Xreferat.com » Рефераты по математике » Види розподілу ймовірностей й оцінка його параметрів

Види розподілу ймовірностей й оцінка його параметрів

alt="" width="118" height="47" align="BOTTOM" border="0" />-ta відносно а, одержимо, що з імовірністю 1 - α виконується нерівність


(3.2.7)


і помилка оцінки X при невідомому значенні параметра о2


(3.2.8)


де число знаходять по табл. П. 4.2 при k=n-1 пр = α.

Зауваження. При k=п-1>30 випадковий розмір t(k) має розподіл, близьке до N (0; 1), тому з імовірністю ≈ 1 - α


(3.2.9)


Приклад 3.2.2 Для галузі, що включає 1200 фірм, складені випадкова вибірка з 19 фірм. По вибірці опинилося, що у фірмі в середньому працюють 77,5 чоловік при середньому квадратичному відхиленні s = 25 чоловік. Користуючись 95%-нім довірчим інтервалом, оціните середнє число працюючих у фірмі по всій галузі і загальне число працюючих у галузі. Передбачається, що кількість працівників фірми має нормальний розподіл.

Вирішення. При k = n -1 = 18 і р = α = 1 - 0,95 = 0,05 знайдемо в табл. П. 4.2 t005 = 2,10. Довірчий інтервал (3.2.7) прийме вид: (65,5; 89,5). З імовірністю 95% можна стверджувати, що цей інтервал накриє середнє число працюючих у фірмі по всій галузі. Тоді довірчий інтервал для числа працюючих у галузі в цілому такий: (1200-65,5; 1200-89,5). Т

Інтервальна оцінка дисперсії (середнього квадратичного відхилення) при відомому математичному чеканні. Ефективною оцінкою дисперсії в цьому випадку є .

Використовуються два варіанти інтервальної оцінки для σ2(σ).

1. Основу першого варіанта складає статистика


(3.2.10)


який має розподіл%2 із п ступенями волі незалежно від значення параметра а2 і як функція параметра а2 > О безупинна і строго монотонна.

Отже, з обліком нерівності (3.2.2) будемо мати:


де і — двосторонні критичні границі Х2-распределения з п ступенями волі.

Вирішуючи нерівність щодо α2, одержимо, що з імовірністю 1 — α виконується нерівність


(3.2.11)


і з такою же імовірністю виконується нерівність


(3.2.12)


Числа і знаходять по табл. П. 4.3 при k = п і відповідно при р=α/2 і р=1-α/2. Інтервальна оцінка (3.2.12) несиметрична щодо .

2. Другий варіант припускає знаходження інтервальної оцінки для а при заданій надійності 1 - α у виді


(3.2.13)


При 5а < 1 границі цієї оцінки симетричні щодо і помилка оцінки , що гарантується з імовірністю 1 - α,


(3.2.14)

Як знайти 8а? Вирішуючи нерівність (3.2.13) щодо n/σІ, одержимо, що з імовірністю 1 — α виконується нерівність


(3.2.15)


або, з огляду на формулу (3.2.10) і замінивши п на k, а α на р,


(3.2.16)


Значення , задовольняють рівнянню (3.2.16) при різних р та k,приведені до таблиці П. 4.6.

Тоді,


(3.2.17)


де — число, знайдене в табл. П. 4.6 при k = п и р = а.

Інтервальна оцінка дисперсії (середнього квадратичного відхилення) при невідомому математичному чеканні. Найкращою крапковою оцінкою дисперсії в цьому випадку є , і побудова інтервальної оцінки для а2 засновано на статистику , який при випадковій вибірці з генеральної сукупності Х~ N(a; α) має розподіл Х2 із (п — 1) ступенем волі.

Проробивши викладення для розміру Х2(п — 1), подібні викладенням при відомому математичному чеканні, одержимо два варіанти інтервальної оцінки для а2 (σ):

(3.2.18)


(3.2.19)


де числа і знаходять по табл. П. 4.3 при k = п - 1 і відповідно при р = α/2 і р=- 1 - α/2.


(3.2.20) (3.2.21)


при цьому помилка оцінки s, що гарантується з імовірністю 1 - α,


(3.2.22)


число 5га знаходять по табл. П. 4.6 при k = п — 1 і р = α.

Зауваження. При k = п — 1 > 30 випадковий розмір Х2(к) має розподіл, близьке до , тому з імовірністю ≈ 1 - α


(3.2.23)


Приклад 3.2.3 Варіація щодобового прибутку випадково обраних 10 кіосків деякої фірми, обмірюване розміром де - прибуток і-го кіоска, опинилася рівної 100 д. е. Знайдіть таке ∆, при якому з надійністю 90% можна гарантувати, що варіація прибутку по всіх кіосках фірми не вийде за межі 100 + ∆. Передбачається, що прибуток - нормально розподілений розмір.

Тому що середній прибуток кіоску по усій фірмі не відомий і інтервал для про повинний бути симетричним щодо s, для розрахунку помилки оцінки s при 1 - а = 0,9 скористаємося формулою (3.2.22).

