- •2. Алгебра событий. Основные операции над событиями. Теорема сложения вероятностей. Следствия.
- •3. Условная вероятность. Теорема умножения вероятностей. Следствия. Независимость событий.
- •4. Использование формул комбинаторики при непосредственном вычислении вероятностей событий.
- •5. Формула полной вероятности и Байеса.
- •6. Повторение независимых испытаний. Схема Бернулли. Формула Бернулли.
- •7. Дискретная случайная величина. Ряд распределения. Функция распределения.
- •8. Числовые характеристики дискретной св.
- •3. Среднее квадратическое отклонение
- •9. Биномиальное распределение. Частная теорема о повторении опытов. Примеры.
- •1 0. Распределение Пуассона. Простейший поток событий. Формула Пуассона для потока событий. Вероятность появления хотя бы одного события.
- •11. Непрерывная случайная величина. Функция распределения и плотность вероятности. Их свойства.
- •12. Числовые характеристики непрерывной св. М(х), d(X), σx, их свойства.
- •13. Равномерный закон распределения.
- •15. Показательный закон распределения вероятностей. Определение, графики плотности вероятности и функции распределения. Основные характеристики.
- •17. Числовые характеристики системы двух св. Корреляционный момент. Коэффицент корреляции.
- •18. Теоремы о числовых хар-ках, их применение.
- •19. Предельные теоремы теории вероятностей. Неравенство Чебышева, неравенство Маркова. Закон Больших чисел (теорема Чебышева).
- •21. Центральная предельная теорема и особая роль нормального распределения. Формулы для практического применения теории вероятностей (интегральная теорема Муавра-Лапласа).
- •22. Основные понятия математич. Статистики. Простая статистическая совокупность. Статистическая функция распределения. Статистический ряд. Полигон. Гистограмма.
- •23. Точечные оценки параметров распределения. Требования, предъявляемые к точечным оценкам. Оценки для м(х), d(X) и сдо.
- •24. Метод моментов для получения точечных оценок. Выравнивание статистических рядов.
- •25. Интервальные оценки. Доверительные интервалы.
- •26. Статистические гипотезы. Основные понятия (основная и альтернативная гипотеза, критическая область, доверительная вероятность). Проверка статистических гипотез.
- •27. Проверка статистических гипотез. Гипотеза о неизвестном среднем при известной дисперсии на примере нормального распределения.
- •Проверка статистической гипотезы о матожидании нормального распределения при известной дисперсии
- •28. Важнейшие распределения в математической статистике: распределение хи-квадрат, распределение Стьюдента.
- •29. Критерии согласия. Критерий согласия Пирсона
26. Статистические гипотезы. Основные понятия (основная и альтернативная гипотеза, критическая область, доверительная вероятность). Проверка статистических гипотез.
Статистическая гипотеза представляет собой некоторое предположение о законе распределения СВ или о параметрах этого распределения, формулируемое на основе выборки.
Различают простую и сложную гипотезу. Простая, в отличие от сложной, однозначно определяет распред-е Р, т.е. Н: {P=P0}, а сложная – утверждает принадлежность распределения Р к некоторому семейству распределений – Н: {P€P0}. Примеры:
П – {PA появления события в схеме Бернулли равна ½}
С – {PA появления события в с.Бернулли заключена м/д 0,3 и 0,6}
Г, в основе которых нет никаких допущений о конкретном виде закона распределения, называются непараметрическими, в противном случае – параметрическими.
Нулевая (основная) Г – проверяемая Г. – Н0 – утверждает, что различия между сравниваемыми хар-ками отсутствует, а наблюдаемые отклонения объясняются лишь случайными колебаниями. Альтернативная (конкур)– Н1 – противоречит Н0.
Проверка гипотезы основывается на вычислении некоторой СВ – критерия, точное или приближенное значение которого известно. Обозначение значения критерия: Z – функция от выборки: Z=(x1,…,xn).
Процедура проверки гипотезы предполагает каждому значению критерия одно из двух решений – принять или отвергнуть Г. Тем самым, все выборочное пространство разделяется на 2 непересекающихся множества S0 и S1. Если значения критерия Z попадают в область S0, Г принимается, в S1 – отвергается, т.е.: S0 – область принятия Г (ОДЗ); S1 – область отклонения гипотезы (критическая).
Принятие и отклонение гипотезы соответствует истине с некоторой вероятностью, возможны 2 рода ошибок:
Гипотеза |
Решение |
РА |
Примечание |
верная |
принимаем |
1-α |
Доверительная РА |
верная |
опровергаем |
α |
РА ошибки I рода |
неверная |
принимаем |
β |
РА ошибки II рода |
неверная |
отвергаем |
1-β |
Мощность критерия |
Доверительная – вероятность того, что значение параметра генеральной совокупности находится в построенном для него доверительном интервале. Доверительная вероятность обычно обозначается (1-α) и выбирается из значений 0,9; 0,95; 0,99 и т.п.
Оперативная хар-ка критерия – РА 1-α не допустить ошибку I рода, т.е. принять гипотезу Н0, когда она верна.
Уровень значимости – РА α допустить ошибку I рода, т.е. отвергнуть гипотезу Н0, когда она верна.
РА β допустить ошибку II рода, т.е. принять гипотезу Н0, когда она неверна.
Мощность критерия – РА (1-β) не допустить ошибку II рода т.е. отвергнуть гипотезу Н0, когда она неверна.
Т.к. критерий Z – одномерная СВ, то все ее возможные значения принадлежат некоторому интервалу и, соответственно, должны существовать точки, разделяющие критическую область и область принятия гипотезы.
О ни называются критическими.
Области – критическая область:
a) Правосторонняя – (kкр;+∞)
b) левосторонняя – (-∞;kкр)
c) двусторонняя (-∞;kкр)U(kкр;+∞)
# Пусть дана независимая выборка (X1,…,Xn)~N(µ,1), где μ – неизвестный параметр. Тогда Н0: {µ=µ0}, где μ0 – фиксированная константа, является простой гипотезой, а конкурирующая с ней Н1: {µ>µ0} – сложной.