Xreferat.com » Рефераты по экономике » Основные понятия статистики

Основные понятия статистики

height="68" align="BOTTOM" border="0" />.


Например, μ2 - есть дисперсия.

В случае непрерывных случайных величин в теоретических моментах суммы заменяются интегралами с бесконечными пределами.

Пример. Для показательного распределения единственным параметром является λ. Для его оценивания нужно одно уравнения. Возьмем, например, приравняем первые начальные моменты – теоретический и эмпирический.

Первый начальный теоретический момент получается интегрированием по частям выражения:


m1Т = Основные понятия статистики


Первый начальный эмпирический момент имеет вид: m1Э =Основные понятия статистики

Приравняем их:


m1Э = m1ТОсновные понятия статистики Основные понятия статистики = Основные понятия статистики Основные понятия статистики Основные понятия статистики = Основные понятия статистики


Пример. Для нормального распределения, определенного двумя параметрами, Мх и σ, приравняем теоретический и эмпирический моменты первого порядка и центральные моменты второго порядка: m1T = Mx, μ2T = σ2


m1Э = Основные понятия статистики, μ2Э = Основные понятия статистики


отсюда


Основные понятия статистики , Основные понятия статистикиОсновные понятия статистики = Основные понятия статистики

или Основные понятия статистики

В ы в о д ы. В рассмотренных примерах оценки, полученные методом максимального правдоподобия и моментов, совпали, однако этот факт не является общим. Для других распределений оценки, полученные различными методами, могут не совпадать.

Итак, оценками двух основных параметров генеральной совокупности,– математического ожидания и дисперсии являются:

- для математического ожидания - выборочная средняя, определяемая как среднее арифметическое полученных по выборке значений:


Основные понятия статистики ,


где xi – варианта выборки, ni – частота повторяемости варианты, n – объём выборки

собой среднюю арифметическую квадратов отклонений вариант от их выборочной для дисперсии – выборочная дисперсия, представляющая средней:


d = Основные понятия статистики .


Для расчетов может быть использована также эквивалентная формула, получающаяся после возведения в квадрат и почленного суммирования:


d = Основные понятия статистики,


где Основные понятия статистики - выборочная средняя квадратов вариант выборки.

После получения оценок с помощью любого из вышеприведенного метода остается нерешенным важнейший вопрос о несмещенности и эффективности оценок. Этот вопрос для математического ожидания решается положительно, т.е. Основные понятия статистики- несмещенная оценка для Мх. Для дисперсии – отрицательно, т.е. d является смещенной оценкой для D = σ2.

Для устранения смещенности выборочной дисперсии её следует умножить на величину n/(n-1) и получим:


S2 = Основные понятия статистики.


Величину S2 называют несмещенной или «исправленной» выборочной дисперсией

Пример. Покажем, что оценка математического ожидания с помощью выборочной средней является несмещенной.

Решение. Оценка параметра называется несмещенной, если математическое ожидание оценки равно оцениваемому параметру. Покажем , что математическое ожидание среднего арифметического равно математическому ожиданию генеральной совокупности.


М(Основные понятия статистики) = М(Основные понятия статистики) = Основные понятия статистики,


т.к. Основные понятия статистики

Замечание. Мы воспользовались представлением выборочных значений как компонентов к – мерной случайной величины (x1, x2,…..xk) → (X1, X2,….Xk)

( см. начало обсуждение метода максимального правдоподобия).

Пример. Покажем, что оценка дисперсии является смещенной.

Воспользуемся расчётной формулой для вычисления оценки дисперсии, приведенной выше:

d = Основные понятия статистики,

Основные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиd = Основные понятия статистики


здесь n2 слагаемых здесь по n слагаемых

здесь n слагаемых

здесь (n2 – n) слагаемых


= Основные понятия статистики


Вычислим математическое ожидание d, снова воспользовавшись представлением выборочных данных n –мерной случайной величиной (x1, x2,…..xn) → (X1, X2,….Xn):


М(d) = M(Основные понятия статистики) = Основные понятия статистики- Основные понятия статистики.


