- •Основные непрерывные распределения
- •1. Равномерное распределение
- •3. Нормальное распределение
- •4. Выборочные моменты
- •Основные распределения в статистике
- •1. Распределение хи-квадрат
- •2.2. Распределение Стьюдента
- •Точечные оценки.
- •Несмещенность. Состоятельность
- •Интервальное оценивание
- •Проверка гипотезы о виде закона распределения
- •Метод наименьших квадратов (мнк)
- •Выполнение работы.
- •1)Проверка гипотезы о виде закона распределения (по критерию хи-квадрат).
Московский Авиационный Институт
(Государственный Технический Университет)
Курсовая работа по теории вероятностей и математической статистике
Выполнил: студент группы 07-206
Леонов А.А.
Принял:
Мирошкин В.Л.
Теоретическая часть.
Некоторые сведения из теории вероятностей
Под случайной величиной (СВ) понимают величину, которая в результате опыта принимает то или иное значение, причем неизвестно заранее, какое именно.
Вероятностный смысл математического ожидания (МО) состоит в том, что оно является средним значением СВ
Дисперсией (рассеянием) СВ называется математическое ожидание квадрата ее отклонения от своего математического ожидания. Характеризует разброс значений СВ относительно ее МО
Функцией распределения СВ Х называется функция F(x), которая для любого x R равна вероятности события { X < x }
Квантилью уровня p СВ Х называется решение уравнения FX(xp) ≤ p, т.е. такое xp при котором вероятность события { X < xp } не превышает p
Основные непрерывные распределения
1. Равномерное распределение
Определение 1.1 СВ Х распределена равномерно на отрезке [a,b] (X~R(a;b)), если плотность вероятности имеет вид
Свойства R(a;b)
Функция распределения имеет вид (рис. 2)
МО и дисперсия по определению равны
Графики функций f(x) и F(x) приведены на рисунке.
3. Нормальное распределение
Определение 1. 3. СВ X имеет нормальное (гауссовское) распределение с параметрами т и σ2 > 0, т.е. X~N(m;σ2), если
При этом СВ называется нормальной (гауссовской). График плотности нормального распределения, называемый кривой Гаусса, имеет единственный максимум в точке х = т
Свойства N(m;σ2)
1) функция распределения СВ X ~N(m;σ2) имеет вид
Функцию распределения можно выразить через функцию стандартного нормального распределения следующим образом:
, где
2) МО и дисперсия СВ X ~ N(m;σ2) равны
Вычисления, связанные с нормальным распределением, чаще осуществляются не через ,а через функцию Лапласа
как более удобную, в частности тем, что она является нечетной
Следует, однако помнить что функция (в отличии от ) не является функцией распределения.
Функции связаны соотношением
.
5 ) Нормально распределенная СВ с большой вероятностью принимает значения, близкие к своему МО, что описывается «правилом к сигм»:
Математическая статистика – наука о математических методах, позволяющих по статистическим данным, например по реализациям случайной величины (СВ), построить теоретико-вероятностную модель исследуемого явления. Задачи математической статистики являются, в некотором смысле, обратными к задачам теории вероятностей. Центральным понятием математической статистики является выборка.
Определение 1. Однородной выборкой (выборкой) объема n при n 1 называется случайный вектор Zn=col(X1,…,Xn), компоненты которого Xi, i= , называемые элементами выборки, являются независимыми СВ с одной и той же функцией распределения F(x). Будем говорить, что выборка Zn соответствует функции распределения F(x).
Определения 2. Реализацией выборки называется неслучайный вектор zn=col(x1,…,xn), компонентами которого являются реализации соответствующих элементов выборки Xi, i= .
Из этих определений вытекает, что реализацию выборки zn можно также рассматривать как последовательность x1,…,xn из n реализаций одной и той же СВ X, полученных в серии из n независимых одинаковых опытов, проводимых в одинаковых условиях. Поэтому можно говорить, что выборка Zn порождена наблюдаемой СВ X, имеющей распределение Fx(x)=F(x).
Определение 3. Если компоненты вектора Zn независимы, но их распределения F1(x1),…,Fn(xn) различны, то такую выборку называют неоднородной.
Определение 4. Множество S всех реализаций выборки Zn называется выборочным пространством.
Выборочное пространство может быть всем n-мерным евклидовым пространством или его частью, если СВ X непрерывна, а также может состоять из конечного или счетного числа точек из Rn, если СВ X дискретна.
На практике при исследовании конкретного эксперимента распределения F1(x1),…,Fn(xn) СВ X1,…,Xn редко бывают известны полностью. Часто априори (до опыта) можно лишь утверждать, что распределение FZn(zn)=F1(x1),…Fn(xn) случайного вектора Zn принадлежит некоторому классу (семейству) F.
Определение 5. Пара (S,F) называется статистической моделью описания серии опытов, порождающих выборку Zn.
Определение 6. Если распределение FZn(zn,Ө) из класса F определены с точностью до некоторого векторного параметра Ө Θ IRs, то такая статистическая модель называется параметрической и обозначается (S Ө, FZn(zn, Ө)), Ө Θ Rs.
В некоторых случаях выборочное пространство может не зависеть от неизвестного параметра Ө распределения FZn(zn,Ө).
Определение 7. СВ Z=φ(Zn), где φ(Zn) – произвольная функция, определенная на выборочном пространстве S и не зависящая от распределения FZn(zn,Ө), называется статистикой.
Определение 8. Упорядочим элементы реализации выборки ,..., по возрастанию ,где верхний индекс соответствует номеру элемента в упорядоченной последовательности. Обозначим через , ,случайные величины, которые при каждой реализации выборки принимают -е(по верхнему номеру) значения .Упорядоченную последовательность СВ называю вариационным рядом.