- •ПРЕДИСЛОВИЕ
- •ОСНОВНЫЕ ОБОЗНАЧЕНИЯ
- •1. КОМБИНАТОРИКА
- •2. ТЕОРИЯ ВЕРОЯТНОСТЕЙ
- •2.1. Классическое определение вероятности
- •2.2. Геометрические вероятности
- •2.3. Теоремы сложения и умножения вероятностей
- •2.4. Формула полной вероятности
- •2.5. Формулы Байеса
- •2.6. Повторные независимые испытания
- •2.6.1. Формула Бернулли
- •2.6.2. Обобщенная формула Бернулли
- •2.7. Простейший (пуассоновский) поток событий
- •2.8. Случайные величины. Функция распределения. Функция плотности вероятности. Числовые характеристики
- •2.8.1. Случайные величины
- •2.8.2. Функция распределения
- •2.8.3. Функция плотности вероятности
- •2.8.4. Числовые характеристики случайных величин
- •2.9. Нормальный закон распределения
- •2.10. Асимптотика схемы независимых испытаний
- •2.10.2. Формула Пуассона
- •2.11. Функции случайных величин
- •2.12. Функции нескольких случайных аргументов
- •2.12.1. Свертка
- •2.12.2. Распределение системы двух дискретных случайных величин
- •2.12.3. Распределение функции двух случайных величин
- •2.13. Центральная предельная теорема
- •2.14. Ковариация
- •2.14.1. Корреляционная зависимость
- •2.14.2. Линейная корреляция
- •2.15. Функциональные преобразования двухмерных случайных величин
- •2.16. Правило «трех сигм»
- •2.17. Производящие функции. Преобразование Лапласа. Характеристические функции
- •2.17.1. Производящие функции
- •2.17.2. Преобразование Лапласа
- •2.17.3. Характеристические функции
- •3. МАТЕМАТИЧЕСКАЯ СТАТИСТИКА
- •3.1. Точечные оценки
- •3.1.1. Свойства оценок
- •3.1.2. Оценки для математического ожидания и дисперсии
- •3.1.3. Метод наибольшего правдоподобия для оценки параметров распределений
- •3.1.4. Метод моментов
- •3.2. Доверительный интервал для вероятности события
- •3.3. Проверка гипотезы о равенстве вероятностей
- •3.4. Доверительный интервал для математического ожидания
- •3.4.1. Случай большой выборки
- •3.4.2. Случай малой выборки
- •3.5. Доверительный интервал для дисперсии
- •3.6. Проверка статистических гипотез
- •3.6.1. Основные понятия
- •3.6.2. Критерий согласия «хи-квадрат»
- •3.6.3. Проверка гипотезы о независимости двух случайных величин
- •3.6.4. Проверка параметрических гипотез
- •3.6.5. Проверка гипотезы о значении медианы
- •3.6.6. Проверка гипотезы о равенстве математических ожиданий
- •3.7. Регрессионный анализ. Оценки по методу наименьших квадратов
- •3.8. Статистические решающие функции
- •4. СЛУЧАЙНЫЕ ПРОЦЕССЫ
- •4.1 Стационарные случайные процессы
- •4.2. Преобразование случайных процессов динамическими системами
- •4.3. Процессы «гибели и рождения»
- •4.4. Метод фаз Эрланга
- •4.5. Марковские процессы с дискретным множеством состояний. Цепи Маркова
- •4.6. Марковские процессы с непрерывным временем и дискретным множеством состояний
- •4.7. Модели управления запасами
- •4.8. Полумарковские процессы
- •5. НЕКОТОРЫЕ ИНТЕРЕСНЫЕ ЗАДАЧИ
- •БИБЛИОГРАФИЧЕСКИЙ СПИСОК
- •ПРИЛОЖЕНИЯ
- •ОГЛАВЛЕНИЕ
7 |
38 |
49 |
63 |
17 |
60 |
55 |
38 |
27 |
62 |
44 |
56 |
8 |
40 |
65 |
51 |
18 |
55 |
62 |
45 |
28 |
45 |
66 |
54 |
9 |
39 |
50 |
64 |
19 |
56 |
44 |
62 |
29 |
66 |
54 |
45 |
10 |
47 |
38 |
62 |
20 |
46 |
59 |
60 |
30 |
45 |
55 |
62 |
3.6.3. Проверка гипотезы о независимости двух случайных величин
Постановка задачи. Можно ли по результатам наблюдений двух случайных величин сделать вывод об их зависимости или независимости.
В приложениях эта задача имеет следующую постановку. Пусть каждый элемент генеральной совокупности обладает двумя признаками A и B, признак A имеет градации(или уровни) A1, A2 ,K, Ak , а признакB различается по уровням B1, B2 ,K, Bs . Возникает вопрос, связаны ли друг с другом эти признаки?
Естественно считать, что A и B независимы, если при выборе любого элемента генеральной совокупности независимы события«признак A
принимает значение Ai» и «признак B принимает значение Bj» при всех i и j. Формально это означает, что
|
|
|
|
|
|
|
P( Ai Bj ) = P( Ai )P(Bj ) |
|
(3.6.4) |
|
||||||
для |
всех Ai |
и Bj. Проверить |
непосредственно выполнение |
соотношения |
||||||||||||
(3.6.4) нет возможности, так как значения входящих в него вероятностей |
||||||||||||||||
неизвестны. |
|
|
|
|
|
наугадn |
|
|
|
|
|
|
|
|
||
|
Пусть |
у |
|
взятых |
|
|
членов |
|
генеральной |
совокупности |
||||||
определены величины признаков A и B. По этим результатам можно найти |
||||||||||||||||
nij –– |
число |
наблюдений |
пары значений признаковAi и Bj. Тогда общее |
|||||||||||||
число наблюдений значений признака Ai равно |
|
|
|
|
||||||||||||
|
|
|
|
|
s |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ånij |
= ni1 + ni 2 +K+ nis |
= ni* . |
|
(3.6.5) |
|
||||||
|
|
|
|
|
j=1 |
|
|
|
|
|
|
|
|
|
|
|
Аналогично, число наблюдений признака Bj равно |
|
|
|
|
||||||||||||
|
|
|
|
|
r |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
ånij |
= n1 j + n2 j +K+ nrj |
= n* j . |
|
(3.6.6) |
|
||||||
|
|
|
|
|
i=1 |
|
|
|
|
|
|
|
|
|
|
|
|
Обычно |
результаты |
наблюдений |
|
оформляют |
в |
|
виде ,таблицы |
||||||||
которую называют таблицей сопряженности признаков. |
|
|
|
|
||||||||||||
|
|
|
|
|
Таблица сопряженности признаков |
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
B |
A |
|
A1 |
|
A2 |
|
|
L |
Ai |
|
L |
|
Ak |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
B1 |
|
|
n11 |
|
n21 |
|
|
L |
ni1 |
|
L |
|
nk1 |
|
n*1 |
|
B2 |
|
|
n12 |
|
n22 |
|
|
L |
ni2 |
|
L |
|
nk2 |
|
n*2 |
|
L |
|
|
L |
|
L |
|
|
L |
L |
|
L |
|
L |
|
L |
|
216
Bj |
n1j |
n2j |
L |
nij |
L |
nkj |
n*j |
L |
L |
L |
L |
L |
L |
L |
L |
Bs |
n1s |
n2s |
L |
nis |
L |
nks |
n*s |
|
n1* |
n2* |
L |
ni* |
L |
nk* |
n |
Введем обозначения для вероятностей. Положим
|
|
|
|
|
s |
|
|
|
|
|
|
|
r |
|
|
|
|
pij = P( Ai B=j ), P(=Ai ) |
|
å=Pij |
pi*=, |
P(Bj ) åPij |
p* j . |
|
|
||||||||||
|
|
|
|
|
j=1 |
|
|
|
|
|
|
|
i=1 |
|
|
|
|
Необходимо проверить |
|
гипотезуH0: |
pij |
|
= pi* p* j |
для |
|
всех пар(i, j), |
|||||||||
i =1, 2,K, k, j =1, 2,¼, s. |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Если наблюдений много (хотя бы несколько десятков), то по теореме |
|||||||||||||||||
Бернулли |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
nij |
¾¾¾® p , |
|
n |
¾¾¾® p |
, |
|
n* j |
¾¾¾® p |
. |
|
||||||
|
|
|
|
i* |
|
|
|
|
|||||||||
|
|
|
|
|
|
|
|
||||||||||
|
n |
n®¥ |
ij |
|
|
n |
n®¥ |
i * |
|
|
n |
n®¥ |
* j |
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
Критерий основан |
|
на |
|
|
сравнении |
|
наблюдаемых |
чисел появления |
|||||||||
комбинаций признаков с числами появлений, которые должны были бы быть, если бы признаки были независимы и не подвергались различным случайностям.
|
|
|
Поскольку вероятность наступления двух |
независимых событий |
|
равна произведению вероятностей этих событий, то за оценку вероятности |
|||||
совместного появления событийAi и Bj можно |
принять произведение |
||||
|
n |
n* j |
(обе эти дроби –– оценки соответствующих вероятностей). Тогда |
||
|
i* |
× |
|
||
|
|
n |
|||
|
n |
|
|
||
теоретическое число наблюдений пары Ai и Bj должно быть равным
n × |
n |
n* j |
|
ni*n* j |
. |
|
||
i* |
× |
|
= |
|
|
|
||
|
n |
|
n |
|
||||
|
n |
|
|
|
|
|||
Эту величину можно назвать теоретическим числом появлений парыAi и |
||||||||
Bj. При верной гипотезе |
величины |
ni*n* j |
не должны значительно |
|||||
n |
|
|||||||
|
|
|
|
|
|
|
|
|
отличаться от nij. О степени расхождения между ними можно судить по величине
|
|
|
æ |
|
|
|
n n |
ö2 |
|
|
|
|
|
|
ç |
n |
- |
i* * j |
÷ |
|
|
||
|
|
|
|
|
|
|
|||||
|
|
k s |
ij |
|
|
n |
|
|
|||
|
2 |
è |
|
|
|
ø |
|
|
|||
U |
|
= åå |
|
|
|
|
|
|
|
. |
(3.6.7) |
|
|
|
|
ni*n* j |
|
||||||
|
|
i=1 j=1 |
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
n |
|
|
|
|
Если гипотеза H0 о независимости верна, то при n ® ¥ величина U 2 |
|||||||||||
имеет распределение «хи-квадрат» с |
r = (k -1)(s -1) |
степенями свободы. |
|||||||||
Число степеней свободы определяется из следующих соображений. Всего слагаемых rs. На них накладываются связи. Прежде всего,
217
ånij = n.
ij
Определяя ni*, мы воспользовались k равенствами (3.6.5), но в силу
k |
|
|
|
|
|
åni* = n, фактически независимых |
слагаемых |
будетk – 1. Из |
тех же |
||
i=1 |
|
|
только s -1 |
слагаемое |
является |
соображений |
в |
равенствах(3.6.6) |
|||
независимым. Поэтому число степеней свободы
r= ks – (k -1) – (s – 1) – 1 = (k – 1)(s – 1).
Втаблице распределенияc2 по заданному уровню значимости иβ
числу степеней свободы r = (k – 1)(s – 1) |
находим c2 |
такое, что P(U 2 ³ c2 ). |
||
|
b |
|
|
b |
Критическая область для проверки гипотезы имеет вид W |
= [c2 |
,¥) . Остается |
||
|
|
0 |
b |
|
вычислить фактическое значениеU 2 . |
Если оно |
попадает |
в критическую |
|
область, то гипотеза отвергается, при этом вероятность ошибочности этого
вывода равна |
β. Если вычисленное |
значениеU 2 |
не входит в |
критическую |
|||
область, то гипотеза опытным данным не противоречит. |
|
|
|||||
Пример 3.17. Данные о сдаче экзамена246 студентами сгруппированы |
|||||||
в зависимости от места окончания студентом средней школы. |
|
|
|||||
|
|
|
|
|
|
|
|
Оценка |
Москвичи |
Ближнее |
|
Иногородние |
n*j |
|
|
Подмосковье |
|
|
|||||
|
|
|
|
|
|
||
Отлично |
16 |
|
11 |
|
19 |
46 |
|
Хорошо |
21 |
|
21 |
|
26 |
68 |
|
Удовл. |
35 |
|
38 |
|
19 |
92 |
|
Неудовл. |
13 |
|
10 |
|
17 |
40 |
|
ni* |
85 |
|
80 |
|
81 |
246 |
|
Можно ли по этим данным заключить, что успеваемость студентов практически не зависит от места получения ими среднего образования? (Уровень значимости взять, например, равным 0,05.)
Решение. Предположим, что успеваемость студентов не зависит от места получения среднего образования(это гипотеза, которую предстоит проверить). Число степеней свободы равно r = (3 – 1)(4 – 1) = 6. Для уровня
значимости |
b = 0,05 |
и числа степеней свободыr = 6 из таблицы |
|||||||||||
распределения «хи-квадрат» (см. прил., табл. П4) |
находим критическое |
||||||||||||
значение c2 |
=12,59 . |
Критическую |
область W |
|
|
составляют значения |
|||||||
b |
|
|
|
|
|
|
|
0 |
|
|
|
|
|
U 2 Î[12,59; ¥) . Вычислим фактическое значение U 2 |
по формуле (3.6.7): |
||||||||||||
U |
2 |
æ |
46 ×85 |
ö2 |
46 ×85 |
æ |
|
46 ×80 |
ö2 |
46 ×80 |
|
||
|
= ç16 - |
|
÷ |
|
+ ç11 |
- |
|
÷ |
|
|
|
+ |
|
|
246 |
246 |
246 |
|
246 |
||||||||
|
|
è |
ø |
è |
|
ø |
|
|
|||||
218
æ |
|
46 ×81 |
ö2 |
46 ×81 |
æ |
|
|
68 ×85 |
ö2 |
68 ×85 |
|
|||
+ç19 |
- |
|
÷ |
|
|
|
+ ç |
21 - |
|
|
÷ |
|
+K+ |
|
246 |
246 |
|
246 |
246 |
||||||||||
è |
|
ø |
|
è |
|
|
ø |
|
||||||
|
|
æ |
|
40 ×81 |
ö2 |
40 ×81 |
|
|
|
|
||||
|
|
+ç17 - |
|
|
|
÷ |
|
|
|
=11,047. |
|
|||
|
|
246 |
|
246 |
|
|||||||||
|
|
è |
|
|
ø |
|
|
|
|
|||||
Вычисленное значение U 2 =11,047 <12,59 , т.е. не является критическим. Расхождения в данных по успеваемости можно объяснить случайными факторами (случайный отбор студентов, случайности при выборе билета на экзамене и т.д.).
Ответ. Предположение о независимости успеваемости студентов от места получения ими среднего образования не противоречит опытным данным.
Задача 3.17. Приведены данные о возрасте и уровне образования (среднее, среднее профессиональное, высшее) у работников некоторой фирмы. При уровне значимости 0,05 проверьте гипотезу о том, что уровень образования и возраст независимы.
Образование |
Среднее |
Среднее |
Высшее |
|
Возраст |
|
профессиональное |
|
|
до 30 лет |
n11 |
n21 |
n31 |
n*1 |
больше 30 лет |
n12 |
n22 |
n32 |
n*2 |
|
n1* |
n2* |
n3* |
n |
|
|
|
|
|
(См. пример 3.17 и исходные данные.)
Исходные данные к задаче 3.17.
№ |
n11 |
n21 |
n31 |
n12 |
n22 |
n32 |
1 |
20 |
13 |
18 |
23 |
20 |
26 |
2 |
36 |
32 |
21 |
14 |
11 |
16 |
3 |
25 |
18 |
21 |
19 |
22 |
15 |
4 |
19 |
22 |
15 |
25 |
18 |
21 |
5 |
17 |
18 |
12 |
22 |
14 |
17 |
6 |
31 |
21 |
30 |
19 |
32 |
28 |
7 |
16 |
20 |
33 |
21 |
14 |
26 |
8 |
21 |
22 |
32 |
17 |
30 |
28 |
9 |
35 |
26 |
22 |
29 |
20 |
24 |
10 |
28 |
21 |
29 |
20 |
25 |
21 |
11 |
32 |
27 |
35 |
22 |
28 |
26 |
12 |
38 |
35 |
34 |
27 |
21 |
25 |
13 |
13 |
10 |
15 |
25 |
14 |
23 |
14 |
39 |
35 |
34 |
27 |
19 |
26 |
15 |
22 |
14 |
17 |
16 |
23 |
18 |
№ |
n11 |
n21 |
n31 |
n12 |
n22 |
n32 |
16 |
21 |
25 |
20 |
29 |
21 |
28 |
17 |
28 |
32 |
19 |
30 |
21 |
31 |
18 |
15 |
22 |
19 |
21 |
18 |
25 |
19 |
24 |
20 |
29 |
22 |
26 |
35 |
20 |
16 |
11 |
14 |
21 |
32 |
36 |
21 |
21 |
18 |
25 |
15 |
22 |
19 |
22 |
28 |
30 |
17 |
32 |
22 |
21 |
23 |
26 |
28 |
22 |
35 |
27 |
32 |
24 |
26 |
14 |
21 |
33 |
20 |
16 |
25 |
25 |
21 |
27 |
34 |
35 |
38 |
26 |
18 |
23 |
16 |
17 |
14 |
22 |
27 |
23 |
14 |
25 |
15 |
10 |
13 |
28 |
26 |
20 |
23 |
18 |
13 |
20 |
29 |
26 |
19 |
27 |
34 |
35 |
38 |
30 |
29 |
25 |
28 |
37 |
40 |
41 |
219