С учётом количества слагаемых (см. выше) и того, что М(Хi) = M(Xj) = M(X) и М(ХiXj) = М(Хi) M(Xj) в силу статистической независимости Хi и Xj получаем:


М(d) = Основные понятия статистики -Основные понятия статистикиОсновные понятия статистики =

Основные понятия статистики

Основные понятия статистики

где использована формула для вычисления дисперсии: D =Основные понятия статистики

Из полученного результата следует, что выборочная дисперсия d является смещенной оценкой для D, т.к. её математическое ожидание не равно D, а несколько меньше. Чтобы ликвидировать это смещение, достаточно умножить d на Основные понятия статистики. Результат этого умножения обозначенный S2 и называется “исправленной эмпирической дисперсией”.

Пример. На предприятии изготовляется определённый вид продукции. Ежемесячный объём выпуска этой продукции является случайной величиной, для характеристики которой принят показательный закон распределения.


Основные понятия статистики ( x ≥ 0 )


В течение шести месяцев проводился замер объёмов выпуска продукции, получены следующие данные:


Месяц 1 2 3 4 5 6
Объём выпуска 25 34 23 28 32 30

Найти оценку параметру λ.

Решение. Так как закон распределения содержит лишь один параметр λ, то для его оценке надо составить одно уравнение, например, равенство теоретического и эмпирического первых начальных моментов. Находим выборочную среднюю - эмпирический первый начальный момент:

Основные понятия статистики = (25+34+23+28+32+30)/6 = 28.7

Определяем математическое ожидание – теоретический первый начальный момент:

М(Х) = Основные понятия статистикиОсновные понятия статистики,


Приравниваем теоретический и эмпирический первые начальные моменты:


Основные понятия статистики


откуда получаем оценку параметра λ:


Основные понятия статистики


Статистики. Критерии. Критериальные случайные величины Пирсона, Стьюдента, Фишера-Снедекора


Напомним, что любую функцию j = j (х1, ….хn), зависящую от выборочных переменных и поэтому являющуюся случайной величиной, принято называть статистикой. Таким образом, все оценки являются статистиками, случайными величинами. В связи с таким свойствами оценок, они должны быть проверены на значимость. Для этого используются критериальные случайные величины Пирсона, Стьюдента, Фишера-Снедекора.


4. Проверка статистических гипотез


Стандартными задачами математической статистики являются задачи определения класса (вида) распределения генеральной совокупности и определение её основных числовых характеристик. Эти задачи математическая статистика решает в виде выдвижения гипотез, а не прямым расчетом. Это связано с тем, исходные данные для статистических расчетов являются случайными величинами и полученные результаты расчета тоже есть случайные величины. Поэтому каждый расчетный результат должен быть дополнен вероятностью его правильности (или ошибки), следовательно, он является гипотетическим.

Определение 1. Статистической гипотезой называют гипотезу о виде неизвестного распределения или о параметрах известного распределения.

Наряду с данной гипотезой рассматривают и противоречащую ей гипотезу. В случае, когда выдвинутая гипотеза отвергается, обычно принимается противоречащая ей гипотеза.

Определение 2. Нулевой (основной) называют выдвинутую гипотезу H0. Конкурирующей (альтернативной) называют гипотезу H1, которая противоречит основной.

Пример. Нулевая гипотеза H0 : генеральная совокупность распределена по нормальному закону, тогда гипотеза H1 : генеральная совокупность не распределена по нормальному закону.

Пример. Нулевая гипотеза H0 : Мх = 20 ( т.е. математическое ожидание нормально распределённой величины равно 20), тогда гипотеза H1 может иметь вид H1: Мх Основные понятия статистики 20.

Проверку правильности или неправильности выдвинутой гипотезы проводят статистическими методами. В результате такой проверки может быть принято правильное или неправильное решение. Поэтому различают ошибки двух родов. Ошибка первого рода состоит в том, что будет отвергнута правильная гипотеза. Ошибка второго рода состоит в том, что будет принята неправильная гипотеза.

Идея, которая используется при проверке статистических гипотез, заключается в следующем.

