
- •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.
Дискретный вариационный ряд. Полигон частот и относительных частот.
В математической статистике исследуются утверждения, которые могут быть сделаны на основе измерения некоторой величины, на простейшем примере поясним постановку (одной из многих) задач математической статистики.
Пусть
требуется измерить некоторую величину
.
Результаты измерений
естественно
рассматривать как значения случайных
величин
,
полученных в данном эксперименте. Если
измерительный инструмент не имеет
систематической ошибки, то можно
положить
.
Следовательно, возникает задача оценить
параметр
.
Для решения задачи рассмотрим случайную
величину
.
Тогда
Это обстоятельство приводит к мысли построить статистические характеристики:
Первая
представляет среднее арифметическое
наблюденных значений случайной величины
и
статистическую дисперсию - во втором
случае. В соответствии с законом больших
чисел эти среднеарифметические сходятся
по вероятности соответственно к
математическому ожиданию величины x и
к дисперсии
При
ограниченности наблюдений эксперимента
заменой
и
на
и
совершаем
погрешность, а при небольшом числе
наблюдений величины
,
являются
случайными величинами. Возникает задача
об оценке неизвестных параметров
,
случайной
величины
на
основе экспериментальных данных, т.е.
задача - найти подходящие значения этих
параметров.
Множество
результатов измерений
величины
называется
выборкой
объема
.
Для того, чтобы иметь возможность
воспользоваться аппаратом теории
вероятностей, целесообразно наблюдаемую
величину x рассматривать как случайную
величину, функцию распределения которой
следует
определить. Полученный статистический
материал
,
,
...
наблюдений представляет собой первичные
данные о величине, подлежащей
статистической обработке. Обычно такие
статистические данные оформляются в
виде таблицы, графика, гистограммы и
т.д.
Если
выборка объема n содержит k различных
элементов
,
причем
встречается
раз,
то число
называется
частотой
элемента
,
а отношение
называется
относительной
частотой
элемента
.
Очевидно, что
Вариационным
(статистическим) рядом
называется таблица, первая строка
которой содержит в порядке возрастания
элементы
',
а вторая - их частоты
(относительные
частоты
.
Полигоном
частот (относительных
частот) выборки называется ломаная с
вершинами в точках (
,
,
,
).
Функция
,
где
-
объем выборки, а l- число значений x в
выборке, меньших x, называется эмпирической
функцией распределения. Функция
служит
оценкой неизвестной функции распределения
,
т.е.
.
Пусть
теперь x- непрерывная случайная величина
с неизвестной плотностью вероятности
.
Для оценки
по
выборке
разобьем
область значений
на
интервалы длины
.
Обозначим через
середины
интервалов, а через
число
элементов выборки, попавших в указанный
интервал. Тогда
-
оценка плотности вероятности в точке
.
В прямоугольной системе координат
построим прямоугольники с основаниями
и
высотами
,
т.е. площади прямоугольника, равной
относительной частоте данного разряда.
Полученная таким образом фигура
называется гистограммой
выборки.
Дисциплина: ТВ и МС Билет № 8