
- •Доверительный интервал для оценки ско σ нормального распределения. Распределение хи-квадрат.
- •Точечная и интервальная оценка вероятности биномиального распределения с заданной надежностью γ по относительной частоте.
- •Метод моментов для точечной оценки параметров распределения.
- •Метод наибольшего правдоподобия для дискретных и непрерывных случайных величин. Распределение Пуассона. Биномиальное распределение. Показательный закон. Нормальный закон.
- •Числовые характеристики вариационного ряда. Характеристики положения и характеристики рассеивания. Мода, Медиана. Размах варьирования. Коэффициент вариации. Асимметрия. Эксцесс.
- •14. Статистические моменты. Обычные, начальные и центральные эмрирические моменты. Условные эмпирические моменты. Нахождение центральных моментов по условным.
- •15. Метод произведений для вычисления выборочных средней и дисперсии. Сведение первоначальных вариант к равноотстоящим.
- •16. Эмпирические и выравнивающие частоты для дискретных и непрерывных распределений. Примеры.
- •17. Построение нормальной кривой по опытным данным. Оценка отклонения эмпирического распределения от нормального. Асимметрия. Эксцесс.
- •18. Построение статистической функцией распределения. Гистограмма.Назовите числовые характеристики статистического распределения. Дайте определение этих характеристик.
- •Точечная оценка параметра. Свойство точечной оценки. Состоятельная, несмещенная, эффективная оценка. Исправленная дисперсия.
- •Доверительный интервал и доверительная вероятность (надежность). Построение доверительного интервала для математического ожидания случайной величины, распределенной по нормальному закону.
- •§14. Точность оценки, доверительная вероятность (надежность). Доверительный интервал
- •§ 15. Доверительные интервалы для оценки математического ожидания нормального распределения при известном σ
- •Понятие функциональной, статистической и корреляционной зависимости.
- •§ 2. Условные средние
- •§ 3. Выборочные уравнения регрессии
- •Сущность метода наибольшего правдоподобия для нахождения оценок параметров распределений.
- •Сущность метода наименьших квадратов при обработке результатов наблюдений.
- •Формулировка задачи статистической проверки гипотез. Приведите примеры задач на проверку гипотез. Вероятностные данные для применения метода минимума риска к решению задачи проверки гипотез.
- •3.1. Классический метод проверки гипотез
- •Сущность метода минимума риска при решении задачи проверки гипотез. Сформулируйте оптимальное решающее правило. Ошибки первого и второго рода. Сущность метода
- •§ 2. Ошибки первого и второго рода
- •28. Сравнение двух дисперсий нормальных генеральных совокупностей. Распределение Фишера-Снедекора.
- •29. Сравнение исправленной выборочной дисперсии с гипотетической генеральной дисперсей нормальной совокупности. Критерий Стьюдента.
- •Сравнение двух средних нормальных генеральных совокупностей, дисперсии которых известны. Выборки независимы. Функция Лапласа.
- •Сравнение двух вероятностей биномиальных распределений.
- •34. Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам одинакового объема. Критерий Кочрена.
- •35. Определение параметров выборочного уравнения прямой линии среднеквадратичной регрессии по несгрупированным и сгруппированным данным.
- •36. Выборочный коэффициент корреляции. Методика вычисления выборочного коэффициента корреляции. Выборочное корреляционное отношение и его свойство. Мера корреляционной связи.
- •42. Корреляционный анализ. Коррелированность и зависимость случайных величин. Численные характеристики системы двух случайных величин: корреляционный момент и коэффициент корреляции.
- •43. Регрессионный анализ. Линейная регрессия. Прямые линии среднеквадратической зависимости. Коэффициенты регрессии y на X и X на y.
- •[Править]Парная и множественная регрессия
- •Случайные числа. Генератор псевдослучайных чисел. Метод Монте-Карло. Применение метода Монте-Карло для вычисления определенного интеграла.
- •Случайные процессы. Процесс Пуассона и его свойства: стационарность, отсутствие последействия и ординарность.
- •48. Цепь Маркова. Переходная вероятность. Однородная цепь Маркова.Матрица перехода. Равенство Маркова.
