- •Теория вероятностей Относительная частота и классическое определение вероятности
- •Действия над событиями. Алгебра событий
- •Общее определение вероятностного пространства
- •Свойства вероятности
- •Независимые события и условные вероятности
- •Формулы полной вероятности. Формулы Байеса
- •Геометрическая вероятность
- •Математическое ожидание случайной величины в случае конечного вероятностного пространства
- •Случайные величины на конечных вероятностных пространствах
- •Закон распределения случайной величины в случае конечного вероятностного пространства
- •Свойства математического ожидания
- •Дисперсия случайной величины в случае конечного вероятностного пространства
- •Случайные величины на счетном вероятностном пространстве
- •Непрерывные случайные величины
- •Математическое ожидание абсолютно непрерывных случайных величин
- •Дисперсия абсолютно непрерывной случайной величины
- •Математическая статистика Обработка результатов измерения
- •Распределение выборки. Эмпирическая функция распределения
- •Полигон и гистограмма
- •Точечные оценки параметров распределения
- •Интервальные оценки параметров распределения
- •Построение доверительных интервалов (д.И.) нормального распределения
- •1) Д.И. Для математического ожидания при известной дисперсии
- •2) Д.И. Для математического ожидания при неизвестной дисперсии
- •3) Д.И. Для неизвестной дисперсии
- •Проверка статистических гипотез
- •Проверка гипотезы о виде закона распределения. Критерии согласия
- •Критерий Пирсона
Распределение выборки. Эмпирическая функция распределения
Предположим,
что мы изучаем некоторую с.в. X
и с этой целью производим ряд независимых
наблюдений. Пусть X
приняла
раз значение, равное
,
раз – значение x2,…,
nk
раз – значение xk,
при этом
,
где
– объем выборки.
Определение
6. Вариантами
с. в.
называются значения
.
Определение
7. Частотами
называются числа
,
которые показывают, сколько раз
встречаются значения
в ряде наблюдений.
|
|
Определение 9. Распределением выборки или вариационным рядом называется ранжированный (упорядоченный) перечень вариантов и соответствующих им частот . Вариационный ряд называется дискретным, если любые его варианты отличаются на постоянную величину, и интервальным, если варианты могут отличаться один от другого на сколь угодно малую величину.
Для
построения интервального ряда необходимо
определить величину частичных интервалов,
на которые разбивается весь интервал
варьирования наблюдаемых значений с.в.
.
Длину частичного интервала
нужно выбрать таким образом, чтобы
построенный ряд, с одной стороны, не был
громоздким, а с другой стороны, позволял
выявить характерные черты изменения
изучаемой с.в.X.
По формуле Стерджеса оптимальное число
интервалов определяется по формуле:
,
а длина интервала –
-
,
где
–
разность между наибольшим и наименьшим
наблюдаемыми значениями, при этом за
начало первого интервала принимается
.
Определение 10. Функция
|
|
называется
эмпирической функцией распределения,
где n
– объём выборки, nk
– частота появления варианты xk,
а
–
число выборочных
значений
<
x.
Эмпирическая функция распределения по её вариационному ряду строится так:
|
|
Значениями
являются
так называемые накопленные
частости.
График эмпирической функции распределения
строят так
же, как и график функции распределения
дискретной
с.в.
Если вариационный ряд составлен по интервалам значений и в качестве представителя интервала берется его середина, то эмпирическая функция составляется так же, как по вариационному ряду по значениям. Но в качестве представителя интервала можно брать правый конец интервала. Объединяя отрезками точки, координатами которых являются правые концы интервалов и накопленные частости соответствующих интервалов, получаем ломаную линию, являющуюся довольно хорошим приближением графика функции распределения непрерывной случайной величины. Такой график является точным, если все значения в каждом интервале распределены равномерно. Аналитический вид этой функции довольно сложен.
В
отличие от эмпирической функции
распределения
функцию распределения
генеральной совокупности называют
теоретической функцией распределения.
Функция
играет фундаментальную роль в
математической статистике. Важнейшее
её свойство состоит в том, что при
увеличении объёма выборки п
происходит
сближение
этой функции с теоретической.
