- •Комбинаторика
- •Комбинаторный принцип умножения
- •Размещения
- •Перестановки
- •Сочетания
- •Размещения с повторениями
- •Алгебра событий
- •Предмет теории вероятностей
- •Классификация событий
- •Действия над событиями
- •Вероятность события
- •Относительная частота события и ее свойства
- •Статистическое определение вероятности
- •Аксиоматическое определение вероятности
- •Классическое определение вероятности
- •Геометрическое определение вероятности
- •Алгебра вероятностей
- •Условная вероятность
- •Правило умножения вероятностей
- •Независимость двух событий
- •Независимость n событий
- •Правила сложения вероятностей
- •Формулы полной вероятности и Байеса
- •Формула полной вероятности
- •Формула Байеса
- •Схема Бернулли проведения независимых испытаний. Биномиальная вероятность
- •Приближенная формула Пуассона для вычисления биномиальной вероятности
- •Локальная и интегральная формулы Муавра-Лапласа
- •Одномерная случайная величина
- •Определение случайной величины
- •Дискретная случайная величина
- •Числовые характеристики дискретной случайной величины
- •Понятие числовой характеристики случайной величины
- •Математическое ожидание
- •Дисперсия
- •Мода
- •Начальные и центральные моменты
- •Биномиальное, Пуассона, геометрическое распределения
- •Биномиальное распределение
- •Распределение Пуассона
- •Геометрическое распределение
- •Непрерывная случайная величина
- •Числовые характеристики непрерывной случайной величины
- •Нормальное, показательное, равномерное распределения
- •Нормальное распределение (закон Гаусса)
- •Показательное распределение
- •Равномерное распределение
- •Двумерная случайная величина
- •Двумерная случайная величина, ее функция распределения
- •Дискретная двумерная случайная величина, ее таблица распределения
- •Непрерывная двумерная случайная величина. Плотность вероятности
- •Примеры двумерных непрерывных распределений
- •Равномерное распределение
- •Нормальное распределение
- •Зависимость и независимость двух случайных величин
- •Условные законы распределения. Числовые характеристики двумерной случайной величины. Связь между случайными величинами
- •Условные законы распределения
- •Числовые характеристики
- •Корреляционные момент и коэффициент корреляции
- •Предельные теоремы
- •Неравенства Маркова и Чебышёва
- •Неравенство А.А. Маркова
- •Неравенство П.Л. Чебышёва
- •Теоремы Чебышёва и Бернулли
- •Центральная предельная теорема для случая одинаково распределенных слагаемых
- •Цепи Маркова. Понятие случайного процесса
- •Введение в математическую статистику
- •Предмет математической статистики
- •Описательная статистика
- •Генеральная совокупность. Выборка. Выбор
- •Вариационный и статистический ряды
- •Выборочная функция распределения
- •Выборочные числовые характеристики
- •Основные оценки
- •Группированный статистический ряд. Гистограмма
- •Группированный статистический ряд
- •Оценивание генеральных числовых характеристик с помощью интервального статистического ряда
- •Гистограмма
- •Точечное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Понятие точечной статистической оценки. Требования к оценкам
- •Свойства выборочного среднего и выборочной дисперсии
- •Свойства
- •Свойства моментов
- •Метод моментов получения оценок параметров генерального распределения
- •Метод максимального правдоподобия получения оценок параметров генерального распределения
- •Интервальное оценивание числовых характеристик и параметров распределения генеральной совокупности
- •Доверительный интервал. Точность и надежность оценки
- •Доверительный интервал для математического ожидания нормальной генеральной совокупности
- •Доверительный интервал для среднего квадратического отклонения любой генеральной совокупности при большом объеме выборки
- •Проверка статистических гипотез
- •Виды статистических гипотез
- •Критерий значимости. Общая схема проверки статистических гипотез
- •Ошибки первого и второго рода. Односторонний и двусторонний критерий
- •Ошибки первого и второго рода
- •Односторонний и двусторонний критерии
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей
- •Проверка гипотезы о равенстве математических ожиданий двух генеральных совокупностей
- •Проверка гипотезы о законе распределения генеральной совокупности
- •Общие вопросы
- •Параметры проверяемого закона полностью известны
- •Параметры проверяемого закона неизвестны
- •Критерий Колмогорова
ˆ |
ˆ |
|
|
|
Определение. Оценка θn = θn(x1, . . . , xn) называется состоятельной оценкой θ, если |
||||
она стремится по вероятности к θ с ростом n: |
|
|||
|
|
ˆ |
P |
|
|
|
θn n→→∞ |
θ. |
|
Это требование сближает значение |
ˆ |
и θ |
с ростом n в вероятностном смысле. В |
|
θn |
математической статистике, как правило, применяются только состоятельные оценки.
