- •1 Блок :
- •Предмет эконометрики. Цели и задачи эконометрики
- •Основные этапы эконометрического моделирования.
- •Статистические данные и способы их представления.
- •Дискретная случайная величина, закон и функция распределения
- •2. Числовые характеристики дискретных случайных величин
- •Дискретная случайная величина, распределенная по закону Пуассона. Числовые характеристики.
- •7 Вопрос Непрерывные случайные величины и их числовые характеристики.
- •8 Вопрос. Нормальное распределение случайной величины. Числовые характеристики
- •10.Вероятность попадания нормального распределения случайной величины на отрезок. Правило трех сигм.
- •11.Типовые законы распределения случайной величины
- •12 ) Генеральная совокупность и выборка из нее
- •14 ) Доверительный интервал для генеральной средней m
- •15 ) Доверительный интервал для генеральной средней а (генеральная дисперсия s2 неизвестна)
- •2 Блок :
- •Доверительный интервал для генеральной доли (относительной величины) р
- •Функция распределения, плотность распределения и их свойства.
- •Определение
- •Плотность распределения
- •Общий подход к решению задачи проверки гипотез.
- •Нулевая гипотеза (нуль-гипотеза) и альтернатива (альтернативная гипотеза)
- •6.2.2. Ошибки при проверке гипотез
- •6.2.3. Критерии значимости
- •Общая схема проверки гипотез
- •Замечание 1
- •6.2.4. Односторонние и двусторонние критерии
- •5) Модель парной линейной регрессии (плр).
- •6)Оценка коэффициентов парной линейной регрессии методом наименьших квадратов
- •7)Дисперсия наблюдаемых значения, расчетных значения, остатков (для парной линейной регрессии). Коэффициент детерминации.
- •8)Проверка статистической значимости коэффициентов парной линейной регрессии.
- •10 )Множественная линейная регрессия
- •11)Метод наименьших квадратов для нахождения параметров множественной линейной регрессии.
- •12)Проверка значимости коэффициентов множественной линейной регрессии
- •13)Классическая модель множественной линейной регрессий
- •14)Прогнозирование значений зависимой переменной для парной линейной регрессии.
- •15)Нелинейные модели , приводимые в линейному иду
14 ) Доверительный интервал для генеральной средней m
Генеральная дисперсия s2 известна
Если исходная генеральная совокупность нормальная, то выборочное распределение выборочных средних также будет нормальным. Если генеральная совокупность имеет среднюю величину m и стандартное отклонение s , то выборочное распределение средних будет иметь среднюю величину, Е (`x ) = m и стандартную ошибку . Из центральной предельной теоремы известно, что данные утверждения справедливы для ненормальной генеральной совокупности, если объем выборки n не меньше 30.
Если мы отобрали n единиц из генеральной совокупности N и нашли среднюю величину по выборке`x, то `x может быть использовано для оценки генеральной средней m. Насколько надежна эта оценка?
Рис. 5.1. Выборочное распределение выборочных средних `x для выборок объема n, взятых из нормальной генеральной совокупности со средней величиной m и дисперсией s2
На рис. 5.1 показано выборочное распределение выборочных средних. Величины `x1 и `x2 расположены симметрично относительно генеральной средний величины. Площадь под кривой, ограниченная этими пределами, включает 95% выборочного распределения. Область ниже изгиба кривой до величины `x1 включает 2,5% и область ниже изгиба кривой после величины `x2 - 2,5% распределения. Следовательно, мы можем сказать, что выборочная совокупность n единиц, взятая из нашей исходной генеральной совокупности, с вероятностью 95% будет иметь среднюю величину, лежащую между `x1 и `x2.
Средняя величина `x1 со стандартной ошибкой (`x1-m)/ SE`x находится на расстоянии ниже генеральной средней m, а средняя величина `x1 находится на таком же расстоянии выше m.
Поскольку интервал между `x1 и `x2 включает 95% распределения, мы можем определить из таблицы нормального распределения, что `x2 соответствует 1,96 стандартных ошибок выше средней m и `x1 соответствует 1,96 стандартных ошибок ниже средней m:
`x1= m - 1,96 • SE`x ;
`x2 = m + 1,96 • SЕ`x .
Поэтому расстояние от х, до х2 может быть записано как:
m ± 1,96 • SE`x.
Обычно мы проводим всего одну выборку из генеральной совокупности; рассчитываем среднее значение выборки `x и используем его для вывода о среднем значении генеральной совокупности m, из которой была взята выборка. На 95% мы уверены, что наше единственное значение `x лежит между `x1 и `x2 Если `x действительно попадает в интервал между `x1 и `x2, то тогда m должно находиться где-нибудь в пределе:
`x ± 1,96-SE`x.
Мы можем сказать, что уверены в этом на 95%. Следовательно, `x ± 1,96-SE`x. является доверительным интервалом для среднего значения генеральной совокупности с вероятностью 95%. Если, например, `x точно равно `x1, то m находится правее точки`x1. Если `x меньше`x1, то m не лежит в доверительном интервале. В этом случае мы выбрали одну из 5% выборочных совокупностей, для которой вывод, сделанный выше, неверен. Мы ограничились 95% выборочного распределения. Это был совершенно субъективный выбор. Может быть использован любой размер интервала и любая степень уверенности, что мы в нее попадем в зависимости от того, насколько мы хотим быть уверены, что среднее значение генеральной совокупности лежит внутри указанного интервала. Типичными являются 90%, 95% или 99%-ный доверительные интервалы. Какую бы величину мы не выбрали, построение доверительного интервала остается тем же. Единственная разница возникает в значении стандартизованной нормальной переменной z. Следовательно, общая формула доверительного интервала для генеральной средней имеет вид:
где za/2 — величина стандартизованной нормальной переменной, выше которой лежит (a/2)100% значений. Это дает (1 -a)100% доверительный интервал.
Например, если нам требуется найти доверительный интервал с вероятностью 95%, то тогда a = 0,05 и доверительный интервал может быть записан как:
Если известно стандартное отклонение генеральной совокупности то, тогда стандартная ошибка распределения выборочных средних находится по формуле:
и (1 - a )100% доверительный интервал для генеральной средней может быть записан как: