- •Часть II
- •8 Дифференциальное исчисление функций нескольких переменных
- •8.1 Функции двух независимых переменных
- •8.2 Частные производные
- •9.3 Полный дифференциал
- •8.4 Касательная плоскость и нормаль к поверхности
- •8.5 Экстремумы функций двух переменных
- •8.6 Условный экстремум
- •8.7 Наибольшее и наименьшее значения функции
- •8.8 Метод наименьших квадратов
- •8.9 Производная по направлению. Градиент
- •Задачи для самостоятельного решения
- •9 Кратные, криволинейные и поверхностные интегралы. Элементы теории поля
- •9.1 Двойной интеграл
- •9.2 Перемена порядка интегрирования
- •9.3 Вычисление площадей и объемов
- •9.4 Криволинейный интеграл по длине дуги
- •9.5 Геометрические и механические приложения криволинейного интеграла по длине дуги
- •9.5 Криволинейный интеграл по координатам
- •9.6 Формула Грина-Остроградского
- •9.7 Независимость криволинейного интеграла 2-го рода от формы дуги кривой
- •9.8 Геометрические и механические приложения криволинейных интегралов 2-го рода
- •Задачи для самостоятельного решения
- •10 Ряды. Гармонический анализ
- •10.1 Числовые ряды
- •10.2 Степенные ряды
- •10.3 Ряды Тейлора и Маклорена
- •10.4 Тригонометрические ряды Фурье
- •Задачи для самостоятельного решения
- •11 Дифференциальные уравнения
- •11.1 Дифференциальные уравнения первого порядка
- •11.2 Основные типы уравнений первого порядка
- •11.3 Понижение порядка уравнения
- •11.4 Линейные уравнения с постоянными коэффициентами
- •12 Операционное исчисление. Уравнения математической физики
- •12.1 Оригиналы и изображения
- •12.2 Теоремы операционного исчисления
- •12.3 Таблица изображений
- •12.4 Свёртка функций
- •12.5 Нахождение оригинала по изображению
- •12.6 Операционный метод решения дифференциальных уравнений с постоянными коэффициентами. Методы решения уравнений математической физики
- •12.7 Решение систем линейных дифференциальных уравнений с постоянными коэффициентами
- •Задачи для самостоятельного решения
- •13 Теория вероятностей
- •13.1 Классическое определение вероятности
- •Основные свойства вероятности
- •13.2 Теоремы умножения и сложения вероятностей
- •13.3 Формула полной вероятности. Формула Байеса
- •13.4 Схема Бернулли
- •13.5 Функция и плотность распределения вероятностей
- •13.6 Свойства функции и плотности распределения вероятностей
- •13.7 Числовые характеристики случайных величин
- •13.8 Свойства математического ожидания и дисперсии
- •13.9 Основные законы распределения вероятностей случайных величин
- •13.10 Связь между случайными величинами
- •Задачи для самостоятельного решения
- •14 Математическая статистика
- •14.1 Эмпирическая функция распределения. Гистограмма
- •14.2 Точечные и интервальные оценки параметров
- •14.3 Статистические гипотезы
- •Задачи для самостоятельного решения
- •Приложение а. Таблица значений функции Лапласа ф0(х)
- •Приложение б. Основные математические обозначения
14.2 Точечные и интервальные оценки параметров
Точечной оценкой (оценкой одним числом) неизвестного параметра генеральной совокупности является число, зависящее от элементов выборки. Точечными оценками математического ожидания и дисперсии генеральной совокупности Х являются выборочное среднее и выборочная дисперсия или исправленная выборочная дисперсия .
Интервальной оценкой неизвестного параметра генеральной совокупности называется интервал (* – , * + ), накрывающий неизвестное значение оцениваемого параметра с заданной вероятностью , которую называют доверительной вероятностью (рис. 14.3):
.
Рис. 14.3
Интервал (* – , * + ) называется доверительным интервалом, – точностью оценки.
Пример. Результаты измерений, полученных при испытаниях: 4; 5; 8; 9; 11. Найти оценку математического ожидания.
= 7,4.
Пример. Результаты измерений, полученных при испытаниях: 11; 13; 15. Найти оценку дисперсии s2.
Математическое ожидание (11 + 13 + 15) = 13;
исправленная выборочная дисперсия s2 = = 4.
Пример. Точечная оценка параметра распределения равна 20. Какой из интервалов (20; 21), (19; 21), (0, 20), (19, 20) может служить интервальной оценкой?
Интервальной оценкой (* – , * + ) является интервал (19; 21) при * = 20 и = 1.
14.3 Статистические гипотезы
Статистической называют гипотезу о параметрах генеральной совокупности или о виде ее распределения. Например, статистическими являются гипотезы:
1) генеральная совокупность распределена по нормальному закону;
2) дисперсии двух генеральных совокупностей равны между собой.
В первой гипотезе сделано предположение о виде неизвестного распределения, во второй – параметрах двух распределений.
Выдвинутая гипотеза называется нулевой (основной). Альтернативной (конкурирующей) называется гипотеза , которая противоречит нулевой. Например, если проверяется основная гипотеза о нулевом значении математического ожидания ( ), то предположение может быть альтернативной гипотезой ,
Выдвинутая гипотеза может быть ошибочной, поэтому возникает необходимость ее статистической проверки, т.е. непротиворечивости гипотезы и результатов опытов. После статистической проверки гипотеза может быть либо принята, либо отвергнута. Для проверки гипотезы используют специально подобранную случайную величину , распределение которой известно. Величина , обеспечивающая проверку гипотезы , называется статистическим критерием. Критической областью называется множество значений критерия , при которых нулевая гипотеза отвергается. Эта область должна быть выбрана так, чтобы попадание в нее случайной величины было событием маловероятным, если гипотеза верна. Значение критерия, вычисленное по выборке, называется наблюдаемым значением . Если эта величина оказалась в критической области, то считается, что выдвинутое предположение не согласуется с конкретной выборкой. В этом случае гипотеза признается ошибочной.
Принятое статистическое решение не всегда бывает верным. Ошибка первого рода состоит в том, что отвергнута правильная гипотеза (предположение отвергнуто, хотя оно верно). Ошибка второго рода состоит в том, что принята неправильная гипотеза (предположение признано верным, хотя оно ошибочно). Вероятность совершения ошибки первого рода называется уровнем значимости критерия.