- •Глава 1. Основные задачи математической статистики. Выборки и их характеристики.
- •§ 1. Предмет и задачи математической статистики.
- •§ 2. Генеральная и выборочная совокупность. Способы отбора.
- •§ 3. Статистическое распределение выборки.
- •§ 4. Полигон и гистограмма.
- •§ 5 Эмпирическая функция распределения.
- •§ 6. Числовые характеристики статистического распределения выборки.
- •§ 7. Числовые характеристики генеральной совокупности.
- •Глава 2.
- •§1 Понятие о статистических оценках параметров распределения.
- •§2. Точечные и интервальные оценки. Доверительный интервал. Точность оценки. Доверительная вероятность (надежность).
- •§3. Несмещенные, состоятельные и эффективные оценки.
- •§ 4. Точечная оценка генерального среднего по выборочной средней.
- •§ 5. Точечная оценка генеральной дисперсии по исправленной выборочной дисперсии.
- •§6. Метод моментов для точечной оценки параметра распределения.
- •Глава 3.
- •§1. Статистическая гипотеза. Основные понятия.
- •§2. Ошибки первого и второго рода.
- •§ 3. Статистический критерий. Критическая область. Область принятия гипотезы. Критические точки.
- •§ 4. Уровень значимости и мощность критерия.
- •§ 5. Виды критических областей.
- •§6. Методика проверки гипотезы.
- •§ 7. Некоторые типичные задачи проверки параметрических гипотез.
- •7.1 Проверка гипотез о среднем значении.
- •7.2 Сравнение дисперсий 2-ух совокупностей.
- •§ 8. Непараметрические гипотезы. Критерии согласия Пирсона и Колмогорова.
- •8.1 Критерий Пирсона.
- •Глава 4.
- •§ 1. Основные понятия.
- •§ 2. Элементы теории корреляции. Анализ парных связей.
- •§ 3. Оценка показателя связи по выборочным данным. Корреляционное поле.
- •§ 4. Анализ коэффициента корреляции.
- •4.1 Точечная оценка коэффициента корреляции.
- •4.2 Интервальная оценка коэффициента корреляции и проверка значимости.
- •§ 5. Регрессионный анализ. Условные средние. Выборочные уравнения регрессии.
- •§ 6. Корреляционная таблица. Выборочные линии регрессии.
- •§ 7. Линейная регрессия. Выборочный коэффициент корреляции.
- •Глава 5. Основы дисперсионного анализа.
- •§ 1. Исходные понятия.
- •§ 2. Групповое и общее среднее. Групповая, внутригрупповая, межгрупповая и общая дисперсии.
- •§ 3. Однофакторный анализ при полностью случайном плане эксперимента.
- •§ 4. Двухфакторный анализ. (При полностью случайном плане экспериментов.)
§6. Метод моментов для точечной оценки параметра распределения.
В рамках этого метода предложенного К.Пирсоном, в качестве точечных оценок теоретических моментов рассматриваемого распределения берутся эмпирические, выборочные моменты того же порядка.
Можно показать, что начальные и центральные выборочные моменты являются состоятельными оценками соответствующих теоретических моментов.
Пусть известен вид плотности распределения, зависящей от двух неизвестных параметров ;.
Требуется найти оценки этих параметров () по данным выборки (). Для нахождения оценок этих параметров составляют два уравнения, которые получаются следующим образом: приравниваем начальные моменты 1-ого порядка и центральные моменты 2-ого порядка.
=; или -теоретический начальный момент 1-ого порядка;
; или - теоретический центральный момент 2-ого порядка.
Эмпирические моменты:
1.Начальный момент:
2.Центральный момент
В общем случае, когда выборка это система случайных величин, то статистические моменты начальный и центральный тоже являются случайными величинами. ,
Глава 3.
Проверка статистических гипотез.
§1. Статистическая гипотеза. Основные понятия.
Задача проверки гипотезы в известном смысле напоминает задачу оценки параметров генеральной совокупности по данным выборки: высказывается некоторое утверждение и на основании данных выборки выносится суждение о справедливости этого утверждения.
Статистические гипотезы утверждают что-либо о статистически устойчивых событиях (события, которые могут протекать многократно при идентичных условиях).
Генеральная совокупность распределена по нормальному закону;
Дисперсии двух нормальных распределений равны;
дисперсия признака, распределенного в генеральной совокупности
0< D <2.
Определения.
Если в гипотезе утверждается что-то о значении какого-то параметра, то гипотеза называется параметрической.
Если гипотеза предполагает что-то, количественно не измеряемое (например, «признак имеет нормальное распределение»), то гипотеза называется непараметрической.
Основной (нулевой) гипотезой называют выдвинутую гипотезу.
Альтернативной (конкурирующей) называют гипотезу, которая противоречит выдвинутой.
Гипотеза называется простой, если ответ на неё однозначен («признак распределения нормальный, дисперсия распределения равна 2»)
Если ответ неоднозначен, гипотеза называется сложной.
§2. Ошибки первого и второго рода.
Выдвинутая гипотеза может быть правильной или неправильной, поэтому её необходимо проверить по эмпирическим данным (по выборки). Поскольку содержимое выборки случайно, то и высказывания, сделанные на основании исследования выборки, случайны, т.е. они могут быть и правильны, и неправильны.
В итоге проверки гипотезы может быть приняты неверные решения в двух случаях, т.е. могут быть допущены ошибки двух типов:
Ошибкой первого рода – называют ошибку, допускаемую в случае, когда отвергнута правильная основная гипотеза (отвергнута, хотя верна);
Ошибкой второго рода – называют ошибку, допускаемую в случае принятия неправильной, основной гипотезы (принята, хотя она не верна);
-
Результат проверки основной гипотезы
Возможные состояния проверяемой гипотезы.
Верна основная гипотеза
Верна альтернативная гипотеза
Гипотеза отклоняется
Ошибка 1-ого рода
Правильное решение
Гипотеза не отклоняется
Правильное решение
Ошибка 2-ого рода
Замечание
Не отрицательный результат статистической проверки гипотезы не означает, что высказанная нами гипотеза является наилучшей и единственной подходящей, просто она не противоречит имеющимся у нас выборочным данным, однако такими же свойствами могут обладать и другие гипотезы.
Принятие решения о правильности гипотезы или её ложности основано на статистических критериях.