Вводится некоторая вычисляемая случайная величина, называемая критерием, распределение которой заранее известно и которая характеризует отклонение выборочных характеристик от их гипотетических значений. В предположении о справедливости гипотезы H0 фиксируем заранее некоторый уровень значимости α (допустимую вероятность ошибки того, что принимается гипотеза H0, а на самом деле верна гипотеза H1) считая , что в одиночном эксперименте событие с вероятностью, меньшей α, практически не происходят. По α находим такое числоОсновные понятия статистики, что бы выполнялось соотношение:


Основные понятия статистики

Пусть теперь КВ – вычисленное по выборке значение критерия. Если окажется Основные понятия статистики, то в предположении о справедливости гипотезы H0 произошло «практически» невозможное событие и поэтому выдвинутую гипотезу H0 следует отвергнуть и принять гипотезу H1. В противном случае, можно считать, что наблюдения не противоречат гипотезе H0. На приведенных рисунках показано функция плотности распределения случайной величины – критерия χ2 (Рис. 1 ) и кривая уровню значимости для распределения χ2 ( Рис.2.). Уровень значимости равен интегралу от функции плотности распределения в пределах от Основные понятия статистики до ∞, т.е.:


Основные понятия статистики


По заданному уровню значимости α находят значение нижнего предела Основные понятия статистики= Основные понятия статистики

Так, например, при α = 0.05 из графика (Рис. 1.) определяем Основные понятия статистики= 7.814


Рис. 1.

Основные понятия статистики


Основные понятия статистики

Рис. 2.

Критерий Фишера. Проверка гипотезы о равенстве дисперсий.


Задача проверки «статистического» равенства дисперсий в двух выборках играет в математической статистике большую роль, т.к. именно дисперсия определяет такие исключительные важные конструктивные и технологические и экономические показатели, как точность машин и приборов, погрешность измерительных методик, точность технологических процессов, состояние экономической конъюнктуры. и т.д.

В качестве критерия F (критерий Фишера) для проверки гипотезы о равенстве дисперсий в двух генеральных совокупностях по независимым выборкам из них строится случайная величина, равная отношению двух «исправленных» дисперсий , предполагая, что генеральная совокупность распределена нормально.


Основные понятия статистики


Доказано, что эта случайная величина имеет распределение Фишера с к1 = n1 – 1 и k2 = n2 – 1 степенями свободы, где n1 и n2 – объёмы первой и второй выборок. Обычно в качестве числителя берут большую из «исправленных» дисперсий Основные понятия статистики.

Чтобы проверить гипотезу о равенстве дисперсий, надо построить критическую область для критерия F. В качестве критической области принимаются два интервала: интервал больших значений критерия, удовлетворяющий неравенству F >F2 и интервал малых значений 0 < F < F1, причём критические точки занимают такое положение на оси критерия, чтобы удовлетворять следующим равенствам:


Основные понятия статистики

Основные понятия статистики


где Основные понятия статистики – площади под кривой распределения (см. Рис.3).

Такой выбор критической области обеспечивает большую чувствительность критерия. Оказывается, что достаточно определить правую критическую точку F2; последнее объясняется тем, что если величина


Основные понятия статистики

имеет распределение Фишера ( с k1 и k2 степенями свободы), то и


Основные понятия статистики


также имеет распределение Фишера (с k1 и k2 степенями свободы). Поэтому в таблицах табулируются только правые точки этого распределения.

Если полученное по выборке значение критерия выходит за правую критическую точку F2, гипотезу о равенстве дисперсий следует отбросить, в противном случае гипотеза о равенстве дисперсий не противоречит наблюдениям.


Основные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистикиОсновные понятия статистики

Основные понятия статистики Основные понятия статистики Основные понятия статистики


Пример. При проведении тестирования на профессиональную пригодность были подвергнуты испытанию две группы: в первой группе – 10 человек, во второй группе – 15 человек. По данным этих тестов были посчитаны «исправленные» эмпирические дисперсии, оказавшиеся равными для первой группы Основные понятия статистики и для второго Основные понятия статистики. Требуются проверить с уровнем значимости α=0,1 гипотезу о равенстве дисперсий – уровнем подготовленности.

Р е ш е н и е.

Вычислим выборочное значение критерия


F = Основные понятия статистики Основные понятия статистики


По таблицам распределения Фишера и при α = 0,05 и степенях свободы k1 = n1 –1 = 9 и k2 = n2 –1 = 14 находим критическую точку F2 = 2,65. Выборочное значение критерия оказалось меньше критического, и, следовательно, предположение о равенстве дисперсий не противоречит наблюдениям. Иными словами, нет оснований считать, что две группы Основные понятия статистикиобладают разным уровнем подготовленности.

Пример. Оценивается валидность двух различных однотипных тестов. Подвергаются испытанию одна и та же группа с составе 20 человек. По данным тестирования были вычислены исправленные дисперсии, они оказались равными:


Основные понятия статистики, Основные понятия статистики.


Определить валидность однотипных тестов.

Р е ш е н и е.

Вычисляем выборочное значение критерия


Основные понятия статистики


По таблицам распределения Фишера и при α = 0,05 и степенях свободы k1 = n1 –1 = 19 и k2 = n2 –1 = 19 находим критическую точку F2 = 2,16. Таким образом, выборочное значение критерия попадает в критическую область и гипотезу о равенстве дисперсий следует отбросить, т.е. по данным двух выборок испытуемых валидность тестов существенно отличается друг от друга.

Критерий Пирсона χ2. Проверка гипотез о законе распределений .

В предыдущем параграфе были рассмотрены некоторые способы оценки параметров заранее известного закона распределения. Однако в ряде случае сам вид закона распределения является гипотетическим и нуждается в статистической проверке. Гипотезы о виде закона распределения выдвигаются на основе результатов построения эмпирических функций распределения или гистограмм.

Рассмотрим вопрос о критерии проверки по данным выборки гипотезы о том, что данная случайная величина Х имеет функцию распределения F(х). Необходимо ввести некоторую случайную величину- критерий К, основанный на выборе определённой меры расхождения эмпирического и теоретического распределений. Наиболее распространённым является критерий Пирсона χ2 (хи-квадрат). Суть критерия Пирсона состоит в следующем.. Область изменения случайной величины разбивается на конечное число интервалов: Основные понятия статистики

Δх1, Δx2, …. Δxl (если это вся числовая ось, то первый и последний l-ый интервал будут бесконечными). Пусть mi – число значений выборки n, попавших в интервал Δхi , а pi – вероятность того, что случайная величина Х примет значения, принадлежащие Δхi при данном распределении F(x). Эта вероятность pi вычисляется по известным соотношениям:


Основные понятия статистики


где xi и xi+1 – начальная и конечная точка интервала Δхi. Очевидно, выполняются условия

Основные понятия статистики


По найденным pi находим математические ожидания попаданий случайной величины Х в интервал Δхi. при n испытаниях, которые равны npi. В качестве меры расхождения выборочных m1, m2, ….ml и теоретических np1,np2,….npl характеристик вводится следующая величина:


Основные понятия статистики


Доказано, что введенная таким образом случайная величина при неограниченном увеличении n распределена по закону Основные понятия статистики с r степенями свободы, где r = l – 1 – k, а k равно числу параметров, оцениваемых по данным выборке. Если все параметры закона распределения известны заранее (не на основе выборки!, например, при равномерном распределении), то к = 0. Остаётся , задавшись определённым уровнем значимости α , указать критическую область критерия. Обозначим Основные понятия статистики число, найденное из условия


Основные понятия статистики


В качестве критической области примем интервал Основные понятия статистики.Определив Основные понятия статистики по данным выборки, мы получим одно из двух: или Основные понятия статистики (т.е. выборочное значение критерия попадает в критическую область и тогда расхождение выборочных данных с гипотетическим законом распределения существенно, а поэтому гипотеза H0 отвергается и принимается гипотеза H1. Если Основные понятия статистики , то отличие эмпирического закона от теоретического считается несущественным и принимается гипотеза H0 о статистическом равенстве эмпирического и теоретического законов распределения.

Замечание. Случайная величина – критерий Основные понятия статистики, вычисленная по выборочным данным, только при n →∞ распределена по закону Основные понятия статистики. Возникает естественный вопрос о правомерности использования этого распределения при конечном n. Принято считать это приближение достаточным для практических расчетов,

Если Вам нужна помощь с академической работой (курсовая, контрольная, диплом, реферат и т.д.), обратитесь к нашим специалистам. Более 90000 специалистов готовы Вам помочь.
Бесплатные корректировки и доработки. Бесплатная оценка стоимости работы.

Поможем написать работу на аналогичную тему

Получить выполненную работу или консультацию специалиста по вашему учебному проекту
Нужна помощь в написании работы?
Мы - биржа профессиональных авторов (преподавателей и доцентов вузов). Пишем статьи РИНЦ, ВАК, Scopus. Помогаем в публикации. Правки вносим бесплатно.

Похожие рефераты: