- •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.
Лемма Неймана — Пирсона. Наиболее мощные критерии
Пусть - выборка (набор независимых, одинаково распределенных величин), и имеются две гипотезы о распределении :
Предполагается, что распределения , либо оба дискретны, либо оба абсолютно непрерывны.
Для любого НМК уровня существует и совпадает с критерием отношения правдоподобия:
при этом и определяются из уравнения , или
(7.1)
Доказательство леммы Неймана - Пирсона
1. Докажем, что уравнение (7.1) разрешимо относительно и .
Рассмотрим невозрастающую функцию .
Поскольку интегрирование ведется по области , то под интегралом . Поэтому
при .
Рассмотрим :
Возможны два критерия: (а) и (б) .
2. Математическое ожидание суммы случайных величин
Докажем, что для любых двух случайных величин и
, (10.2.3)
т. е. математическое ожидание суммы двух случайных величин равно сумме их математических ожиданий.
Это свойство известно под названием теоремы сложения математических ожиданий.
Доказательство.
а) Пусть - система прерывных случайных величин. Применим к сумме случайных величин общую формулу (10.1.6) для математического ожидания функции двух аргументов:
.
Ho представляет собой не что иное, как полную вероятность того, что величина примет значение :
;
следовательно,
.
Аналогично докажем, что
,
и теорема доказана.
б) Пусть - система непрерывных случайных величин. По формуле (10.1.7)
. (10.2.4)
Преобразуем первый из интегралов (10.2.4):
аналогично
,
и теорема доказана.
Следует специально отметить, что теорема сложения математических ожиданий справедлива для любых случайных величин - как зависимых, так и независимых.
Теорема сложения математических ожиданий обобщается на произвольное число слагаемых:
, (10.2.5)
т. е. математическое ожидание суммы нескольких случайных величин равно сумме их математических ожиданий.
Для доказательства достаточно применить метод полной индукции.
Дисциплина: ТВ и МС Билет № 7
Наиболее мощные критерии различения двух простых гипотез о среднем значении гауссовской случайной величины при известной дисперсии.
Сравнение двух выборочных средних при известных дисперсиях
Заданы две выборки .
Дополнительные предположения:
обе выборки простые и нормальные;
значения дисперсий известны априори; это означает, что дисперсии были оценены заранее не по этим выборкам, а исходя из какой-то другой информации; случай «неизвестных дисперсий», когда такого источника информации нет и дисперсии приходится оценивать по самим выборкам, описан ниже.
Нулевая гипотеза (средние в двух выборках равны).
Статистика критерия:
имеет стандартное Нормальное распределение , где
— выборочные средние.
Критерий (при уровне значимости ):
против альтернативы
если , то нулевая гипотеза отвергается;
против альтернативы
если , то нулевая гипотеза отвергается;
против альтернативы
если , то нулевая гипотеза отвергается;
где есть -квантиль стандартного нормального распределения.