При k = 9 та р= α = 0,1 по табл. П. 4.6 знайдемо = 0,476; тоді ∆ = 47,6. З надійністю 90% можна стверджувати, що генеральна варіація прибутку кіоску не вийде за межі 100 + 47,6.

Приклад 3.2.4 Користуючись 90%-нім довірчим інтервалом, оціните в умовах завдання 7.2 варіацію працюючих у фірмі по всій галузі.

Вирішення. За умовою п = 19, s = 25, 1 - α = 0,9. Знайдемо два варіанти довірчого інтервалу:

Відповідно формулі (3.2.19)



а тому що при k = п-1 = 18 верхня довірча границя , а нижня (див. табл. П. 4.3), то 19,740 < α < 34,613 - ця оцінка не симетрична щодо s.

2. Відповідно до рівняння (3.2.21),



а так як при k = п -1 = 18 50, = 0,297 (див. табл. П. 4.6), то 17,575<σ<32,425 - ця оцінка симетрична щодо s. Вона, як і випливало очікувати, відрізняється від попередньої інтервальної оцінки, однак


3.2.1 Асимптотичний підхід до інтервального оцінювання

З прикладами інтервальних оцінок, що мають місце тільки при великих об'ємах вибірок, ми вже зштовхувалися. Так, якщо розподіл випадкового розміру X відмінно від нормального, але п велике, то з імовірністю ≈ 1 - а інтервальна оцінка для MX = а має вид нерівності (3.2.3); з імовірністю ≈ 1-а інтервальна оцінка для р при великих п має вид нерівності (3.2.6) і т. д. [див. нерівності (3.2.9), (3.2.23)].

Розглянемо асимптотичний підхід у загальному випадку.

Раніше було встановлено, що при виконанні досить широких умов оцінка параметра , отримана або методом моментів або методом максимальної правдоподібності, має в самому загальному випадку асимптотичний нормальний розподіл і асимптотично несумісної, тобто при великих п оцінка . Однак на відміну від ситуації, розглянутої на раніше, де дисперсія D оцінки передбачалася відомої, у загальному випадку дисперсія Dоцінки залежить від оцінюваного невідомого параметра θ:


(3.2.24)


Тому напряму перший підхід до довірчого інтервалу неприйнятий.

Порушимо питання так: не можна чи перетворити оцінку у g – g() це невідомий параметр у g = g (θ) так, щоб дисперсія D не залежала від θ. Викладемо схему добору такого перетворення, а потім пояснимо, як, використовуючи його, знайти інтервальну оцінку для θ.

Нехай θ — оцінка методу моментів: θ, а отже, і g = g(θ) є функціями вибіркових моментів. Тоді, відповідно до теореми про властивості функцій вибіркових моментів (див. 3.1), розподіл оцінки при великих п близько до нормального, і, з обліком виражень (3.5) і (3.2.25),



(аналогічні вираження утворюються і для оцінок максимальної правдоподібності в регулярному випадку). Але тому що дисперсія Dне повинна залежати від θ, то вираження c(θ) g'(θ) повинно бути постійним, наприклад, c(θ)g'(θ) = 1. Тоді g'(θ)= 1/ c(θ) і


(3.2.25)


при цьому довільна постійна в невизначеному інтегралі вибирається з розумінь простоти остаточних виражень.

Отже, при великих п розподіл оцінки близько до нормального, при цьому , a і, отже,



Тому при великих п для g(9) з імовірністю * I — а має місце нерівність, подібна нерівності (3.2.3):


(3.2.26)


Застосувавши до всіх частинам нерівності (3.2.26) перетворений не , що є зворотною функцією до функції g, одержимо інтервальну оцінку для θ.

Приклад 3.2.5 Побудуємо довірчий інтервал для параметра розподілення Пуассона: Р(Х = х) =л.

У прикладі 3.2.2 була знайдена оцінка методу моментів параметра ; будучи оцінкою методу моментів, має асимптотично нормальний розподіл (ця властивість оцінки випливає також і з центральної граничної теореми), при цьому - оцінка, тому що , а дисперсія оцінки , залежить від параметра λ:



Зіставивши вираження для с вираженням (3.2.24), одержимо

і, відповідно до рівності (3.2.25),



З урахуванням виду функції нерівність (3.2.26)


(3.2.27)


Для функції при х ≥ 0 і у ≥ 0 зворотна функція . Тому, якщо в нерівності (3.2.27)



то, застосувавши до всіх його частинам перетворення одержимо нерівність

(3.2.28)


яке виконується при великих п з імовірністю ≈ 1 - α.


Приклад 3.2.6 Побудуємо довірчий інтервал для р - імовірності успіху в одиничному випробуванні.

У прикладі 3.2.4 методом максимальної правдоподібності для р була знайдена оцінка , де - випадкове число успіхів у п випробуваннях Бернуллі; р має асимптотичний нормальний розподіл, при цьому М = р, a D= р(1 – р)/п - дисперсія залежить від параметра р.