- •Определение
- •[Править]Переходная матрица и однородные цепи
- •[Править]Конечномерные распределения и матрица перехода за n шагов
Сравнение двух вероятностей биномиальных распределений.
Пусть в двух генеральных совокупностях производятся независимые испытания: в результате каждого испытания событие А может появиться в первой совокупности с неизвестной вероятностью P1, а во второй—с неизвестной вероятностью Р2. По выборкам, извлеченным из первой и второй совокупностей, найдены соответственные частоты:
W1(A)=m1/n1 W2{A) = m2/n2,
где m1,m2 — числа появлений события А; n1,n2 — количества испытаний.
В качестве оценок неизвестных вероятностей примем относительные частоты: P1=w1 и P2=w2.
Требуется при заданном уровне значимости а(альфа) проверить нулевую гипотезу, состоящую в том, что
вероятности Р1 и Р2 равны между собой: Н0: P 1 = P 2. Другими словами, требуется установить, значимо или незначимо различаются относительные частоты W1 и W2.Предполагается, что выборки имеют достаточно большой объем.
Правило 1. Для того чтобы при заданном уровне значимости а (альфа) проверить нулевую гипотезу H0: p1| = p 2 = p ,о равенстве вероятностей появления события в двух генеральных совокупностях (имеющих биномиальные распределения) при конкурирующей гипотезе Н1: Р1=\ Р2, надо вычислить наблюдаемое значение критерия:
Uнабл=
и по таблице функции Лапласа найти критическую точку Uкp по равенству Ф(Uкр.) = ( 1—а ) / 2.
Если | Uнабл. | < Uкр — нет оснований отвергнуть нулевую гипотезу.
Если | Uнабл. | > Uкр — нулевую гипотезу отвергают.
Правило 2. При конкурирующей гипотезе H1: p1 > р2 находят критическую точку правосторонней критической области по равенству ф(Ukр) = ( 1—2 а ) / 2.
Если Uнабл < Uкр — нет оснований отвергнуть нулевую гипотезу.
Если Uнабл > Uкр—нулевую гипотезу отвергают.
Правило 3.
При конкурирующей гипотезе H1: P1 < Р2 находят критическую точку Uкр. правилу 2, а затем полагают границу левосторонней критической области U кр== — Uкр.
Если Uнабл >—Uкр— нет оснований отвергнуть нулевую гипотезу.
Если Uнабл <—Uкр — нулевую гипотезу отвергают.
33.Сравнение нескольких дисперсий нормальных генеральных совокупностей по выборкам различного объемы. Критерий Бартлетта.
Пусть генеральные совокупности Х1, Х2, . . . , XL распределены нормально. Из этих совокупностей извлечены независимые выборки, вообще говоря, различных объемов Ni .По выборкам найдены исправленные выборочные дисперсии S1, S2, . . . , Sl(все S в квадрате). Требуется при уровне значимости а(альфа)проверить нулевую гипотезу об однородности дисперсий, т. е. гипотезу о равенстве между собой генеральных дисперсий:
Н0: D(X1)=D(X2) =D(X3)=… =D(Xl)
Введем обозначения
ki=ni-1 – число степеней свободы дисперсии S2i/
k=
–
сумма чисел степеней свободы
–
средняя арифметическая
исправленных дисперсий,взвешенная по
числам степеней свободы;
V=2.303(
)
C=1+
B=
– случайная величина (критерий Бартлетта)
Наблюдаемое значение критерия : Bнабл=
И по
таблице критических точек распределения
по
уровню значимости
и
числу степеней свободы l-1
(l–
число выборок). Найти критическую
точку
правосторонней
критической области.
Если Bнабл< – нет оснований отвергнуть нулевую гипотезу.
Если Bнабл> – отвергаем нулевую гипотезу.
1)Критерий Бартлетта весьма чувствителен к отклонениям распределения от нормального, поэтому к выводам, полученным по этому критерию надо относиться осторожно.2)При условии однородности дисперсий в качестве оценки генеральной дисперсии принимают среднюю арифметическую исправленных дисперсий, взвешенную по числам степеней свободы.