- •Оглавление
- •Глава 1. Теория вероятностей 10
- •Глава 2. Математическая статистика 44
- •Глава 3. Случайные процессы 67
- •Введение
- •Глава 1. Теория вероятностей
- •1.1. Случайные события Основные понятия теории вероятностей
- •Основные определения
- •Операции над случайными событиями
- •Элементы комбинаторики
- •Классическое определение вероятности
- •Свойства вероятности
- •Вопросы для самопроверки
- •1.2. Теоремы сложения и умножения вероятностей Теорема сложения вероятностей
- •Теорема умножения вероятностей Условная вероятность
- •Обобщенная теорема умножения вероятностей
- •Независимость случайных событий
- •Вопросы для самопроверки
- •1.3. Формула Бернулли. Формула полной вероятности Повторение испытаний. Формула Бернулли
- •Формула полной вероятности
- •Вопросы для самопроверки
- •1.4. Дискретные случайные величины
- •Закон распределения дискретной случайной величины
- •Биномиально распределенные случайные величины
- •Математическое ожидание случайной величины
- •Свойства математического ожидания
- •Дисперсия случайной величины
- •Свойства дисперсии
- •Функция распределения случайной величины
- •Свойства функции распределения
- •Вопросы для самопроверки
- •1.5. Непрерывные случайные величины
- •Плотность вероятности непрерывной случайной величины
- •Cвойства функции плотности вероятности
- •Нормальное распределение
- •Правило трех сигм
- •Независимость случайных величин. Коэффициент корреляции
- •Свойства коэффициента корреляции
- •Предельные теоремы теории вероятностей
- •Закон больших чисел в форме Чебышева
- •Следствия из закона больших чисел
- •Центральная предельная теорема (теорема Ляпунова)
- •Вопросы для самопроверки
- •Глава 2. Математическая статистика
- •2.1. Основные понятия математической статистики
- •Приемы обработки выборок
- •Построение гистограммы относительных частот
- •Точечные оценки параметров генеральной совокупности
- •Дополнительные свойства точечных оценок
- •Проверка взаимозависимости генеральных совокупностей. Выборочный коэффициент корреляции
- •Интервальные оценки параметров генеральной совокупности
- •Вопросы для самопроверки
- •2.2. Статистическая проверка статистических гипотез
- •Этапы проверки статистических гипотез
- •Проверка гипотез о параметрах генеральных совокупностей
- •Проверка гипотезы о виде распределения генеральной совокупности. Критерий согласия Пирсона
- •Вопросы для самопроверки
- •Глава 3. Случайные процессы
- •3.1. Элементы теории случайных процессов Определение случайного процесса
- •Основные характеристики случайных процессов
- •Свойства математического ожидания
- •Дисперсия случайного процесса и ее свойства
- •Корреляционная функция случайного процесса и ее свойства
- •Нормированная корреляционная функция
- •Взаимная корреляционная функция и ее свойства
- •Нормированная взаимная корреляционная функция
- •Производная и интеграл от случайной функции
- •Интеграл от случайной функции и его характеристики
- •Вопросы для самопроверки
- •Заключение
- •Библиографический список
Проверка гипотез о параметрах генеральных совокупностей
Задача 1. Проверка гипотезы о числовом значении математического ожидания нормальной генеральной совокупности Х = N(а, ). : а = а0. Точное теоретическое значение а – неизвестно, – среднеквадратическое отклонение – известно из каких-либо соображений. Имеется выборка объема n: (x1, …, xn). Требуется ответить на вопрос: верна или нет гипотеза, что а = а0, совершая при этом ошибку первого рода с вероятностью не более .
Решение
Э т а п 1. : а = а0. – альтернативная гипотеза, может быть взята одного из трех видов:
Случай 1. : а > а0 выбираем, когда значение К по выборке – достаточно большое положительное число.
Случай 2. : а < а0, когда К – большое по модулю отрицательное число.
Случай 3. : а ≠ а0, в остальных ситуациях.
Э т а п 2. Зададим уровень значимости .
Э т а п 3. Построим критерий в виде . В математической статистике строго доказывается, что . Это случайная величина, ее конкретные значения получаются подстановкой значения , вычисленного по выборке (х1, …, хn). Так как К является нормированной нормальной случайной величиной, то Р (К (u1, u2)) = Ф (u2) – Ф (u1), где Ф – интегральная функция Лапласа.
Э т а п 4. Построение критической области :
Случай 1. : а > а0. Основное соотношение:
Р(К > ) = ,
. Найдем : = = ,
но , следовательно, , . Отсюда – это значение может быть найдено с помощью таблиц для функции Лапласа. Функции и – монотонно возрастающие. Если уровень значимости уменьшается, то обратная функция Лапласа увеличивается, увеличивается, соответственно, критическая область уменьшается.
Случай 2. : а < а0, значит,
Основное соотношение = , следовательно, = = = ,
значит, .
Окончательно, .
Случай 3. : а ≠ а0.
=
=
,
следовательно, . Значит , , в свою очередь, .
Э т а п 5. Вычисляем критерий К по выборке, сравниваем полученное значение с и отвергаем либо принимаем гипотезы и , оценивая при этом вероятность ошибки.
Пример. Проведено 16 замеров времени изготовления детали. Среднее время изготовления детали = 48 с. Предполагается, что время изготовления подчиняется нормальному распределению с дисперсией = 9 с2. На уровне значимости = 0.05 ответить на вопрос: можно ли принять значение 50 с в качестве математического ожидания времени изготовления детали?
Решение.
: а = 50, а0 = 50, n = 16. – а0 < 0 – надо взять левостороннюю критическую область. Конкурирующая гипотеза : а < а0.
, = .
К , значит, основную гипотезу придется отвергнуть, а принять конкурирующую : математическое ожидание а < 50. Однако, если взять значение а0 = 49, то основная гипотеза будет принята. Следует отметить, что если уменьшить уровень значимости до 0.01, то , критерий уже не попадает в критическую область , и основная гипотеза : а = а0 в этом случае будет принята даже при а0 = 50.
Задача 2. Проверка гипотезы о равенстве генеральных средних двух независимых нормальных генеральных совокупностей X и Y.
Постановка задачи: генеральные совокупности X и Y распределены по нормальному закону: X = N(ax, ) и Y = N( , ). Средние квадратические отклонения и предполагаются известными. Имеются две независимые выборки x1, …, xn и y1, …, ym. Требуется ответить на вопрос: можно ли принять гипотезу : = , имея при этом вероятность совершить ошибку первого рода Р( / ) не более ?
Решение.
Э т а п 1. : = . Конкурирующую гипотезу, как и в предыдущей задаче, можно формулировать в трех видах:
: < , : > и : .
Э т а п 2. Вводим уровень значимости .
Э т а п 3. Критерий К = – конкретные значения этой случайной величины находятся по выборкам. Найдем ее закон распределения, точнее, докажем, что К = N(0, 1).
Действительно, является линейной комбинацией независимых нормальных случайных величин Xi, Yj, поэтому она сама имеет нормальный закон распределения. Найдем ее числовые характеристики (используя сведения из теории вероятности):
– по предположению.
=
= (вследствие независимости всех слагаемых). При делении на среднее квадратическое отклонение нормируется и становится равным 1, а на математическое ожидание это не влияет.
Э т а п 4. Построение критической области. Аналогично предыдущей задаче, получаем:
при : > , при : < ,
при : ≠
Э т а п 5. По выборкам находим конкретное значение критерия К и сравниваем его с . Если , то основную гипотезу отвергаем, а альтернативную принимаем. Если же , то принимается.