- •Раздел VIII. Теория вероятностей
- •Глава 21. Случайные события
- •21.1. Понятие события
- •21.2. Классическое определение вероятности
- •21.3. Элементы комбинаторики
- •21.4. Геометрическая и статистическая вероятности
- •21.5. Теоремы умножения вероятностей
- •21.6. Вероятность появления хотя бы одного события
- •21.7. Теорема сложения вероятностей
- •21.8. Формула полной вероятности
- •21.9. Формула Байеса (Бейеса)
- •21.10. Повторение испытаний. Формула Бернулли
- •21.11. Локальная теорема Лапласа. Формула Пуассона
- •Формула Пуассона
- •21.12. Интегральная теорема Лапласа
- •Глава 22. Случайные величины
- •22.1. Понятие случайной величины. Закон распределения дискретной случайной величины
- •22.2. Биноминальное, геометрическое и гипергеометрическое распределения Биноминальное распределение
- •Геометрическое распределение
- •Гипергеометрическое распределение
- •22.3. Распределение Пуассона. Простейший поток событий
- •Простейший поток событий
- •22.4. Математическое ожидание дискретной случайной величины и его свойства
- •Вероятностный смысл математического ожидания
- •Свойства м(х)
- •22.5. Дисперсия случайной дискретной величины и ее свойства
- •Свойства дисперсии
- •22.6. Среднее квадратичное отклонение. Начальные и центральные теоретические моменты
- •Начальные и центральные теоретические моменты
- •22.7. Функция распределения вероятностей случайной величины
- •Свойства f(X)
- •22.8. Плотность распределения вероятностей непрерывной случайной величины
- •Свойства f(X)
- •22.9. Числовые характеристики непрерывных случайных величин
- •22.10. Закон равномерного распределения
- •22.11 Нормальное распределение
- •Вероятность попадания в заданный интервал
- •Вычисление вероятности заданного отклонения
- •22.12. Показательное распределение
- •Показательный закон надежности
- •Функция надежности
- •22.13. Закон больших чисел. Лемма Маркова
- •Лемма Маркова (лемма Чебышева)
- •22.14. Неравенство и теорема Чебышева
- •22.15. Теорема Бернулли
- •22.16. Функция одного случайного аргумента и ее распределение
- •Математическое ожидание функции одного случайного аргумента
- •22.17. Закон распределения вероятностей и функция распределения двумерных случайных величин
- •Закон распределения вероятностей дискретной двумерной величины
- •Функции распределения двумерной случайной величины
- •22.18. Вероятность попадания случайной величины в полуполосу и прямоугольник
- •Плотность совместного распределения вероятностей непрерывной двумерной случайной величины
- •Вариационный ряд
- •23.2. Точечные оценки
- •Основные точечные оценки
- •23.3 Интервальные оценки для генеральной средней
- •Интервальные оценки для генеральной средней с известным s
- •Интервальная оценка для генеральной средней с неизвестным s
- •23.4. Интервальные оценки для генеральной дисперсии, среднего квадратического отклонения и генеральной доли
- •Интервальная оценка для генеральной доли
- •Глава 24. Статистическая проверка статистических гипотез
- •24.1. Статистическая проверка статистических гипотез
- •Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
- •24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
- •. Сравнение двух средних нормальных генеральных совокупностей с неизвестными дисперсиями
- •24.5. Проверка гипотезы о нормальном законе распределения
- •Глава 25. Элементы теории корреляции.
- •25.1. Понятие корреляционной зависимости
- •25.2 Отыскание параметров выборочного уравнения регрессии по несгруппированным данным
- •25.3. Отыскание параметров выборочного уравнения прямой линии регрессии по сгруппирированным данным Корреляционная таблица
23.2. Точечные оценки
Вариационный ряд характеризует случайную величину, но не в полной мере, поэтому используются характеристики, аналогичные теоретическим – М(х),D(х) и т.д. Эти числовые характеристики подсчитываются на основании выборки и называются точечными оценками (т.к. являются числами).
Точечной оценкой характеристики Qназывается некоторая функцияQ* результатов наблюдений, значение которой принимают за приближение этой характеристики:. Качество точечной оценки определяется характеристиками:
1. Несмещенность оценки: точечная оценка называется несмещенной, если ее математическое ожидание равно оценивающему параметру:, т.е. совпадает с истинным значением.
2. Состоятельность:точечная оценка называется состоятельной, если она пристремится по вероятности к оцениваемому параметру.
3. Эффективность: точечная оценка считается эффективной, если она имеет (при заданномn) наименьшую дисперсию.
Основные точечные оценки
Выборочная средняя:.
Выборочная средняя приближается кМ(х), является несмещенной, состоятельной и эффективной.
2. Выборочная дисперсия:.S2является состоятельной, но смещенной, поэтому часто используютнесмещенную оценку – исправленную выборочную дисперсию:
3. Начальные и центральные моменты k- го порядка. Начальный моментk-го порядка:. Центральный моментk-го порядка:
23.3 Интервальные оценки для генеральной средней
При выборке малого объема точечная оценка может сильно отличаться от оцениваемого параметра, поэтому широко используют интервальные оценки. Интервальной называют оценку, которая определяется двумя числами – концами интервала. Доверительной вероятностью (надежностью) называется вероятность g, с которой осуществляется неравенство, т.е., гдеQ* – найденная характеристика параметраQ. Надежностьgобычно выбирается 0,95; 0,99; 0,999 и т.д.
Интервальные оценки для генеральной средней с известным s
Пусть известно среднее квадратическое отклонение sгенеральной совокупности с нормальным законом распределения. Требуется оценить неизвестное математическое ожиданиеа по выборочной средней. Будем рассматривать выборочную среднююкак случайную величину, для которой (– случайная величина, т.к.меняется от выборки к выборке).
Тогда по следствию интегральной теоремы Лапласа имеем: , где ,– точность оценки.
Число определяем по таблице значений функции Лапласа:. Получаем:,– интервальная оценка для математического ожиданияа.
Пример.Случайная величинаимеет нормальное распределение сs =3. Найти доверительный интервал для оценки генеральной среднейа, если, надежностьg = 0,95.
Найдем t: функция Лапласа,, точность: ,
Интервальная оценка для генеральной средней с неизвестным s
Пусть признак Хгенеральной совокупности распределен нормально, причем среднее квадратическое отклонениеsнеизвестно. Требуется оценить неизвестное математическое ожиданиеа по выборочной средней. Для построения интервальной оценки используется статистика, имеющая распределение Стьюдента с числом степеней свободы. Получаем: гдеn– объем выборки,–исправленное среднее квадратическое отклонение, – выборочная средняя,– уровень значимости,находим по распределению Стьюдента (t– распределение) (для двухсторонней критической области). Точность оценки: . Можно по таблице приложения 3 Гмурмана.
Пример.Средняя урожайность пшеницы на 16 опытных участках =25 ц/га, ац/га. Найти с надежностью 0,9 границы доверительного интервала для оценки генеральной средней.
Число степеней свободы ,, по таблице распределения Стьюдента находим:. Точность оценки:; тогда(ц/га).