- •Лекция 1. Предмет теории вероятностей. Случайные события и вероятности событий
- •Лекция №2 Свойства вероятностей. Условная вероятность. Теоремы сложения и умножения вероятностей.
- •2.2. Формула полной вероятности. Формула Бейеса ( теорема гипотез)
- •Лекция №3 -5 Случайные величины. Функции распределения случайных величин
- •3.1. Дискретные случайные величины
- •3.2. Непрерывные случайны величины.
- •3.3. Законы распределения непрерывной случайной величины
- •Показательное распределение. Показательным (экспоненциальным) называют распределение вероятностей непрерывной случайной величины , которое описывается функцией плотности вероятности:
- •Лекция №6. Нормальное распределение.
- •Лекция 7-8. Предельные теоремы и законы больших чисел
- •Лекция №9.Случайные функции. Цепи Марков. Пуассоновский поток событий
- •Лекция №10. Предмет математической статистики. Генеральная и выборочная совокупности. Вариационные ряды и их характеристики
- •Лекция 11. Связь между генеральной и выборочной совокупностью.
- •Предельные ошибки и необходимый объем выборки (Повторный и бесповторный отбор)
- •Лекция №12. Проверка статистических гипотез.
- •Проверка гипотез о равенстве средних значений при известной и неизвестной дисперсии.
- •Проверка гипотезы о равенстве дисперсий двух нормальных генеральных совокупностей.
- •Лекция№13.Проверка статистических гипотез о законе распределения генеральной совокупности
- •Критерий согласия (хи- квадрат) Пирсона
- •Критерий согласия Колмогорова
- •Лекция №14. Основные понятия дисперсионного анализа
- •Однофакторный дисперсионный анализ
- •Понятие о двухфакторном дисперсионном анализе
- •Лекция№15. Корреляционно – регрессионный анализ
- •Свойства выборочного (статистического) коэффициента корреляции
- •Понятие о нелинейной регрессии, индекс корреляции и коэффициент детерминации
Лекция№13.Проверка статистических гипотез о законе распределения генеральной совокупности
Проверку
гипотезы
,
о том, что генеральная совокупность
подчиняется определенному теоретическому
закону распределения
,
осуществляют с помощью критериев
согласия. Доля проверки гипотезы
выбирают
некоторую случайную величину
,
характеризующую степень расхождения
теоретического
и эмпирического
распределения, закон распределения
которой при достаточно больших объемах
выборки
известен и практически не зависит от
закона распределения генеральной
совокупности. Зная закон распределения
,
можно найти вероятность того, что
приняла значение не меньше, чем фактически
наблюдаемое в опыте
,
т.е.
.
Если
мала, то это означает в соответствии с
принципом практической уверенности,
что такие, как в опыте, и большие отклонения
практически невозможны. В этом случае
гипотезу
отвергают.
Если же вероятность
не мала, расхождение между эмпирическим
и теоретическим распределением
несущественно и гипотезу
можно считать правдоподобной или, по
крайней мере, не противоречащей опытным
данным.
Существует
несколько критериев согласия:
(хи-
квадрат) Пирсона, Колмогорова, Смирнова
и т.д.
Критерий согласия (хи- квадрат) Пирсона
В
наиболее часто используемом на практике
критерии
-
Пирсона
в качестве меры расхождения
берется величина
,
равная относительной сумме квадратов
отклонений межу эмпирическими
и теоретическими
частотами попадания в интервалы
:
,
где
-число
интервалов
эмпирического распределения (вариационного
ряда),
-
объем выборки,
-
вероятность попадания случайной величины
в интервал
,
вычисленная по закону распределения,
соответствующему гипотезе
.
Доказано,
что при справедливости гипотезы
и при
критерий
имеет
-
распределение со
степенями свободы, где
-
число параметров теоретического
распределения, вычисленных по
экспериментальным данным.
Методика
применения критерия
следующая:
1.
Разбиваем всю область наблюдаемых
выборочных значений
на
интервалов шириной
и подсчитываем количество выборочных
значений
,
попавших в каждый из этих интервалов.
Предполагая, согласно выдвинутой
гипотезы, известным теоретический закон
распределения
генеральной совокупности определяем
вероятность
попадания случайной величины в интервал
:
.
Умножив
полученные вероятности на объем выборки
,
получаем теоретические частоты попадания
в интервалы и рассчитываем меру
расхождения между частотами
.
2.Для
выбранного уровня значимости
по таблице
-
распределения находим критическое
значение
при числе степеней свободы
.
3.
Если фактически наблюдаемое значение
больше критического, т.е.
,
то гипотеза
отвергается,
если
,
гипотеза
не
противоречит опытным данным.
Следует
отметить, что критерий
имеет закон распределения
лишь
при
.
Поэтому этот критерий нельзя применять
при малых объемах выборок. Поэтому
необходимо чтобы в каждом интервале
было не менее 5-10 выборочных значений,
а весь объем выборки был порядка сотен.
