Математическая статистика

В теории вероятностей рассматривались вопросы, связанные с математическими моделями экспериментов со случайным исходом.

Задачи математической статистики имеют дело с методами обработки опытных данных, относящихся к наблюдениям над случайными массовыми явлениями. В зависимости от характера измеряемой величины, цели при обработке результатов измерений эти задачи могут принимать ту или иную форму. Типичными задачами математической статистики являются следующие: оценка на основании результатов измерений неизвестного распределения; оценка неизвестных параметров распределения; статистическая проверка гипотез.

Начало периода интенсивного развития статистических методов определяется работами К. Пирсона, выполненными в конце XIX столетия. Раздел математической статистики, в котором изучаются задачи метода проверки статистических гипотез, создан Ю. Нейманом, Э.С. Пирсоном и Р.А. Фишером в конце 20-х - начале 30-х годов ХХ столетия.

Одним из центральных вопросов математической статистики является вопрос оценки параметров распределения. Первые результаты в этой области получены К.Ф. Гауссом (1809) и А.А. Марковым (1900). В дальнейшем методы статистического оценивания получили глубокое развитие в работах Р.А. Фишера.

7.1. Генеральная совокупность и выборка. Статистический ряд.
Статистическая функция распределения. Гистограмма

В математической статистике изучение случайной величины связано с выполнением ряда независимых опытов, в которых она принимает определенные значения. Полученные значения случайной величины представляют собой статистическую совокупность или статистический ряд, подлежащий осмыслению, обработке и научному анализу.

Пусть требуется изучить совокупность однородных объектов относительно некоторого качественного или количественного признака, характеризующего эти объекты. Например, качественным признаком может служить стандартность детали, а количественным – контролируемый размер детали.

Выборочной совокупностью, или просто выборкой, называют совокупность случайно отобранных объектов.

Генеральной совокупностью называют совокупность значений признака объектов, из которой производится выборка. Объемом совокупности (генеральной или выборочной) называют число объектов этой совокупности. Например, если из 100 000 деталей отобрано для исследования 100 деталей, то объем генеральной совокупности N = 100 000, а объем выборочной совокупности n=100. Для того чтобы выборка правильно представляла пропорции генеральной совокупности, она должна быть репрезентативной. В силу закона больших чисел можно утверждать, что выборка будет репрезентативной, если ее осуществлять случайно: каждый объект выборки отобран случайно из генеральной совокупности, иначе, все объекты имеют одинаковую вероятность попасть в выборку. Выборка может быть бесповторной, если отобранные объекты не возвращаются в генеральную совокупность. Выборка называется повторной, если отобранный объект (перед отбором следующего) возвращается в генеральную совокупность.

Пусть из генеральной совокупности извлечена выборка, причем наблюдалось  раз,  раз и т.д.,  раз и  – объем выборки.

Наблюдаемые значения  называются вариантами; последовательность вариант, записанных в порядке возрастания, называют вариационным рядом.

Числа наблюдений  обозначены  и называются частотами, а величины – относительными частотами. Статистическим распределением выборки называется перечень вариант  и соответствующих частот (или относительных частот ):

Х			...
nx			...
Wx			...

 

(7.1.1)

 

В случае большого количества вариантов и непрерывного распределения признака статистическое распределение выборки задают в виде последовательности интервалов и соответствующих им частот. Для этого интервал, в котором заключены все наблюдаемые значения признака, разбивают на определенное число частичных интервалов (x₀, x₁), (x₁, x₂),...,(x_k-1, x_k) длиной D х_i и находят для каждого интервала n_i сумму частот вариантов, попавших в i-й интервал. Таким образом получают интервальное статистическое распределение выборки:

Интервалы	(x0, x1)	(x1, x2)	...	(xk -1, xk)
nx			...
Wx			...

 

 

(7.1.2)

 

 

Статистическое распределение выборки (7.1.1) или (7.1.2) называют также статистическим рядом.

Для графического изображения статистического ряда используют полигоны и гистограммы.

Для построения полигона на оси Ох откладывают значения вариант, на оси ординат – значения частот  (или относительных частот ). Построенную таким образом ломаную, отрезки которой соединяют точки (  или , называют полигоном частот или полигоном относительных частот соответственно.

В случае непрерывного распределения признака на основании интервального статистического распределения (7.1.2) используют гистограмму, устанавливающую зависимость частот от разрядов интервалов, в которые попадают значения случайной величины. Предполагаем, что длины интервалов равны  (h – шаг распределения). На оси Ox отметим точки  с шагом  друг от друга. На каждом частичном интервале строим прямоугольник высотой  (плотность частоты). Гистограммой частот называют ступенчатую фигуру, состоящую из вышеупомянутых прямоугольников. Поскольку площадь i-го частичного прямоугольника равна , то площадь гистограммы частот равна сумме всех частот, т.е. объему выборки n.

Гистограммой относительных частот называют ступенчатую фигуру, состоящую из прямоугольников, основаниями которых служат частичные интервалы длиною h, а высоты равны отношению  (плотность относительной частоты). Для построения гистограммы относительных частот на оси абсцисс откладывают частичные интервалы, а над ними проводят прямоугольники высотой . Площадь i-го прямоугольника равна  – относительной частоте вариант, попавших в i-й интервал. Следовательно, площадь гистограммы относительных частот равна сумме всех относительных частот, т.е. единице. Поэтому гистограмма относительных частот является статистическим аналогом плотности распределения случайной величины X.

Задача 7.1.1. В результате испытаний случайной величины X получен статистический ряд:

 

I	0-5	5-10	10-15	15-20	20-25
nx	3	5	4	8	5

 

Построить гистограмму частот и гистограмму относительных частот статистического ряда.

Решение. На рис. 7.1.1 показана гистограмма частот

Рис. 7.1.1

 

Построим статистический ряд относительных частот

I	0-5	5-10	10-15	15-20	20-25
	0,12	0,2	0,16	0,32	0,2

 

 

Рис. 7.1.2

Пусть теперь изучается случайная величина X, закон распределения которой неизвестен. Требуется определить закон распределения на основании статистических данных.

Определение 7.1.1. Статистической (эмпирической) функцией распределения (иначе функцией распределения выборки) называют функцию , определяющую для каждого значения х относительную частоту события :

                                                 ,                                              (7.1.3)

где  – число наблюдений, при которых значение признака X меньше x; n – объем выборки.

В отличие от эмпирической функции распределения  выборки функция распределения  генеральной совокупности называется теоретической функцией распределения. Различие между эмпирической  и теоретической  функциями распределения состоит в том, что  определяет вероятность события , а  - относительную частоту этого же события. Поэтому  можно использовать для приближенного представления теоретической функции распределения генеральной совокупности.

Функция  обладает свойствами :

1) значения эмпирической функции распределения принадлежат отрезку [0,1];

2)  является неубывающей функцией на промежутке ;

3) если  – наименьшая варианта, то = 0 при ;

если  – наибольшая варианта, то  = 1 при .

Задача 7.1.2. Построить эмпирическую функцию распределения по статистическому распределению

 

X	11	12	13	14
Wx	0,4	0,1	0,3	0,2

Решение. Имеем

.

⇐ Предыдущая10111213141516171819Следующая ⇒

Поделиться: