная и выборочная совокупности. Вариационный ряд. Характеристики вариационного ряда
- •1.13.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
- •1.13.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
- •1.13.4. Метод моментов для точечной оценки параметров распределения
- •1.13.5. Метод наибольшего правдоподобия
- •2. Вероятностная модель текста и ее исследование
- •2.1. Понятие математического ожидания случайной функции, нового события и кривой роста новых событий
- •2.2. Математическое ожидание случайной функции и кривая роста новых событий. Связь с законами распределения вероятностей разных и новых событий
- •2.3. Установление статистической структуры выборки по кривой роста новых событий
- •2.4. Восстановление кривой роста новых событий по статистической структуре выборки
- •2.5. Построение систем кривых роста и непрерывных распределений новых событий
- •Построение систем кривых роста и непрерывных распределений новых событий
- •3. Обобщенные распределения. Системы непрерывных распределений
- •3.1. Методы построения обобщенных распределений
- •3.2. Построение системы непрерывных распределений методом обобщения
- •3.3. Классификация обобщенных распределений
- •Распределения группы а
- •Распределения группы б
- •Группа симметричных распределений
- •3.4. Распределения функций случайного аргумента
- •3.5. Три основные и три дополнительные системы непрерывных распределений в.Нешитого
- •3.6. Обобщение систем непрерывных распределений
- •3.6.1. Обобщение систем непрерывных распределений по первому варианту
- •Обобщение систем непрерывных распределений по первому варианту на базе четырехпараметрической плотности p(t)
- •3.6.2. Обобщение систем непрерывных распределений по второму варианту
- •Обобщение систем непрерывных распределений по второму варианту на базе четырехпараметрической плотности p(t)
- •4. Оценивание параметров обобщенных распределений. Критерии для классификации кривых. Центральная предельная теорема
- •4.1. Метод наименьших квадратов
- •Значение функции распределения f(tc)
- •4.2. Метод наибольшего правдоподобия
- •4.3. Классический метод моментов
- •4.3.3. Симметричные распределения Ic–iiIc типов
- •4.3.4. Критерии для классификации распределений по методу моментов
- •4.4. Универсальный метод моментов
- •4.4.1. Расширение трех систем непрерывных распределений
- •4.4.2. Законы распределения суммы независимых случайных величин
- •4.4.3. Центральная предельная теорема для трех систем непрерывных распределений
- •4.4.4. Законы распределения среднего выборочного
- •4.5. Устойчивый метод
- •5. Выравнивание и прогнозирование статистических распределений
- •5.1. Выбор системы непрерывных распределений для выравнивания статистических распределений
- •5.2. Вычисление выравнивающей кривой распределения по статистическим данным
- •5.2.1. Выравнивание по классическому методу моментов
- •5.2.2. Выравнивание по универсальному методу моментов
- •5.2.3. Выравнивание по устойчивому методу
- •Показатели статистического распределения (snr2v08a)
- •Распределение 3-го типа с параметрами
- •5.2.5. Выравнивающее распределение среднего выборочного
- •5.3. Прогнозирование распределений
- •5.3.1. Первая система непрерывных распределений
- •5.3.2. Вторая система непрерывных распределений
- •Распределение населения страны по среднедушевому совокупному доходу, в % к итогу (Расчет по данным обследования 90 тыс. Семейных бюджетов)
- •5.3.3. Показатели стабильности и качества выборки
- •5.4. Ранговые распределения
- •5.4.1. Форма представления ранговых распределений
- •5.4.2 Универсальный закон рассеяния публикаций
- •5.5.3. Универсальный закон старения публикаций
- •5.4.4. Ранговые распределения лексических единиц
- •6. Временные (динамические) ряды
- •6.1. Методы выделения тренда
- •6.2. Построение кривых роста для выравнивания временных рядов
- •6.2.1. Построение кривых роста с заданными свойствами
- •6.2.2. Метод обобщения
- •6.2.3. Кривые роста на базе обобщенных распределений
- •6.3. Оценивание параметров кривых роста
- •6.3.1. Уравнение прямой
- •6.3.2. Экспонента
- •6.3.3. Обобщенная кривая роста
- •6.4. Прогнозирование временных рядов
- •6.4.1. Параметрический метод прогнозирования
- •6.4.2. Непараметрический метод прогнозирования
- •Заключение
- •Приложения Приложение 1
- •Приложение 2
- •Приложение 5 Основные сведения о программах
- •Литература
- •Содержание
- •Математико-статистические
- •Методы анализа
- •В библиотечно-информационной
- •Деятельности
1.13.2. Статистическое распределение выборки. Полигон. Гистограмма. Эмпирическая функция распределения
Статистическое распределение выборки – это соотношение между значениями вариант и соответствующими им частотамиили частостями (относительными частотами).
