- •Розділ 2. Методи оцінки параметрів розподілів
- •2.1. Предмет і задачі математичної статистики
- •2.2. Варіаційні ряди та їх характеристики
- •2.2.1. Варіаційні ряди
- •2.2.2. Емпірична функція розподілу
- •2.2.3. Графічне представлення варіаційних рядів
- •2.3. Числові характеристики статистичних розподілів
- •2.3.1. Середні величини
- •2.3.2. Показники варіації
- •2.3.3. Моменти розподілу. Характеристики форми розподілу
- •Алгоритм у Mathcad
- •2.4. Статистичні оцінки параметрів розподілів
- •2.4.1. Поняття статистичної оцінки параметрів
- •2.4.2. Точкові оцінки математичного сподівання і дисперсії
- •2.4.3. Методи знаходження оцінок параметрів розподілу
- •2.4.4. Метод моментів
- •2.4.5. Метод максимальної правдоподібності
- •2.4.6. Метод найменших квадратів
- •2.4.7. Метод мінімуму χ2
- •2.5. Методи інтервальної оцінки параметрів розподілів
- •2.5.1. Надійні інтервали
- •2.5.2. Надійний інтервал для математичного сподівання нормального розподілу a при відомому σ
- •2.5.3. Надійний інтервал для математичного сподівання нормального розподілу a при невідомому σ
- •2.5.4. Надійний інтервал для генерального середнього
- •2.5.5. Надійний інтервал для дисперсії нормального розподілу при відомому математичному сподіванні
- •2.5.6. Надійний інтервал для дисперсії нормального розподілу при невідомому математичному сподіванні
- •2.5.7. Оцінка ймовірності біноміального розподілу за частотою
- •Оцінка математичного сподівання
- •2.5.9. Оцінка параметрів гамма-розподілу
- •2.5.10. Інтервальна оцінка параметра розподілу Пуассона
- •2.5.11. Надійний інтервал для різниці середніх нормальних сукупностей при рівних дисперсіях
- •2.5.12. Надійний інтервал для різниці середніх нормальних сукупностей при різних дисперсіях
- •2.5.13. Надійний інтервал для відношення дисперсій нормальних сукупностей
2.5.5. Надійний інтервал для дисперсії нормального розподілу при відомому математичному сподіванні
Статистична модель. Нехай розподіл ознаки Х у генеральній сукупності є нормальним з параметрами а і Припустимо, що математичне сподівання (генеральне середнє) відоме. Потрібно знайти надійний інтервал для невідомої дисперсії і середнього квадратичного відхилення нормально розподіленої випадкової величини Х, якщо відоме її математичне сподівання а із заданим рівнем значущості .
Розглянемо вибіркову дисперсію повторної вибірки , яка характеризує варіацію ознаки відносно генеральної середньої а:
або
Для побудови відповідних надійних інтервалів введемо статистику
.
Враховуючи, що , , , легко показати, що , . Отже, величини мають нормований нормальний розподіл
Відомо, що розподіл суми квадратів n незалежних випадкових величин , кожна з яких має стандартний нормальний розподіл , представляє розподіл з ступенями свободи.
Таким чином, статистика має розподіл з ступенями свободи. Розподіл не залежить від невідомих параметрів випадкової величини , а залежить лише від числа ступенів свободи . Критичне значення , для якого ймовірність того, що випадкова величина, яка має - розподіл з ступенями свободи перевищить , тобто
визначається квантилем - розподілу.
Якщо – повторна вибірка із нормально розподіленої генеральної сукупності, то випадкова величина або має розподіл з ступенями свободи. Тому для заданої довірчої ймовірності можна записати
. (2.64)
Величини звичайно вибирають таким чином, щоб імовірності подій і були однакові:
.
Перетворивши подвійну нерівність в дужках у (2.64) до еквівалентного вигляду
,
одержимо формулу для надійної ймовірності для генеральної дисперсії:
, (2.65)
а також для середнього квадратичного відхилення
. (2.66)
У величини і обчислюються як квантилі порядку і розподілу з ступенями свободи за допомогою функції .
