Автор работы: Пользователь скрыл имя, 02 Апреля 2013 в 19:56, контрольная работа
Предметом математической статистики является изучение случайных величин (или случайных событий, процессов) по результатам наблюдений. Полученные в результате наблюдения (опыта, эксперимента) данные сначала надо каким-либо образом обработать: упорядочить, представить в удобном для обозрения и анализа виде. Это первая задача. Вторая задача, оценить, хотя бы приблизительно, интересующие нас характеристики наблюдаемой случайной величины. Следующей задачей, является проверка статистических гипотез, т.е. решение вопроса согласования результатов оценивания с опытными данными.
ПРИМЕНЕНИЕ СТАТИСТИЧЕСКИХ МЕТОДОВ В ИССЛЕДОВАНИЯХ
Предметом математической статистики является изучение случайных величин (или случайных событий, процессов) по результатам наблюдений. Полученные в результате наблюдения (опыта, эксперимента) данные сначала надо каким-либо образом обработать: упорядочить, представить в удобном для обозрения и анализа виде. Это первая задача. Вторая задача, оценить, хотя бы приблизительно, интересующие нас характеристики наблюдаемой случайной величины. Следующей задачей, является проверка статистических гипотез, т.е. решение вопроса согласования результатов оценивания с опытными данными.
Предметом исследования в математической статистике является совокупность объектов, однородных относительно некоторых признаков. Совокупность всех подлежащих изучению объектов или возможных результатов всех мыслимых наблюдений, производимых в неизменных условиях над одним объектом, называется генеральной совокупностью.
Обычно применяют выборочный метод, который заключается в том, что из генеральной совокупности случайным образом извлекают n элементов. Эти элементы называются выборочной совокупностью или выборкой. Количество элементов в выборке называется ее объемом. Исследователь изучает и анализирует выборочную совокупность и на основании полученных показателей делает вывод о параметрах генеральной совокупности.
Допустим, из генеральной совокупности извлечена выборка объемом n, измерена некоторая величина Х, в результате чего получен ряд значений . Этот ряд называется простым статистическим рядом.
Пример. Измерена масса тела 10 девочек 6 лет. Полученные данные образуют простой статистический ряд:
24 22 23 28 24 23 25 27 25 25
Отдельные значения статистического ряда называются вариантами. Если варианта появилась m раз, то число m называют частотой, а ее отношение к объему выборки p=m/ n – относительной частотой.
Последовательность вариант, записанная в возрастающем (убывающем) порядке, называется ранжированным рядом.
Пример. Ранжированный ряд: 22 23 23 24 24 25 25 25 27 28
Полученная
таким образом
значений случайной величины называется вариационным рядом.
Существуют характеристики вариационного ряда: меры уровня, или средние. Наиболее употребительными в статистических исследованиях являются три вида средних: средняя арифметическая, мода и медиана.
Cредняя арифметическая
Модой называется варианта, имеющая наибольшую частоту.
Размах – это разность между наибольшим и наименьшим значениями ряда.
Медианой называется варианта, расположенная в центре ранжированного ряда. Если ряд состоит из четного числа вариант, то медианой считают среднее арифметическое двух вариант, расположенных в центре ранжированного ряда.
Выборочная дисперсия
Выборочное стандартное отклоне
Дискретные случайные величины
Определение: Случайной называется величина, которая в результате испытания принимает только одно значение из возможного множества своих значений, наперед неизвестное и зависящее от случайных причин.
Различают два вида случайных величин: дискретные и непрерывные.
Определение: Случайная величина Х называется дискретной (прерывной), если множество ее значений конечное или бесконечное, но счетное.
Другими словами, возможные значения дискретной случайной величину можно пронумеровать.
Описать случайную величину можно с помощью ее закона распределения.
Определение: Законом распределения дискретной случайной величины называют соответствие между возможными значениями случайной величины и их вероятностями.
Закон распределения дискретной
случайной величины Х может быть
задан в виде таблицы, в первой
строке которой указаны в порядке
возрастания все возможные
x |
x1 |
x2 |
х3 |
… |
хn |
p |
р1 |
р2 |
р3 |
... |
рn |
где р1+ р2+…+ рn=1
Такая таблица называется рядом распределения дискретной случайной величины.
Закон распределения дискретной случайной величины Х можно изобразить графически, для этого в прямоугольной системе координат строят ломаную, соединяющую последовательно точки с координатами (xi;pi), i=1,2,…n. Полученную линию называют многоугольником распределения (рис.1).
Рис 1.
Закон распределения дискретной случайной величины Х может быть также задан аналитически (в виде формулы):P(X=xi)=φ(xi),i =1,2,3…n
Задача 1. Вероятности того, что студент сдаст экзамен в сессию по педагогике и ОМОИ соответственно равны 0,7 и 0,8. Составить закон распределения случайной величины Х- числа экзаменов, которые сдаст студент.
Решение. Рассматриваемая случайная величина X в результате экзамена может принять одно из следующих значений: x1=0, x2=1, х3=2.
Найдем вероятность этих значений. Обозначим события: А – студент сдаст экзамен по педагогике, В-студент сдаст экзамен по ОМОИ. По условию:
Тогда:
Итак, закон
распределения случайной
x |
0 |
1 |
2 |
p |
0,6 |
0,38 |
0,56 |
Контроль:0,6+0,38+0,56=1.
Полное описание случайной величины дает также функция распределения.
Определение: Функцией распределения дискретной случайной величины Х называется функция F(x), определяющая для каждого значения х вероятность того, что случайная величина Х примет значение, меньше х:F(x)=Р(Х<х)
Числовые характеристики дискретной случайной величины.