Статистическое распределение выборки можно представить в виде таблицы, в первую строку которой записываются варианты, а во вторую – соответствующие им частоты или частости
xi |
x1 |
x2 |
… |
xk |
mi |
m1 |
m2 |
… |
mk |
wi |
w1 |
w2 |
… |
wk |
Здесь сумма всех частот равна объему выборки n, т.е.
,
а сумма частостей равна единице
.
Для непрерывного вариационного ряда составляется таблица, в первой строке которой указываются интервалы изменения вариант, а во второй – частоты.
хi |
х1–х2 |
х2-х3 |
… |
|
mi |
m1 |
m2 |
… |
|
Дискретные распределения можно представить полигоном, непрерывные – гистограммой.
Весь вариационный ряд с размахом разбивают на несколько интервалови подсчитывают число точек (частоту) на каждом интервале. Затем на каждом интервале строится прямоугольник, площадь которого равна относительной частоте интервала. Вся площадь гистограммы в этом случае равна единице.
Гистограмма Полигон
Эмпирической функцией распределения случайной величины Х называется функция
,
где mx – число вариант, меньших х; n – объем выборки.
Эмпирическая функция распределения является оценкой функции распределения F(x)=P(X<х).
1.13.3. Статистические оценки параметров. Точность оценки, доверительная вероятность (надежность)
Выборку характеризуют такие показатели, как:
– среднее выборочное значение
(n – объем выборки);
– выборочная дисперсия
;
– центральные выборочные моменты
(все характеристики приведены для несгруппированных данных).
Выборочная дисперсия является смещенной оценкой генеральной дисперсии. Несмещенной оценкой дисперсии будет исправленная выборочная дисперсия
.
При объеме выборки n > 30 можно использовать неисправленную выборочную дисперсию.
Среднее выборочное значение является точечной оценкой математического ожидания.
Если установить границы интервала , который с заданной вероятностьюР накрывает значение , то получиминтервальную оценку.
Пусть 1– обозначает вероятность того, что результат измерения отличается от истинного значенияmx на величину, не большую . Это записывается так:
,
где 1– – доверительная вероятность (надежность) оценки; α – уровень значимости; () –доверительный интервал.
Величина характеризует точность оценки математического ожидания и по абсолютной величине равна
,
где – среднее квадратическое отклонение;n – объем выборки.
Тогда предыдущую формулу можно переписать в виде
.
Величину 1– обычно выбирают 0,9; 0,95; 0,99.
Величину tn находят по таблице распределения Стьюдента в зависимости от числа степеней свободы ν = n - 1 или объема выборки n и вероятности (уровня значимости) α [4, с. 217].
1.13.4. Метод моментов для точечной оценки параметров распределения
Метод предложен английским статистиком К.Пирсоном в 1895 г.
Его достоинство – чрезвычайная простота, особенно при небольшом числе параметров. Суть его сводится к приравниванию теоретических моментов, выраженных через параметры распределения, к эмпирическим.
Пусть задана плотность распределения с одним параметром, например, показательный закон
.
Требуется найти методом моментов точечную оценку параметра по выборке t1, t2,…, tn.
Решение. Выразим математическое ожидание через параметр
.
Приравняем далее эмпирический и теоретический моменты , откуда.
Оценка двух параметров. Запишем нормальный закон распределения
.
Здесь .
По выборке t1, t2,…, tn находим ии приравниваем теоретические моменты эмпирическим.
Следовательно, ;.
При бóльшем числе параметров необходимо составить r уравнений (по числу параметров) с r неизвестными и решить эту систему.