ˆ |
называется несмещенной |
оценкой θ, если математическое |
Определение. Оценка θn |
||
ожидание оценки равно θ: |
ˆ |
|
|
|
|
|
Mθn = θ. |
|
В противном случае оценка называется смещенной. |
|
|
ˆ |
|
ˆ |
Разность Mθn − θ называется смещением оценки. |
||
Требование несмещенности означает, что выборочные значения θn,i оценок, полученные |
в результате повторения выборок, группируются не только около их математического ожидания, но и около оцениваемой величины θ.
Определение. Оценка |
ˆ |
величины θ называется робастной, если она устойчива по |
θn |
||
отношению к выбросам в статистических данных. |
Выбросы в выборке могут появиться вследствие сбоев регистрирующего прибора, грубых ошибок оператора.
Определение. Оценка ˆ числовой характеристики или параметра распределения
θn θ
называется эффективной в рассматриваемом классе T состоятельных и несмещенных оценок, если она имеет в этом классе минимальную дисперсию:
ˆ |
ˆ |
Dθn |
= min Dθn. |
|
T |
Может оказаться, что для рассматриваемого распределения и класса оценок T невозможно подобрать эффективную оценку, а можно лишь определить нижнюю грань диспер-
сий оценок Dˆ . Тогда возникает задача построения оценок, дисперсии которых будут inf θn
T
возможно ближе к этой грани. |
ˆ |
|
ˆ |
|
|
Определение. Из двух оценок |
и |
одной и той же числовой характеристики |
|||
θ1n |
θ2n |
или параметра θ распределения в классе T состоятельных и несмещенных оценок более эффективной считается та, дисперсия которой меньше.
10.2Свойства выборочного среднего и выборочной дисперсии
10.2.1Свойства x¯
Свойство 1. Выборочное среднее x¯ является состоятельной оценкой генерального математического ожидания m = MX, что следует из предельной теоремы Чебышёва:
P
x¯ → m.
n→∞
Свойство 2. x¯ является несмещенной оценкой m:
Mx¯ = m.
70
Свойство 3. x¯ не является робастной оценкой m, так как в своем составе имеет крайние элементы вариационного ряда.
Свойство 4. Dx¯ = σ2 . n
Этот результат означает, что с ростом n рассеяние x¯ уменьшается обратно пропорционально n.
10.2.2Свойства моментов
Можно показать, что выборочный начальный момент порядка l также является состоятельной и несмещенной оценкой генерального начального момента αl = MXl порядка l:
P
al n→→∞ αl;
Mal = αl.
10.2.3Свойства выборочной дисперсии DB
Свойство 1. Выборочная дисперсия является состоятельной оценкой генеральной дисперсии:
D P σ2 = X.
B n→→∞ D
Свойство 2. Вспомогательная формула для выборочной дисперсии
n
DB = n1 X(xi − m)2 − (¯x − m)2.
i=1
Свойство 3. Выборочная дисперсия DB - смещенная оценка генеральной дисперсии
σ2 с отрицательным смещением −σ2 : n
M(DB) = σ2 − σ2 . n
Вследствие смещенности выборочной дисперсии возникает задача создания несмещенной оценки дисперсии.
Так как M(DB) = n −n 1σ2, то смещение можно устранить, умножив DB на множитель
n
n − 1. Образуем
s2 = |
n |
DB = |
1 |
|
n − 1 |
n − 1 |
|||
|
|
n
X
(xi − x¯)2.
i=1
s2 называется исправленной выборочной дисперсией и является несмещенной оценкой
σ2. Действительно,
Ms2 = n −n 1MDB = n −n 1 · n −n 1σ2 = σ2.
В заключение отметим, что DB не является робастной оценкой σ2.
71