Зіставивши вираження для D із вираженням (3.2.24), одержимо

і, відповідно до формули (3.2.25),



З обліком виду функції g(p) нерівність (3.2.26) прийме вид:


(3.2.29)


Для функції при 0 < < 1 зворотна функція , де 0 < у < π. Тому, якщо в нерівності (3.2.29)

та , то застосувавши до всіх його частинам перетворення одержимо нерівність;


який виконується при великих п з імовірністю ≈ 1 - α.

4. Розподіл Пуассона


Нехай виробляється п незалежних іспитів, у кожнім з який імовірність появи події А дорівнює р. Для визначення імовірності k появ події в цих іспитах використовують формулу Бернуллі. Якщо ж п велико, то користаються асимптотичною формулою Лапласа. Однак, ця формула непридатна, якщо імовірність події мала (р≤0,1). У цих випадках (п велико, р мало) прибігають до асимптотичною формулою Пуассона.

Отже, поставимо своєю задачею знайти імовірність того, що при дуже великому числі іспитів, у кожнім з який імовірність події дуже мала, подія наступить рівно k раз.

Зробимо важливе допущення: добуток пр зберігає постійне значення, а саме і пр=λ. Як буде випливати з подальшого це означає, що середнє число появ події в різних серіях іспитів, тобто при різних значеннях п, залишається незмінним. Скористаємося формулою Бернуллі для обчислення цікавлячої нас імовірності:



Тому що пр=λ те Отже,



Прийнявши в увагу, що п має дуже велике значення, замість знайдемо . При цьому буде знайдене лише наближене значення імовірності, що відшукується: хоча і велико, але звичайно, а при відшуканні межі ми спрямуємо п д о нескінченності. Отже,


Отже (для простоти запису знак наближеної рівності опущений),



Ця формула виражає закон розподілу Пуассона імовірностей масових (п велике) рідких (р мале) подій.

Зауваження. Маються спеціальні таблиці користаючись якими можна з найти Pn(k). знаючи k і λ.


Висновок


У цій курсовій роботі ми розглянули апарат теорії ймовірностей і математичної статистики який використовується для аналізу динаміки об’ємів банківських депозитів. Цей апарат використовується у багатьох банківських системах та різних за призначенням галузях країн в тому числі і нашої країни.

Отже, предметом теорії ймовірностей є вивчення імовірнісних закономірностей масових однорідних випадкових подій. Знання закономірностей, яким підкоряються масові випадкові події, дозволяє передбачати, як ці події будуть протікати. Методи теорії ймовірностей широко застосовуються в різних галузях природознавства і техніки: у теорії надійності, теорії масового обслуговування, у теоретичній фізиці, геодезії, астрономії, теорії стрілянини, теорії помилок спостережень, теорії автоматичного керування, загальної теорії зв’язку й у багатьох інших теоретичних і прикладних науках. Теорія ймовірностей служить, також для обґрунтування математичної і прикладної статистики, що, у свою чергу, використовується при плануванні й організації виробництва, при аналізу технологічних процесів, попереджувальному і приємному контролі якості продукції та для багатьох інших цілей.

В останні роки методи теорії ймовірностей все ширше і ширше проникають в різні області науки і техніки, сприяючи їх прогресу.


Список літератури


  1. Колемаев В.А. Математическая экономика.- М: ЮНИТИ. 1998.

  2. Замков О.О., Толстопятенко А.В.. Черемніх Ю.Н. Математические методи в экономике.- М.: ДИС. 1997.

  3. Грубер И. Эконометрия.- Киев.: Изд. Астарта. 1996.

  4. Колемаев В.А. и др. Теория вероятностей и математическая статистика. - М.: Вісш. шк.. 1991.-400 с. 09. Толбатов Ю.А. Математична статистика та задачі оптимізації в алгоритмах і програмах. - Київ, 1991.

  5. Венцель Е.С.. Овчаров Л.Н. ТВ и ее инженерное приложение. - М.: Наука. 1988.

  6. Розанов Ю.А. Теория вероятностей, случайні процесси математическая статистика. - М.: Наука. 1985. 22. Айвазян С.А. и др. Прикладная статистика: Основи моделирования и первичная обработка даних. -М.: Финанси и статистика. 198?.-471 с.

  7. Айвазян С.А. и др. Прикладная статистика: Исследование зависимостей. — М.: Финансі и статистика. 1985. -487 с.

  8. Айвазян С.А. и др. Прикладная статистика: Классификация и снижение размерности. - М.: Финансі и статистика. 1989. - 607 с.

  9. Малахин В.И. Математическое моделирование экономики.-М.. 1998.

  10. Красе М.С. Математика для экономических специальностей.- М.: ИНФРА-М. 1999.

  11. Ляшенко И.Н.. Ляшенко Е.И. Математика для экономистов.- Донецк. 1998.

  12. Сакович В.А. Исследование операций (детерминированніе методі и - модели) Справочное пособие.-Мн.: Віш.шк.. 1984.-254 с.

  13. Зайченко Ю.П. Исследование операций.-К: Виша.шк.. 1988.

  14. Вентцель Е.С. Исследование операций. Задачи, принципі, методология.-М.: Наука, 1980-208 с.

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: