- •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
Проверка гипотезы о равенстве двух дисперсий нормальных генеральных совокупностей
Этот вопрос возникает, если требуется сравнить точности приборов, методов измерений и т.д.
Пусть ХиY– нормально распределенные генеральные совокупности. По двум выборкам объемамиn1иn2найдены исправленные выборочные дисперсиии. При уровне значимостиaпроверяем нулевую гипотезу,при конкурирующей гипотезе.
Исправленные выборочные дисперсии обычно различные. Требуется установить: различие значимо (существенно) или незначимо, т.е. объясняется случайными причинами. Выбираем F– статистику, распределенную по закону Фишера–Снедекора. Наблюдаемое значение:(отношение большой исправленной дисперсии к меньшей), число степеней свободы:(где- объем выборки с большей исправленной дисперсией),(где- объем выборки с меньшей исправленной дисперсией). По таблице критических точек распределения Фишера–Снедекора для уровня значимостиa, числа степеней свободыопределяем . Если , то гипотеза принимается, если , то гипотеза отвергается.
Если Н1 :, то значениеопределяется для уровня значимости , поскольку необходимо построить двухстороннюю критическую областьи.
Иногда требуется проверить нулевую гипотезу – определенное заданное значение генеральной дисперсии. Для проверки используют статистику– исправленная выборочная дисперсия. Определяют.
а) Если конкурирующая гипотеза имеет вид то для определениявыбираем правостороннюю критическую область и по таблице распределения Пирсона () определяем(на уровне значимостидля числа степеней свободы). Если, то гипотезупринимаем, если – отвергаем гипотезу.
б) если то строим двухстороннюю область, определяем левуюи правуюкритические точки. Еслито гипотезапринимается, еслиили, то гипотезаотвергается.
в) Если то строим левостороннюю критическую область, находим. Если, то принимаем гипотезу, если, тоотвергается.
Пример. По 2 выборкам объемамиn1= 10 иn2 = 18 найдены исправленные выборочные дисперсии. При уровне значимости проверить гипотезу:.
Находим . Критическая область – двухсторонняя. ,поскольку 3 > 2,5, то гипотеза отвергается (дисперсии различаются значимо).
24.3. Сравнение двух средних нормальных генеральных совокупностей с известными дисперсиями
Пусть XиY– нормально распределенные генеральные совокупности, генеральные дисперсии которых известны и равнысоответственно. По данным независимых выборок с объемамиnиm, извлеченных из генеральных совокупностей, найдены выборочные средние. Для проверки нулевой гипотезыиспользуем случайную величину, (), которая имеет нормированный нормальный закон распределения (N(0;1)). По данным выборок определяем.
а) Если конкурирующая гипотеза имеет вид , тоzкрнаходим из равенства– функция Лапласа. Если, то гипотезупринимаем; если– то принимаем конкурирующую гипотезу.
б) Если конкурирующая гипотеза , тоzкр определяем из равенстваДалее – аналогично: если, топринимаем; если– то принимаем.
Если требуется проверить гипотезу , то наблюдаемое значение определяют по формуле.zкр определяют из равенства ипри. Далее – аналогично.
Если неизвестно, то(– исправленное выборочное среднеквадратическое отклонение),определяют по распределению Стьюдента сk=n– 1 числом степеней свободы на уровне значимости(двухсторонняя область) и 2(правосторонняя или левосторонняя критическая область) (верх-низ у Гмурмана). Если–H0 принимаем, иначе – отвергаем.