- •Понятие генеральной совокупности и выборки. Эмпирические аналоги параметров генеральной совокупности. Два взгляда на выборку. Вероятностные свойства выборочных характеристик.
- •Выборочные моменты. Вывести формулы, устанавливающие связь между центральными и начальными выборочными моментами для
- •6. Достаточность точечной оценки. Критерий факторизации. Доказать достаточность средней арифметической , используемой в качестве оценки параметра λ пуассоновского закона распределения .
- •8. Точные и асимптотические законы распределения выборочных характеристик. Вывести закон распределения в предположении, что выборка взята из нормальной генеральной совокупности х.
- •9. Вывести закон распределения ( ) в предположении, что выборки независимы и взяты из нормальных генеральных совокупностей х и у.
- •10. Доказать, что статистика имеет - распределение с (n-1) степенями свободы.
- •11. Доказать, что статистики и s2 , полученные по выборке из нормальной генеральной совокупности, независимы.
- •12. Случайная величина и статистики, имеющие -распределение. Их применение при оценивании параметров и проверке гипотез.
- •13. Случайная величина и статистики, имеющие t-распределение Стьюдента. Их применение в задачах оценивания параметров и проверке гипотез.
- •14. Случайная величина и статистики, имеющие f-распределение, и их применение в математической статистике.
- •16. Интервальные оценки для генеральной дисперсии, полученные по выборке из нормальной генеральной совокупности.
- •19. Проверка гипотез о значении генеральной средней, при известной и неизвестной генеральной дисперсии. Вычисление мощности критерия.
- •20. Проверка гипотез о равенстве генеральных средних двух нормальных генеральных совокупностей. ( это без лекций)
- •21. Проблема Беренса - Фишера. Сравнение математических ожиданий двух нормальных генеральных совокупностей, генеральные дисперсии которых неизвестны и не равны.
- •22. Проверка предположения, что две выборки объемом n1 и n2 взяты из одной нормальной генеральной совокупности.
- •23. Проверка гипотез о значении дисперсии генеральной совокупности. Вычисление мощности критерия (Без вывода мощности)
- •24. Проверка гипотез об однородности дисперсий ряда генеральных совокупностей. Критерии Бартлетта и Кохрана.
- •Проверка гипотезы однородности ряда вероятностей в случае биноминального распределения.
- •Проверка гипотезы однородности ряда вероятностей в случае полиномиального распределения.
- •27.Однофакторный дисперсионный анализ и его цель. Разложение общей вариации на составляющие. Общий вид модели.
- •28.Модель м1 однофакторного дисперсионного анализа. Проверка гипотезы о влиянии фактора а на результативный признак у. Вывести статистику критерия.
- •29. Модель м2 однофакторного дисперсионного анализа. Проверка гипотезы о влиянии фактора а на результативный признак у. Вывести статистику критерия.(нет)
- •30. Модель м1 однофакторного дисперсионного анализа. Проверка гипотезы относительно общего среднего. Вывести статистику критерия.
- •32. Модель м2 однофакторного дисперсионного анализа. Проверка гипотезы относительно общего среднего. Вывести статистику критерия.
- •33. Двухфакторный дисперсионный анализ и его цель. Разложение общей вариации на составляющие. Особенности моделей м1, м2 и смешанных.
6. Достаточность точечной оценки. Критерий факторизации. Доказать достаточность средней арифметической , используемой в качестве оценки параметра λ пуассоновского закона распределения .
Статистическая оценка параметра называется достаточной, если условное распределение не зависит от для всех возможных значений , содержит всю информацию об оцениваемом параметре. Достаточность определяют с помощью критерия факторизации, когда функция правдоподобия L(Х1,…,Хn/ ) может быть представлена в виде произведений двух сомножителей: 1-й зависит от и ,а 2-й от результатов наблюдения . То есть L(Х1,…,Хn/ ) = G ( ; ) * Н(Х1,…,Хn). Эффективная оценка является и достаточной. Статистика, полученная на основе критерия факторизации, является миинмально достаточной статистикой, для получения которой используются минимально возможная часть информации, содержащаяся в выборке.
Доказательство: L(Х1,…,Хn/ ) = = = оценка достаточна G ( ; ) Н(Х1,…,Хn).
7. Методы получения точечных оценок. Свойства оценок метода моментов и метода максимального правдоподобия. Найти оценку наибольшего правдоподобия параметра p биномиального закона распределения по результатам k независимых выборок объемов , в которых некое событие произошло соответственно раз.
Метод моментов
Метод моментов предложил Карл Пирсон. Согласно этому методу по выборке определяется столько начальных моментов, сколько параметров имеет ЗР ген. сов.. Оценки параметров находят как функции от начальных моментов …
Например: -> 2 параметра -> для определения оценки параметров ищем и , а остальные параметры -> функции от, и , l=1…m Например, = ,
Оценки метода момента состоятельны, однако, их эффективность часто бывает значительно < 1.
Метод максимального правдоподобия
В 1925 Р. Фишер критикует метод моментов и предлагает метод максимального правдоподобия, основу которого составляет функция правдоподобия.
Пусть - выборка из генеральной совокупности Х с функцией плотности f(x; θ), где θ – вектор неизвестных параметров, которые подлежат оценке
Функция правдоподобия – вероятность или плотность вероятностей совместного наступления событий при заданном значении θ. Т. е L( |θ)= , т.к. взаимно независимые, в качестве вектор оценок θj принимается j, который максимизирует L или ln L.
Свойства: 1)Если у существует эффективная оценка, то она совпадает с оценкой максимального правдоподобия. =
2) Если сущ. достаточная статистика параметра , - будет достаточной.
3) Асимпт. свойство – оценки максимального правдоподобия – состоятельные, асимптотически эффективные (n- , и имеют асимптотически нормальный закон распределения.
8. Точные и асимптотические законы распределения выборочных характеристик. Вывести закон распределения в предположении, что выборка взята из нормальной генеральной совокупности х.
Различают точечные и асимптотические законы распределения выборочных характеристик. Точечными называют ЗР , справедливые при любых n. Асимптотическими называют ЗР , справедливые для
Если – случайная выборка из X € N(μ;σ), то также подчиняется нормальному з-ну распределения . Доказательство:
Рассмотрим понятие производящей функции СВ X, которая является функцией от t вида Производящая функция X € N(μ;σ) -
Из теоремы единственности следует, что каждому закону распределения соответствует определенная производящая функция и наоборот.
Производящая функция нормальной СВ
Производящая функция суммы независимых СВ равна произведению производящих функций этих величин. Тогда производящая функция
,