При використанні функції слід враховувати, що . Оскільки , то умова рівносильна умові
.
Таким чином, критичні значення знаходимо із виразів
(2.67)
Нижня і відповідно верхня границі надійного інтервалу для дисперсії дорівнюватимуть
(2.68)
Аналогічно для середнього квадратичного відхилення
(2.69)
2.5.6. Надійний інтервал для дисперсії нормального розподілу при невідомому математичному сподіванні
У практиці статистичного аналізу математичне сподівання , як правило, невідоме і доводиться мати справу не з середнім квадратичним відхиленням відповідно генеральної середньої а, а із вибірковою середньою , отже, і з вибірковою дисперсією або з виправленою дисперсією .
Статистична модель. Нехай розподіл ознаки Х у генеральній сукупності є нормальним з параметрами а і Припустимо, що математичне сподівання (генеральне середнє) невідоме. Потрібно із заданим рівнем значущості знайти надійні інтервали для невідомої дисперсії і середнього квадратичного відхилення цієї випадкової величини Х.
Визначимо для оцінку
,
де – оцінка невідомого математичного сподівання а.
Для побудови надійного інтервалу для дисперсії задамося рівнем значущості і визначимо величини так, щоб виконувались умови
.
Тоді
.
Звідси з імовірністю маємо нерівності
тобто
(2.70)
– надійний інтервал для невідомої дисперсії при невідомому математичному сподіванні а.
Аналогічно надійний інтервал для середнього квадратичного відхилення при невідомому математичному сподіванні буде мати вигляд
. (2.71)
Критичні значення обчислюються як квантилі відповідного порядку з ступенями свободи. У Mathcad ці величини обчислюються відповідно за функціями .
При кількості ступенів свободи можна вважати, що випадкова величина має стандартний нормальний розподіл . Тому для визначення і слід записати:
, (2.72)
звідки і після перетворень одержуємо нерівність
Таким чином, при розрахунку надійного інтервалу треба покладати
, , (2.73)
де , тобто є квантиль розподілу і визначається за функцією Mathcad .
Знання точного значення математичного сподівання у загальному випадку несуттєво зменшує довжину надійного інтервалу у порівнянні надійним інтервалом, визначеним без використання точного значення математичного сподівання. Тому, якщо є сумніви у точному значенні математичного сподівання, слід використовувати метод побудови надійних інтервалів із невідомим математичним сподіванням.
Алгоритм побудови надійного інтервалу
1. Обчислюються точкові оцінки .
2. Задається рівень значущості (довірча імовірність ).
3. Визначаються квантилі , де – функція, обернена до функції розподілу з ступенями свободи. У квантилі і обчислюються за функцією .
4. Обчислюються нижня і верхня оцінки точності для дисперсії і середнього квадратичного відхилення і .
5. Визначаються надійні інтервали для дисперсії і середнього квадратичного відхилення.
Коментар. Метод не стійкий при відхиленні від нормальності.
Приклад 2.8. За даними вибірки об’єму одержаною із генеральної сукупності, розподіленої за нормальним законом з невідомим математичним сподіванням а і невідомим середнім квадратичним відхиленням , оцінимо невідоме генеральне середнє квадратичне відхилення за вибірковим середнім квадратичним відхиленням і знайдемо для нього надійний інтервал з імовірністю .
Розв’язання. Змоделюємо за допомогою функції вибірку Х об’єму , розподілену за нормальним законом з параметрами . За даними цієї вибірки знаходимо вибіркове середнє і середнє квадратичне відхилення . За допомогою квантиля розподілу визначаємо точність оцінки і знаходимо відповідний надійний інтервал для середнього квадратичного відхилення
Алгоритм у Mathcad
Початкові дані моделі
Моделювання вибірки
Фрагмент вибірки
Вибіркові оцінки математичного сподівання і середнього квадратичного відхилення
Квантилі -розподілу
Точність нижньої і верхньої оцінки середнього квадратичного відхилення
Надійний інтервал для середнього квадратичного відхилення з рівнем значущості
◄