Студопедия КАТЕГОРИИ: АвтоАвтоматизацияАрхитектураАстрономияАудитБиологияБухгалтерияВоенное делоГенетикаГеографияГеологияГосударствоДомЖурналистика и СМИИзобретательствоИностранные языкиИнформатикаИскусствоИсторияКомпьютерыКулинарияКультураЛексикологияЛитератураЛогикаМаркетингМатематикаМашиностроениеМедицинаМенеджментМеталлы и СваркаМеханикаМузыкаНаселениеОбразованиеОхрана безопасности жизниОхрана ТрудаПедагогикаПолитикаПравоПриборостроениеПрограммированиеПроизводствоПромышленностьПсихологияРадиоРегилияСвязьСоциологияСпортСтандартизацияСтроительствоТехнологииТорговляТуризмФизикаФизиологияФилософияФинансыХимияХозяйствоЦеннообразованиеЧерчениеЭкологияЭконометрикаЭкономикаЭлектроникаЮриспунденкция |
Центральная предельная теорема
Рассмотрим другую закономерность, возникающую в результате суммарного действия случайных величин. При некоторых условиях совокупное действие случайных величин приводит к определенному, а именно — к нормальному закону распределения.Центральная предельная теорема представляет собой группу теорем, посвященных установлению условий, при которых возникает нормальный закон распределения. Среди этих теорем важнейшее место принадлежит теореме Ляпунова. Теорема Ляпунова. Если .X , X ,…, X независимые С.В, у каждой из к-х существует мат. ожидание M(X )=a, дисперсия D(X )= , абсолютный центральный момент третьего порядка M(|X -a | )=m и . (80) , то закон распределения суммы Y =X +X +…+X при n неограниченно приближается к нормальному с математическим ожиданием и дисперсией . В данном вопросе громоздкие, хотя и достаточно понятные доказательства теорем без к-х ответ окажется очень маленьким. Хотя по усмотрению, можете обойтись перечислением теорем если не успеваете. Проверка статистических гипотез: принципы практической уверенности, статистическая гипотеза и общая схема её проверки, основная и альтернативная гипотезы, простая и сложные гипотезы, ошибки первого и второго ряда при проверке гипотезы, мощность критерия Пусть имеется некоторая выборка значений случайной величины , функция распределения которой неизвестна. Статистической гипотезой называется любое предположение о распределении наблюдений, например, предположение о том, что функция распределения совпадает с некоторой наперед заданной функцией : (такая гипотеза называется простой), или о том, что функция распределения принадлежит некоторому параметрическому семейству распределений : (сложная статистическая гипотеза). Если рассматривается всего 2 взаимоисключающие гипотезы, то одну из них принято называть основной (нулевой) и обозначать , а другую – альтернативной (противоположной), она обозначается . Обычно за принимается такая гипотеза, отвержение которой, когда она на самом деле верна, будет иметь наихудшие последствия по сравнению с теми, когда за выбирается другая гипотеза. При проверке статистических гипотез используется принцип практической уверенности: «если вероятность события А в данном опыте весьма мала, то можно вести себя так, как будто событие А вообще невозможно, т. е. не рассчитывать на его появление; если же вероятность события близка к 1, то можно предполагать, что оно достоверно произойдет». Таким образом, при правильном выборе допустимого отклонения вероятности правильного решения о принятии или не принятии гипотезы мы можем на основании вероятностных данных делать выводы невероятностного характера (например, о свойствах случайных величин). Типовые постановки задачи при проверке статистических гипотез: 1) ; другие предположения невозможны. 2) Простая основная гипотеза и сложная альтернатива . 3) Сложная основная гипотеза и сложная альтернатива . 4) Гипотеза однородности: имеется несколько выборок случайных величин с распределениями соответственно. Рассматриваются сложная основная гипотеза и альтернатива . 5) Гипотеза независимости: наблюдается пара случайных величин , имеем выборку . Рассматриваются сложная основная гипотеза и альтернативная ей гипотеза . 6) Гипотеза случайности: наблюдается случайных величин . Рассматривается сложная основная гипотеза и альтернативная ей гипотеза . Пусть имеются гипотезы . Тогда статистическим критерием называется правило принятия одной из этих гипотез на основании имеющейся выборки, то есть отображение . Для заданного критерия будем говорить, что произошла ошибка -го рода, если гипотеза была отвергнута критерием в то время как она верна. Тогда вероятность ошибки -го родадля критерия равна . Пусть рассматриваются две простые гипотезы . Тогда критерием будет отображение , делящее на два подмножества (критическая область) и : Вероятность ошибки первого рода: . ////////////////////////////////////////////// Пусть дана выборка из неизвестного совместного распределения , и поставлена бинарная задача проверки статистических гипотез: где H0 — нулевая гипотеза, а H1 — альтернативная гипотеза. Предположим, что задан статистический критерий , сопоставляющий каждой реализации выборки одну из имеющихся гипотез. Тогда возможны следующие четыре ситуации: Распределение выборки соответствует гипотезе H0, и она точно определена статистическим критерием, то есть . Распределение выборки соответствует гипотезе H0, но она неверно отвергнута статистическим критерием, то есть . Распределение выборки соответствует гипотезе H1, и она точно определена статистическим критерием, то есть . Распределение выборки соответствует гипотезе H1, но она неверно отвергнута статистическим критерием, то есть . Во втором и четвертом случае говорят, что произошла статистическая ошибка, и её называют ошибкой первого и второго рода соответственно. [1][2]
//////////////////////////////////////////////////////////////////// Мощностью критерия называется величина . Несмотря на разнообразие самих гипотез и применяемых критериев, их можно объединить в следующую общую логическую схему: 1. Выдвижение гипотез и . 2. Выбор уровня значимости – вероятности ошибки первого рода. Эту величину называют также размером критерия. Выбор величины зависит от размера потерь, которые мы понесем в случае ошибочного решения. 3. Выбор критерия . Значение критерия является случайной величиной и в предположении справедливости нулевой гипотезы подчинено некоторому хорошо изученному закону распределения с плотностью . 4. Определение критической области исходя из следующего условия: . Из таблиц распределения находят квантили уровня и уровня , соответственно равные и . Они разделяют всю область возможных значений случайной величины на три части: 1 – область неправдоподобно малых , 2 – правдоподобных , 3 – неправдоподобно больших значений в условиях справедливости нулевой гипотезы . В тех случаях, когда опасными для нашего утверждения являются только односторонние отклонения, т. е. только «слишком маленькие» или только «слишком большие» значения критической статистики находят лишь одну квантиль: либо , либо которая будет разделять весь диапазон значений на две части. 5. Определение на основе выборочных данных численной величины статистики . 6. Выработка решения. Если , то гипотезу рекомендуется отклонить, в противном случае ее можно принять, т.к. имеющиеся данные не противоречат высказанной гипотезе. Пусть , - плотности распределения критической статистики соответственно при справедливости нулевой гипотезы и альтернативной гипотезы , , - параметры распределения при и . Тогда ошибки первого и второго рода определяются выражениями и где - граница критической области . Тогда мощность критерия .
Линейные пространства. Определение, примеры, простейшие свойства. Единственность нейтрального, единственность противоположного элемента. Линейная зависимость. Координаты векторов и их связь при переходе к другому базису.
|
|||||||||||||||
Последнее изменение этой страницы: 2018-05-29; просмотров: 244. stydopedya.ru не претендует на авторское право материалов, которые вылажены, но предоставляет бесплатный доступ к ним. В случае нарушения авторского права или персональных данных напишите сюда... |