- •Математика и информатика
- •Содержание
- •Часть 1. Основания математики Глава 1. Понятийный аппарат аксиоматического метода
- •1.1. Понятие аксиоматического метода
- •1.2. Аксиоматическое построение математической теории
- •1.3. Вопросы для самоконтроля по теме «Аксиоматический метод»
- •Глава 2. Основные понятия теории множеств. Основные структуры
- •2.1. Понятие множества
- •2.2. Способы задания множеств
- •2.3. Алгебра множеств
- •2.3.1. Отношения между множествами
- •2.3.2. Операции над множествами
- •2.3.3. Алгебраические свойства операций над множествами
- •2.3.4. Геометрическая интерпретация операций над множествами
- •2.4. Декартово произведение множеств. Бинарные отношения
- •2.5. Символический язык логической структуры математических предложений
- •2.6. Алгебраические операции над различными математическими объектами
- •2.7. Вопросы для самоконтроля по теме «Теория множеств»
- •Глава 3. Структуры на множестве. Комбинаторика
- •3.1. Перестановки
- •3.2. Размещения
- •3.3. Сочетания
- •3.4. Вопросы для самоконтроля по теме «Комбинаторика»
- •Часть 2. Основы теории вероятностей Глава 4. Случайные события
- •4.1. Основные понятия теории вероятностей. Виды случайных событий
- •4.2. Алгебра случайных событий
- •4.3. Определение вероятности
- •4.3.1. Классическое определение вероятности
- •4.3.2. Аксиомы теории вероятностей. Аксиоматическое определение вероятности
- •4.4. Теоремы сложения и умножения вероятностей
- •4.4.1. Сложение вероятностей несовместных событий
- •4.4.2. Умножение вероятностей независимых событий
- •4.4.3. Вероятность появления хотя бы одного события
- •4.4.4. Умножение вероятностей зависимых событий. Условная вероятность
- •4.4.5. Сложение вероятностей совместных событий
- •4.5. Формула полной вероятности
- •4.6. Формула Байеса
- •4.7. Вопросы для самоконтроля по теме «Основы теории вероятностей»
- •Глава 5. Случайные величины
- •5.1. Понятие случайной величины
- •5.2. Дискретная случайная величина
- •5.2.1. Закон распределения дискретной случайной величины
- •5.2.2. Числовые характеристики дискретных случайных величин
- •5.3. Непрерывная случайная величина
- •5.3.1. Функция распределения вероятностей и плотность распределения вероятностей непрерывной случайной величины
- •5.3.2. Числовые характеристики непрерывной случайной величины
- •5.3.3. Равномерный и нормальный законы распределения непрерывных случайных величин
- •5.3.4. Вероятность попадания в заданный интервал нормальной случайной величины
- •5.3.5. Вычисление вероятности заданного отклонения нормальной случайной величины
- •5.4. Вопросы для самоконтроля по теме «Случайная величина»
- •Часть 3. Элементы математической статистики Глава 6. Статистические оценки параметров распределения
- •6.1. Предмет и задачи математической статистики
- •6.2. Выборочный метод
- •6.2.1 Полигон и гистограмма
- •6.2.2. Эмпирическая функция распределения
- •6.3. Статистические оценки параметров распределения
- •6.4. Некоторые статистические распределения
- •6.4.2. Распределение Стьюдента
- •6.5. Интервальные оценки
- •6.5.1. Доверительные интервалы для оценки математического ожидания нормального распределения случайной величины
- •6.5.2. Доверительные интервалы для математического ожидания при известной дисперсии
- •6.5.3. Оценка генеральной дисперсии по исправленной выборочной
- •6.5.4. Доверительные интервалы для математического ожидания при неизвестной дисперсии
- •Глава 7. Проверка статистических гипотез
- •7.1. Понятие и классификация статистических гипотез
- •7.2. Общая схема проверки гипотез
- •7.3. Статистическая проверка гипотез о параметрах распределения
- •7.4. Вопросы для самоконтроля по теме «Элементы математической статистики»
- •Часть 4. Алгоритмизация и программирование Глава 8. Основы алгоритмизации
- •8.1. Понятие и свойства алгоритма
- •8.2. Таблица блоков
- •8.3. Линейные алгоритмы
- •8.4. Ветвления
- •8.5. Циклы. Повтор с заданным количеством циклов
- •8.6. Вопросы для самоконтроля по теме «Алгоритмизация»
- •Глава 9. Программирование на Паскале
- •9.1. Конструкция языка Turbo-Pascal
- •9.1.1. Алфавит
- •9.1.2. Данные и типы данных
- •9.1.3. Стандартные функции
