- •Критерии однородности дисперсии нескольких независимых выборок.
- •Понятие квантили (определение, графическая интерпретация), доверительного интервала, доверительной области. Примеры нахождения квантилей нормального распределения.
- •Критерии однородности выборок. Критерий Смирнова.
- •Доверительные интервалы для дисперсии нормального распределения.
- •Критерии однородности выборок. Критерий однородности хи-квадрат Пирсона
- •Доверительные интервалы для дисперсии нормального распределения.
- •Критерий проверки значимости линейной регрессии (два подхода).
- •Понятие одномерной и двумерной функции распределения случайного процесса и плотности распределения. Вероятностный смысл.
- •Простые и сложные гипотезы. Статистический критерий различения гипотез. Уровень значимости и мощность критерия. Ошибки первого и второго рода.
- •Числовые характеристики случайных процессов (определение, свойства). Корреляционная теория случайных процессов.
- •Лемма Неймана — Пирсона. Наиболее мощные критерии
- •2. Математическое ожидание суммы случайных величин
- •Наиболее мощные критерии различения двух простых гипотез о среднем значении гауссовской случайной величины при известной дисперсии.
- •Дискретный вариационный ряд. Полигон частот и относительных частот.
- •Наиболее мощные критерии различения двух простых гипотез о среднем значении гауссовской случайной величины при неизвестной дисперсии.
- •Доверительные интервалы для математического ожидания нормального распределения.
- •Лемма Неймана — Пирсона. Наиболее мощные критерии
- •2. Математическое ожидание суммы случайных величин
- •Сравнение дисперсий двух гауссовских выборок. Критерий Фишера.
- •Интервальный вариационный ряд. Гистограмма частот и относительных частот.
- •Сравнение средних двух гауссовских выборок с равными дисперсиями. Критерий Стьюдента.
- •Дискретный вариационный ряд. Полигон частот и относительных частот.
- •1.Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсией.
- •2.Сравнение средних двух гауссовских зависимых выборок.
- •Критерий
- •Понятие статистики как функции от выборки
- •Статистика критерия
- •Оценки максимального правдоподобия параметров нормального распределения.
- •Метод наименьших квадратов для случая квадратичной зависимости и обобщенной линейной зависимости данных.
- •1.Оценки подстановки неизвестных параметров. Выборочное среднее и выборочная дисперсия. Несмещенная оценка дисперсии.
- •2.Методы линейной регрессии. Метод наименьших квадратов для случая линейной зависимости данных.
- •1.Критерий согласия хи-квадрат Пирсона различения статистических гипотез (случай распределения с неизвестными параметрами).
- •Статистика критерия
- •1.Вариационный ряд. Распределения порядковых статистик выборки (максимальной и минимальной варианты выборки).
- •2.Эмпирическая функция распределения и её свойства. Пример нахождения эмпирической функции и построение ее графика.
- •1.Усиленный закон больших чисел. Теорема Колмогорова и теорема Бореля.
- •2.Оценки подстановки неизвестных параметров. Выборочное среднее и выборочная дисперсия. Несмещенная оценка дисперсии.
Понятие статистики как функции от выборки
Пусть задана случайная выборка наблюдений . Как правило, поскольку речь идет о задачах математической статистики, распределение элементов этой выборки известно исследователю не полностью (например, содержит неизвестные числовые параметры).
Статистикой называется произвольная измеримая функция выборки , которая не зависит от неизвестных параметров распределения.
Условие измеримости статистики означает, что эта функция является случайной величиной, то есть определены вероятности ее попадания в интервалы и другие борелевские множества на прямой.
Наиболее содержательный аспект данного понятия, отличающий его от прочих случайных величин, зависящих от выборки, заключается в том, что от неизвестных параметров эта функция не зависит, то есть исследователь может по имеющимся в его распоряжении данным найти значение этой функции, а, следовательно — основывать на этом значении оценки и прочие статистические выводы.
оценка неизвестных параметров распределения
Предположим, что - независимая выборка из неизвестного распределения , зависящего от неизвестного параметра . Часто возникает необходимость приблизить значение некоторой функции от параметра . Функция , вообще говоря, может принимать векторные значения:
В математической статистике такая задача называется задачей оценивания. Само искомое приближение называют оценкой . По существу, оценка функции есть некоторое выражение, зависящее от выборки:
Замечание
Нередко рассматривают ситуацию , . В этом случае говорят просто об оценке неизвестных параметров распределения , которую принято обозначать
Билет №15
1.Критерий Пирсона, или критерий χ² (Хи-квадрат) — наиболее часто употребляемый критерий для проверки гипотезы о законе распределения. Во многих практических задачах точный закон распределения неизвестен, то есть является гипотезой, которая требует статистической проверки.Обозначим через X исследуемую случайную величину. Пусть требуется проверить гипотезу H0 о том, что эта случайная величина подчиняется закону распределения F(x). Для проверки гипотезы произведём выборку, состоящую из n независимых наблюдений над случайной величиной X. По выборке можно построить эмпирическое распределение F * (x) исследуемой случайной величины. Сравнение эмпирического распределения F * (x) и теоретического (или, точнее было бы сказать, гипотетического - т.е. соответствующего гипотезе H0) распределенияF(x) производится с помощью специального правила — критерия согласия. Одним из таких критериев и является критерий Пирсона.
Статистика критерия
Для проверки критерия вводится статистика:
где — предполагаемая вероятность попадения в i-й интервал, — соответствующее эмпирическое значение, ni — число элементов выборки из i-го интервала, N — полный объём выборки. Также используется расчет критерия по частоте, тогда:
где Vi - частота попадания значений в интервал. Эта величина в свою очередь является случайной (в силу случайности X) и должна подчиняться распределению χ2.
2) Интервальный вариационный ряд.Если изучаемая случайная величина является непрерывной, то ранжирование и группировка наблюдаемых значений зачастую не позволяют выделить характерные черты варьирования ее значений. Это объясняется тем, что отдельные значения случайной величины могут как угодно мало отличаться друг от друга и поэтому в совокупности наблюдаемых данных одинаковые значения величины могут встречаться редко, а частоты вариантов мало отличаются друг от друга.Нецелесообразно также построение дискретного ряда для дискретной случайной величины, число возможных значений которой велико. В подобных случаях следует построить интервальный (вариационный) ряд распределения. Для построения такого ряда весь интервал варьирования наблюдаемых значений случайной величины разбивают на ряд частичных интервалов и подсчитывают частоту попадания значений величины в каждый частичный интервал. Интервальным вариационным рядом называется упорядоченная совокупность интервалов варьирования значений случайной величины с соответствующими частотами или частостями попаданий в каждый из них значений величины.
Для непрерывного признака графической иллюстрацией служит гистограмма, то есть ступенчатая фигура, состоящая из прямоугольников, основаниями которых служат частичные интервалы длиной h, а высотами – отрезки длиной ni /h (гистограмма частот) или wi /h(гистограмма относительных частот). В первом случае площадь гистограммы равна объему выборки, во втором – единице (рис.2). рис 2
Дисциплина: ТВ и МС Билет № 16