Определение: Математическим ожиданием М(Х) дискретной случайной величины Х называется сумма произведений всех ее значений на соответствующие им вероятности: М(Х)=∑ xiрi= x1р1 + x2р2+…+ xnрn
Математическое ожидание служит характеристикой среднего значения случайной величины.
Свойства математического ожидания:
1)M(C)=C, где С-постоянная величина;
2)М(С•Х)=С•М(Х),
3)М(Х±Y)=М(Х) ±M(Y);
4)M(X•Y)=M(X) •M(Y), где X,Y- независимые случайные величины;
5)M(X±C)=M(X)±C, где С-постоянная величина;
Определение: Дисперсией D(X) случайной величины Х называется математическое ожидание квадрата отклонения случайной величины от ее математического ожидания:
D(X)=M(X-M(X))2
Свойства дисперсии:
1)D(C)=0, где С-постоянная величина;
2)D(X)>0, где Х- случайная величина;
3)D(C•X)=C2•D(X), где С-постоянная величина;
4)D(X+Y)=D(X)+D(Y), где X,Y- независимые случайные величины;
Для вычисления дисперсии часто бывает удобно пользоваться формулой:
D(X)=M(X2)-(M(X))2,где М(Х)=∑ xi2рi= x12р1 + x22р2+…+ xn2рn
Определение: Средним квадратическим отклонением σ(Х) случайной величины Х называется квадратный корень из дисперсии:
Задача 2. Дискретная случайная величина Х задана законом распределения:
х |
-1 |
0 |
1 |
2 |
3 |
р |
0,1 |
Р2 |
0,3 |
0,2 |
0,3 |
Найти Р2, функцию распределения F(x) и построить ее график, а также M(X),D(X), σ(Х).
Решение: Так как сумма вероятностей возможных значений случайной величины Х равна 1, то
Р2=1- (0,1+0,3+0,2+0,3)=0,1
Найдем функцию распределения F(х)=P(X<x).
Геометрически это равенство можно истолковать так: F(х) есть вероятность того, что случайная величина примет значение, которое изображается на числовой оси точкой, лежащей левее точки х.
Если х≤-1, то F(х)=0, т.к. на (-∞; х) нет ни одного значения данной случайной величины;
если -1<х≤0, то F(х)=Р(Х=-1)=0,1, т.к. в промежуток (-∞; х) попадает только одно значение x1=-1;
если 0<х≤1, то F(х)=Р(Х=-1)+Р(Х=0)=0,1+0,1=0,
(-∞; х) попадают два значения x1=-1 и x2=0;
если 1<х≤2, то F(х)=Р(Х=-1)+ Р(Х=0)+Р(Х=1)=0,1+0,1+0,3=0,5, т.к. в промежуток (-∞; х) попадают три значения x1=-1, x2=0 и x3=1;
если 2<х≤3, то F(х)=Р(Х=-1)+Р(Х=0)+Р(Х=1)+Р(
если х>3, то F(х)=Р(Х=-1)+Р(Х=0)+Р(Х=1)+Р(
Итак,
0 при х≤-1,
0,1 при -1<х≤0,
0,2 при 0<х≤1,
F(x)= 0,5 при 1<х≤2,
0,7 при 2<х≤3,
1 при х>3
Изобразим функцию F(x)графически (рис.2):
рис. 2
Найдем числовые характеристики случайной величины:
М(Х)=∑ xκрκ =x1р1 + x2р2+…+ xnрn
M(X)=-1•0,1+0•0,1+1•0,3+2•0,2+
D(X)= ∑ x2κрκ –(M(X))2 = x21р1 + x22р2+…+ x2nрn –(M(X))2
D(X)=(-1)2
•0,1+12•3+22•0,2+32•0,3-(1,5)2
≈1,2845.
Задача 1. В связке из 3 ключей только один ключ подходит к двери. Ключи перебирают до тех пор, пока не отыщется подходящий ключ. Построить закон распределения для случайной величины x – числа опробованных ключей.
Решение. Число опробованных ключей может равняться 1, 2 или 3. Если испытали только один ключ, это означает, что этот первый ключ сразу подошел к двери, а вероятность такого события равна 1/3. Итак, Далее, если опробованных ключей было 2, т.е. x=2, это значит, что первый ключ не подошел, а второй – подошел. Вероятность этого события равна 2/3×1/2=1/3. То есть, Аналогично вычисляется вероятность В результате получается следующий ряд распределения:
x |
1 |
2 |
3 |
P |
1/3 |
1/3 |
1/3 |
Задача 2. Построить функцию распределения Fx(x) для случайной величины x из задачи 1.
Решение. Случайная величина x имеет три значения 1, 2, 3, которые делят всю числовую ось на четыре промежутка: . Если x<1, то неравенство x£x невозможно (левее x нет значений случайной величины x) и значит, для такого x функция Fx(x)=0.
Если 1£x<2, то неравенство x£x возможно только если x=1, а вероятность такого события равна 1/3, поэтому для таких x функция распределения Fx(x)=1/3.
Если 2£x<3, неравенство x£x означает, что или x=1, или x=2, поэтому в этом случае вероятность P(x<x)=P(x=1)+P(x=2)=2/3, т.е. Fx(x)=2/3.
И, наконец, в случае x³3 неравенство x£x выполняется для всех значений случайной величины x, поэтому P(x<x)=P(x=1)+P(x=2)+P(x=3)=1, т.е. Fx(x)=1.
Итак, мы получили следующую функцию:
Задача 3. Совместный закон распределения случайных величин x и h задан c помощью таблицы
x h |
1 |
2 |
–1 |
1/16 |
3/16 |
0 |
1/16 |
3/16 |
1 |
1/8 |
3/8 |
Информация о работе Применение статистических методов в исследованиях