
- •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
Точечная оценка параметра. Свойство точечной оценки. Состоятельная, несмещенная, эффективная оценка. Исправленная дисперсия.
Точность оценки, доверительная вероятность (надежность). Доверительный интервал
Точечной называют оценку, которая определяется одним числом. Все оценки, рассмотренные выше — точечные. При выборке малого объема точечная оценка может значительно отличаться от оцениваемого параметра, т. е. приводить к грубым ошибкам. По этой причине при небольшом объеме выборки следует пользоваться интервальными оценками.
Интервальной называют оценку, которая определяется двумя числам и — концами интервала. Интервальные оценки позволяют установить точность и надежность оценок.
Пусть, найденная
по данным выборки, статистическая
характеристика
служит
оценкой неизвестного параметра
.
тем точнее определяет параметр
,
чем меньше абсолютная величина разности
.
Другими словами, если
и
то, чем меньше
,
тем оценка точнее. Таким образом,
положительное число
характеризует точность
оценки.
Надежностью
(доверительной
вероятностью)
оценки
по
называют вероятность
,
с которой осуществляется неравенство
.
Обычно надежность оценки задается
наперед, причем в качестве
берут число, близкое к единице. Наиболее
часто задают надежность, равную 0,95;
0,99
и 0,999.
Доверительным
называют интервал
,
который покрывает неизвестный параметр
с заданной па надежностью
Несмещенные, эффективные и состоятельные оценки
Пусть
есть статистическая оценка неизвестного
параметра
теоретического распределения. Допустим,
что по выборке объема n
найдена оценка
.
Повторим опыт, т. е. извлечем из генеральной
совокупности другую выборку того же
объема и по ее данным найдем оценку
.
Повторяя опыт многократно, получим
числа
,
которые, вообще говоря, будут различны
между собой. Таким образом, оценку
можно рассматривать как случайную
величину, а числа
— как ее возможные значения.
Представим себе,
что оценка
дает приближенное значение
с избытком; тогда каждое, найденное по
данным выборок, число
будет больше истинного значения
.
Ясно, что в этом случае и математическое
ожидание (среднее значение) случайной
величины
будет больше, чем
,
т. е.
.
Очевидно, что если
дает оценку с недостатком, то
.
Соблюдение
требований
гарантирует от получения систематических
ошибок.
Несмещенной
называют статистическую ошибку
,
математическое ожидание которой равно
оцениваемому параметру
при любом объеме выборки, т. е
Смещенной называют оценку, математическое ожидание которой не равно оцениваемому параметру.
Эффективной называют статистическую оценку, которая (при заданном объеме выборки n) имеет наименьшую возможную дисперсию.
Состоятельной
называют статистическую оценку, которая
при
стремится по вероятности к оцениваемому
параметру. Например, если дисперсия
несмещенной оценки при
стремится к нулю, то такая оценка
оказывается и состоятельной.
Легко
«исправить» выборочную дисперсию так,
чтобы ее математическое ожидание было
равно генеральной дисперсии. Достаточно
для этого умножить
на дробь
. Сделав это, получим «исправленную
дисперсию»,
которую обычно обозначают через
: