- •1. Элементы комбинаторики
- •2. Алгебра событий
- •3. Определения вероятности события
- •4. Теоремы о вероятности суммы несовместных и совместных событий
- •5. Теоремы о вероятности произведения независимых и зависимых событий
- •6. Формула полной вероятности. Формула Байеса
- •7. Формула Бернулли. Наивероятнейшее число появления события в серии испытаний
- •8. Формула Пуассона. Локальная и интегральная формулы Лапласа. Вероятность отклонения относительной частоты события от его вер-ти
- •9. Дискретные случайные величины и способы их задания.
- •10. Непрерывные случайные величины и способы их задания.
- •11. Интегральная функция распределения св и ее свойства
- •12. Дифференциальная функция распределения св и ее свойства
- •13. Числовые характеристики дсв и нсв
- •20. Точечные оценки неизвестных параметров распределения, их классификация. Точечные оценки генеральной средней и генеральной дисперсии. Доказательство смещенности выборочной дисперсии
- •21 Доверительный интервал для оценки мат ожидания нормально распределенной св при известном среднем квадратическом отклонении
- •22 Доверительный интервал для оценки мат ожидания нормально распределенной св при неизвестном среднем квадратическом отклонении
- •23 Доверительный интервал для оценки среднего квадратического отклонения нормально распределенной св.
- •24 Эмпирические и выравнивающие частоты. Нахождение выравнивающих частот для нормально распределенной св.
- •26 Статистическая гипотеза. Нулевая и конкурирующая гипотезы. Статистические критерии проверки нулевой гипотезы. Область принятия нулевой гипотезы.
- •27 Критерий Пирсона проверки статистических гипотез
26 Статистическая гипотеза. Нулевая и конкурирующая гипотезы. Статистические критерии проверки нулевой гипотезы. Область принятия нулевой гипотезы.
Критическая область и ее отыскание. Мощность критерия.
Статистической называют гипотезу о виде неизвестного распределения, или о параметрах известных распределений.
Например, статистическими будут гипотезы:
генеральная совокупность распределена по закону Пуассона;
дисперсии двух нормальных совокупностей равны между собой.
Наряду с выдвинутой гипотезой рассматривают и противоречащую ей гипотезу. Если выдвинутая гипотеза будет отвергнута, то имеет место противоречащая гипотеза. По этой причине эти гипотезы целесообразно различать.
Нулевой (основной) называют выдвинутую гипотезу .
Конкурирующей (альтернативной) называют гипотезу которая противоречит нулевой.
Для проверки нулевой гипотезы используют специально подобранную случайную величину, точное или приближенное распределение которой известно. Эту величину обозначают через U или Z, если она распределена нормально, F или — по закону Фишера — Снедекора, Т — по закону Стьюдента, — по закону «хи квадрат» и т. д. Поскольку в этом параграфе вид распределения во внимание приниматься не будет, обозначим эту величину, в целях общности, через К.
Статистическим критерием (или просто критерием) называют случайную величину К, которая служит для проверки нулевой гипотезы.
Для проверки гипотезы по данным выборок вычисляют частные значения входящих в критерий величин, и таким образом получают частное (наблюдаемое) значение критерия.
Критической областью называют область значений критерия, при которых нулевую гипотезу отвергают, областью принятия гипотезы – область значений критерия, при которых гипотезу принимают.
Область принятия нулевой гипотезы (область допустимых значений) – совокупность значений критерия, при котором нулевую гипотезу принимают. При справедливости нулевой гипотезы вероятность того, что статистика критерия попадает в область принятия нулевой гипотезы должна быть равна 1-Ркр.
Порядок проверки статистической гипотезы таков:
1) задается уровень значимости α, выбирается статистический критерий К и вычисляется (обычно по таблицам для закона распределения К) значение kкр; определяется вид критической области;
2) по выборке вычисляется наблюдаемое значение критерия Кнабл;
3) если Кнабл попадает в критическую область, нулевая гипотеза отвергается; при попадании Кнабл в область принятия гипотезы нулевая гипотеза принимается.
Мощностью критерия называют вероятность попадания критерия в критическую область при условии, что верна конкурирующая гипотеза.
Если обозначить вероятность ошибки второго рода (принятия неправильной нулевой гипотезы) β, то мощность критерия равна 1 – β. Следовательно, чем больше мощность критерия, тем меньше вероятность совершить ошибку второго рода. Поэтому после выбора уровня значимости следует строить критическую область так, чтобы мощность критерия была максимальной.
27 Критерий Пирсона проверки статистических гипотез
для проверки нулевой гипотезы Н0: генеральная совокупность распределена нормально – нужно вычислить по выборке наблюдаемое значение критерия:
а по таблице критических точек распределения χ2 найти критическую точку , используя известные значения α и k = s – 3. Если - нулевую гипотезу принимают, при ее отвергают.
ПЕРЕСТРОЕНИЯ. Pn=n!
Anm=n!/(n-m)! без повторений. Ӑnm=nm с повторениями
СОЧЕТАНИЯ (порядок не важен) Cnm=n!/m!(n-m)!
Р(А+В)=Р(А)+Р(В) несовм Р(АВ)=Р(А) РА(В) завис
Р(А+В)=Р(А)+Р(В)–P(AB) совм Р(АВ)=Р(А) Р(В)независ
Р(А)=Р(Н1) РН1(А) +…+ Р(Нn) РНn(А)
РА (Нi)= Р(Нi) *РНi(А) / Р(А) байес
Бернулли: pn(k)=Cnk * pk * qn-k
np-q≤m≤np+p наивероятн
локальн формула Лапласа
интегральной формуле Лапласа
формула Пуассона
М(Х)=mx=∑xipi
М(Х)=mx=∫–∞+∞ xf(x)dx
Для непрерывной СВ Х D(X)= ∫–∞+∞(x–mx)2f(x)dx
Для дискретной СВ Х D(X)= ∑(xi–mx)2pi
σх=√D(X)
Биномиальный Pn(X=m)= Cnm * pm * qn-m . В этом случае mx=np , D(X)=npq
Пуассона М(X)=D(X)=λ
. нормальный M(X)=a, D(X)= σ2
Показательное M(X)=1/ λ D(X)=1/ λ2 σ(X)= 1/ λ
Равномерное С = 1/(b – a)
1.) ПЕРЕСТРОЕНИЯ. Pn=n!
Anm=n!/(n-m)! без повторений. Ӑnm=nm с повторениями
Cnm=n!/m!(n-m)! СОЧЕТАНИЯ (порядок не важен)
2.) Р(А+В)=Р(А)+Р(В) несовм Р(АВ)=Р(А) РА(В) завис
Р(А+В)=Р(А)+Р(В)–P(AB) совм Р(АВ)=Р(А) Р(В)независ
р(неН1*H2+H1*неН2) Не более 4 : 1-(р5(6) + р6(6))=1-С65*Н15*неН11- С66*Н16*неН10
3) Р(А)=Р(Н1) РН1(А) +…+ Р(Нn) РНn(А)
РА (Нi)= Р(Нi) *РНi(А) / Р(А) байес
4) ХАР-КИ ДСВ : F(X)= (от 0 до 1) Если надо, по накоплению идет
М(Х)=mx=∑xipi
D(X)=M(X2)- (M(X))2 = ∑(xi–mx)2pi
σх=√D(X)
5)нормальный
M(X)=a, D(X)= σ2
Р(α<X<β)= Ф(β - a )/σ – Ф(α - a )/σ
6) f(x)= F’(x)= производная
М(Х)=mx=∫–∞+∞ xf(x)dx
D(X)= ∫–∞+∞x2f(x)dx – (М(Х)) 2
σх=√D(X)
P(a<x<b)=F(b)–F(a)
7) закон распр ДСВ
р(х=0)=р(неН1*неН2) р(х=0)=С80*С22/С102
р(х=1)=р(неН1*Н2+Н1*неН2) р(х=1)= С81*С21/С102
р(х=2)=р(Н1*Н2) р(х=2)= С82*С20/С102
М(Х)=mx=∑xipi
D(X)=M(X2)- (M(X))2 = ∑(xi–mx)2pi
σх=√D(X)
8) НЕСМЕЩ ОЦЕНКИ
ẍв=∑xini/∑ni несмещ оценка ген.средней
Dв= ∑xi2ni/∑ni – ẍв2 = 1/n∑(xi– ẍв) 2 ni
S2= n/(n–1)* Dв несмещ оценка дисперсии