- •9.1.4. Арифметические, логические, символьные выражения
- •9.2. Структура программы на языке Паскаль
- •9.3. Основные операторы Паскаля
- •9.3.1. Оператор присваивания
- •9.3.2. Операторы ввода
- •9.3.3. Операторы вывода
- •9.3.4. Комментарий
- •9.4. Программы линейных алгоритмов
- •9.5. Операторы передачи управления
- •9.5.1. Оператор безусловного перехода
- •9.5.2. Операторы условного перехода
- •9.5.3. Оператор выбора варианта
- •9.6. Разветвляющийся алгоритм
- •9.7. Операторы цикла
- •9.8. Программы циклических алгоритмов
- •9.9. Массивы
- •9.9.1. Понятие и описание массива
- •9.9.2. Ввод и вывод элементов массивов
- •9.9.3. Операции с массивами
- •9.10. Вопросы для самоконтроля по теме «Программирование»
- •Литература
- •Приложениe 1
- •Приложениe 2
- •Приложениe 3
- •Математика и информатика учебное пособие
7.3. Статистическая проверка гипотез о параметрах распределения
Сравнение исправленной выборочной дисперсии с генеральной дисперсией
Пусть из генеральной совокупности, распределенной нормально c неизвестной генеральной дисперсией 20, извлечена выборка объёма n и по ней найдена исправленная выборочная дисперсия S2с k = n – 1 степенями свободы. Требуется установить насколько различаются исправленная выборочная дисперсия и предполагаемая генеральная дисперсия. Нулевую гипотезу можно записать в виде:
|
H0: M (S2) =20. |
(7.2) |
В нулевой гипотезе (7.2) принимается, что математическое ожидание исправленной выборочной дисперсии равно предполагаемой генеральной дисперсии.
В качестве статистического критерия проверки нулевой гипотезы принимают случайную величину:
|
. |
(7.3) |
Эта величина случайная, так как в разных опытах S2принимает различные значения, имеет распределение по закону «Хи – квадрат»2с k = n–1 степенями свободы.
Рассматривается один из возможных случаев.
Нулевая гипотеза:
|
H0:2=20. |
(7.4) |
Конкурирующая гипотеза:
|
H1:2>20. |
(7.5) |
Для данного случая строится правосторонняя критическая область. При этом ставится условие, чтобы вероятность попадания критерия в эту область будет равна принятому уровню значимости , с учётом справедливости нулевой гипотезы:
|
P (2>2kp(; k)) =. |
(7.6) |
Критическую точку 2kp(; k) находят по таблице критических точек распределения2(Приложение 3).
Тогда правосторонняя критическая область определяется неравенством:
2>2kp.
Область принятия нулевой гипотезы определяется неравенством:
2<2kp.
Значение критерия 2вычисляется по данным наблюдений по формуле (7.3) и обозначается2набл. Тогда нулевую гипотезу о параметрах распределения:
Отвергают при выполнении условия:
2набл>2kp.
(7.7)
Принимают при условии:
|
2набл<2kp. |
(7.8) |
Пример 1. Из генеральной совокупности, распределенной нормально, извлечена выборка объёма n = 21 и по ней найдена исправленная выборочная дисперсия S2= 25 .
Требуется проверить нулевую гипотезу, которая принимается по (7.4), предполагая неизвестное значение генеральной дисперсией равным 20.
Нулевая гипотеза: H0:2=20= 20.
Конкурирующая гипотеза принимается по (7.5). H1:2> 20.
Задаётся минимальный уровень значимости = 0,01.
Таким образом, в задаче дано:
n = 21. S2 = 25.20 = 20.= 0,01.
Решение.
По формуле (7.3) можно найти наблюдаемое значение критерия:
.
По таблице критических точек распределения 2(Приложение 3), зная уровень значимости= 0,01 и число степеней свободы: k =n–1=20, можно найти критическую точку:
2kp (=0,01; k=20)=37,6.
Так как конкурирующая гипотеза по условию: H1:2> 20, то критическая область правосторонняя. Наблюдаемое значение критерия2набл=25, критическое значение статистического критерия2kp=37,6.
По (7.8), если 2набл <2kp, нулевая гипотеза о параметрах распределения принимается.
В итоге можно сформулировать алгоритм проверки гипотез о параметрах распределения:
Выбрать нулевую – H0и конкурирующую – H1гипотезы.
Задать уровень значимости .
Выбрать статистический критерий 2.
По формуле (7.3) найти 2набл.
Найти критическую точку 2kp(; k) по таблице Приложения 3.
Принять решение по выдвинутой гипотезе.
Решение носит вероятностный характер. Поэтому, если выдвинутая гипотеза не подтверждается, то делают заключение, что данные эксперимента не подтверждают гипотезу H0.