- •17. Біномінальний закон розподілу ймовірностей дискретної випадкової величини.
- •18. Розподіл Пуассона ймовірностей дискретної випадкової величини.
- •19. Математичне сподівання дискретної випадкової величини , його ймовірнісний зміст та властивості.
- •20. Дисперсія і середнє квадратичне відхилення дискретної випадкової величини та їх ймовірнісний зміст. Основні властивості дисперсії.
- •21.Числові характеристики середнього арифметичного однаково розподілених взаємно незалежних дискретних випадкових величин та їх практичне значення.
- •28. Дисперсія і середнє квадратичне відхилення неперервної випадкової величини.
- •33. Показниковий розподіл імовірностей неперервної випадкової величини.Графік густини й функції розподілу.
- •41. Умовні закони розподілу системи двох дискретних випадкових величин та їх числові характеристики.
- •42. Статистичний розподіл вибірки та його числові характеристики.
- •43. Емпірична функція розподілу.
- •45. Точкова оцінка математичного сподівання нормально розподіленої випадкової величини.
- •47. Інтервальні оцінки математичного сподівання нормально розподіленої випадкової величини у випадках, коли середньоквадратичне відхилення σ відоме і не відоме.
- •Інтервальна оцінка середнього квадратичного відхилення нормально розподіленої випадкової величини.
- •Задача про статистичну перевірку гіпотези і критерій узгодження.
- •53.Перевірка гіпотез про вигляд математичного сподівання нормально розподіленої випадкової величини у випадку коли дисперсія невідома.
- •Перевірка гіпотез про рівність математичних сподівань двох незалежних нормально розподілених випадкових величин
- •Перевірка гіпотез про рівність дисперсій двох незалежних нормально розподілених випадкових величин.
- •Відмінність між функціональною, статистичною та кореляційною залежностями.
- •Вибірковий коефіцієнт кореляції двовимірної випадкової величини (X, y) і визначення за його допомогою лінійного зв'язку між складовими X і y.
- •Рівняння лінійної регресії та його знаходження методом найменших квадратів.
- •Вираження рівняння лінійної регресії через коефіцієнт кореляції.
- •Статистичний розподіл вибірки двомірної випадкової величини та числові характеристики її складових.
- •Перевірка гіпотез про вигляд математичного сподівання нормально розподіленої випадкової величини у випадку коли дисперсія відома.
- •Критерій узгодження Пірсона ( критерій )для перевірки гіпотези про закон розподілу генеральної сукупності.
Перевірка гіпотез про рівність математичних сподівань двох незалежних нормально розподілених випадкових величин
Нехай
дві генеральні сукупності характеризуються
відповідно двома незалежними нормально
розподіленими випадковими величинами
X і У із невідомими відповідно математичними
сподіваннями
М{Х)
і
М{У). Розглянемо
два випадки.Випадок
перший,
коли дисперсії Dr(Х)
і
Dr
(У)
відповідних генеральних сукупностей
відомі. Допускається,
що:
відомі
дві незалежні вибірки обсягу
п
генеральної
X
та обсягу
т генеральної
У,
причому n > З0 і
т >
З0;
рівень
значущості
.
Правило
1. Якщо H0
: М(Х) = М(Y),
а H1:
М(Х)
М(У),
то перевірка гіпотези здійснюється за
правилом:
Обчислюється
хв
і ув.
Обчислюється
емпіричне значення критерію за формулою
За
таблицею значень інтегральної функції
Лапласа знаходять критичну точку
гкр
двосторонньої критичної області
з рівності
Робиться
висновок:
Правило 2. Якщо H0 : М(Х) = М(Y), а H1: М(Х)>М(У), то перевірка гіпотез здійснюється за попереднім правилом 1 із змінами: Знаходиться критична точка гп.кр правосторонньої критичної області, користуючись при рівністю
Робиться
висновок:
Правило 3. Якщо H0 : М(Х) = М(Y), а H1: М(Х)<М(У), то
перевірка гіпотез здійснюється за попереднім правилом 2 із змінами у висновку, враховуючи, що критична точка - лівостороння, тобто що zп.кр=- zп.кр:
Випадок другий, коли дисперсії Dr(Х) і Dr (У) відповідних генеральних сукупностей невідомі. Допускається, що:
Dr(Х) = Dr (У)хоч вони й невідомі;
відомі дві незалежні невеликі вибірки обсягів п генеральної X та обсягу т генеральної Y, причому п< З0 і m<30 (випадок малих вибірок);
рівень значущості .
Правило 1. Якщо H 0 : М{Х) = М(Y), а H1: М(Х) М(Y), то перевірка гіпотези здійснюється за правилом:
Обчислюється хв і ув.
Обчислюються виправлені вибіркові дисперсії DХв і DУв.
За таблицею критичних точок розподілу Стьюдента за даним рівнем значущості , зосередженому у верхньому рядку таблиці, і числу ступенів вільності k=п+т-2 знаходимо критичну точку =tkp .
Робиться висновок:
Правило
2. Якщо
H
0
:
М{Х) = М(Y),
а H1:
М(Х)
>М(Y),
то перевірка
здійснюється за попереднім правилом 1
для цього випадку із
змінами: Критичну
точку
правосторонньої критичної області
знаходимо
за таблицею критичних точок розподілу
Стьюдента
за
даним рівнем значущості
,
зосередженому в
нижньому
рядку
таблиці, і числу ступенів вільності
k
= п + т
- 2 , тобто
знаходимо
критичну точку
.
Робиться
висновок
Правило
3. Якщо H 0
:
М(Х) = М(Y),
а H1:
М(Х)
<М(Y),
то перевірка
гіпотез здійснюється за попереднім
правилом 2 із змінами у висновку,
враховуючи, що критична точка -
лівостороння,
тобто що
=
:
Перевірка гіпотез про рівність дисперсій двох незалежних нормально розподілених випадкових величин.
Нехай дві генеральні сукупності характеризуються відповідно дво- ;залежними нормально розподіленими випадковими величинами X і Y із невідомими дисперсіями Dr(Х) і Dr(Y) відповідно. Допускається, що:
відомі вибірки обсягу п генеральної X та обсягу т генеральної Y;
івень значущості .
Правило 1. Якщо H 0 : Dr(Х) = Dr(Y), а H 0 : Dr(Х) > Dr(Y), то перевірка гіпотез здійснюється за правилом:
Обчислюється хв і ув.
Обчислюються виправлені вибіркові дисперсії DХв і DYв.
Обчислюється емпіричне значення критерію за формулою
За таблицею критичних точок розподілу Фішера - Снедекора для заданого рівня значущості і ступенів вільності k1=п -1 і k2 = т -1 знаходимо критичну точку правосторонньої критичної області fп.кр =
.Робиться висновок:
Правило 2. Якщо H 0 : Dr(Х) = Dr(Y), а H 0 : Dr(Х) Dr(Y), то перевірка гіпотез здійснюється за вищенаведеним правилом, у якому змінюється лише методика обчислення критичних точок. У такому разі
критична
точка
є
двосторонньою
